一分钟读论文：《E3：AI Agent 何时知道任务很简单？》
内容提要
佐治亚理工与麻省理工提出E3框架，让编码Agent先评估任务复杂度，以最小路径执行，失败才扩展。在MSE-Bench上，E3成功率100%，成本降85%，Token减91%，文件检查减92%。该框架将执行冗余量化为可测问题，推动Agent按需工作，减少资源浪费。
延伸解读
执行冗余：被忽视的隐性成本
论文指出，大型语言模型 Agent 在执行多步任务时普遍存在“执行冗余”现象：它们倾向于读取尽可能多的上下文，而不是评估任务实际所需的信息量。这种“最大上下文优先”策略导致资源浪费和推理延迟。作者提出“认知冗余比”（ACRR）来量化实际执行范围与最小必要信息集之间的差距，将这一低效模式从经验观察提升为可度量的工程问题。
E3 框架：从“尽力而为”到“按需工作”
E3 框架的核心是让 Agent 在执行前先评估任务复杂度，然后以最小可行路径执行，仅在验证失败时逐步扩展。这种“先估计、再执行、失败才扩展”的策略，避免了盲目读取大量文件。在 MSE-Bench 上，E3 在保持 100% 成功率的同时，将成本降低 85%、Token 消耗减少 91%、文件检查减少 92%，展示了“按需工作”的潜力。
真实场景验证与局限
论文通过 LLM-Case 实验在真实开源库上验证了 E3 的效果，使用 gpt-4o Agent 编辑代码并通过 pytest 验证。结果显示，真实场景中的过度读取现象比模拟器轻微，但 E3 仍是最精简、最快的策略。不过，其唯一短板是服务提供商的速率限制，而非代码修改错误。这表明 E3 在实际应用中可能受限于外部因素，而非框架本身。
Q&A
E3框架是由哪些机构提出的？
E3框架由佐治亚理工学院和麻省理工学院合作提出。
E3框架的核心思想是什么？
E3框架的核心思想是让编码Agent在执行任务前先评估任务复杂度，然后以最小可行路径执行，仅在验证失败时逐步扩展范围。
什么是执行冗余？
执行冗余是指Agent消耗的资源远超完成任务所需的最低限度，例如反复读取已看过的文件和依赖关系，将简单修改变成对整个代码库的审计。
