智能体的工具箱越来越满，满到开始反过来碍事。把一个注册表里上百件工具一次性摊进上下文，token 账单先涨一截，更麻烦的是选择本身会变钝——候选一多，模型挑错的概率不降反升。10 月 15 日提交 arXiv 的 TRACER（编号 2610.21267）对着这个瓶颈下手：它不改智能体，只在注册表和模型之间加一道检索前端，把「这次该亮出哪几件工具」变成一个有先验可依的检索问题。
论文五位作者，跨计算语言与人工智能分区，尚未经同行评审。手法说穿了不复杂：把系统里观察到的工具调用序列编成一棵 trie——历史上先调 A 再调 B 的路径，本身就成了可检索的知识；排序时用一个学出来的混合权重，把经验先验（这类任务通常够向哪件工具）和上下文先验（当前这一步卡在什么地方）揉在一起。最后每一步只露 5 件候选，而不是 128 件全上图。
读数：选得准一点，token 少一大截
论文在一套零售加电信混合的 τ² 环境上给了最直观的一组对照：GPT-5.4 的工具选择准确率提高 4.7 个百分点，单步输入 token 下降约 80%，候选面从 128 件收窄到 5 件。放进整轮自主执行里看，任务成功率与「全量注册表」打平，单步 token 却少烧 61%——同样的活，更瘦的上下文。
换个环境也没散架：六种环境、四个模型的 24 个组合里，21 组的工具选择准确率优于全量暴露，平均高出 6 到 10 个百分点；剩下 3 组落后，但最多也只差 2.2 个百分点。这句「落后也有限」是论文自己写进摘要的，比单挑最好数字讲的人话更可信。
放进台谱里看
站点上周刚拆过 1861 的 RATED：那篇盯的是「工具还活着吗」——语义召回再准，挡不住接口半夜挂掉，解法是拿实时执行反馈做重排。TRACER 治的是另一个病：「下一步该伸手够谁」。一个按运行时的成败重排，一个按历史的轨迹检索，同一个注册表瓶颈，两种拆法，逻辑上还能叠着用。
再往大挪一步，它属于本周最密集的一条暗线——智能体的上下文经济学。同周的 SpecAgent 把强模型从写手换成审稿人，1962 给长程智能体配旁路掌舵员，更早有 1426 论证「编码智能体的账单由 harness 决定」。这些工作共享同一个判断：长任务里最贵的不是想，是每一步都把家底重翻一遍。TRACER 的贡献是把「翻家底」这件事本身做成了可学习的组件。
几盆该浇的冷水
先验来自历史轨迹，这决定了它的软肋在冷启动：新注册表、新团队、新工具刚上架的阶段，trie 里还没有东西可学，只能回退到全量或随机暴露。更微妙的是惯性问题——如果过去的调用序列里本来就带着错习惯（某件顺手的工具被滥用），经验先学会把这些错习惯一并学下来，引用越多越巩固。摘要没有披露回退触发条件与失败率的分环境明细，「24 组里 21 组胜出」的均值和最差值都需要全文核对。
给工具链团队一个零成本的自查：把过去一个月的调用日志倒出来，数一数每类任务实际用到的工具集合有多大。多数团队的答案会比注册表小一个数量级——这个差值就是 TRIE 类方案能替你省下的上下文，也是评估该不该上检索前端的起点。