arXiv 2026年10月5日该工作提出 Sentry——一个与智能体并行运行的失败管理层：检测到失败时从外部 playbook 检索匹配教训引导恢复，在无任务奖励的情况下验证智能体是否恢复，仅在恢复成功时写入新教训，且完整 playbook 从不进入智能体上下文；在多个智能体基准上，Sentry 在每个基准上都优于最强运行时干预基线，平均提升 37%，在两者均被评估的两个基准上优于最强上下文演化基线 39%，与上下文演化结合还能带来进一步增益，学到的教训可迁移到留出任务，受控实验显示把完整 playbook 暴露给智能体会降低性能。该工作提出 Sentry——一个与智能体并行运行的失败管理层：检测到失败时从外部 playbook 检索匹配教训引导恢复，在无任务奖励的情况下验证智能体是否恢复，仅在恢复成功时写入新教训，且完整 playbook 从不进入智能体上下文；在多个智能体基准上，Sentry 在每个基准上都优于最强运行时干预基线，平均提升 37%，在两者均被评估的两个基准上优于最强上下文演化基线 39%，与上下文演化结合还能带来进一步增益，学到的教训可迁移到留出任务，受控实验显示把完整 playbook 暴露给智能体会降低性能。Sentry 让 LLM 智能体在测试时按需检索失败教训，在多个基准上平均超越最强运行时干预基线 37%该工作提出 Sentry——一个与智能体并行运行的失败管理层：检测到失败时从外部 playbook 检索匹配教训引导恢复，在无任务奖励的情况下验证智能体是否恢复，仅在恢复成功时写入新教训，且完整 playbook 从不进入智能体上下文；在多个智能体基准上，Sentry 在每个基准上都优于最强运行时干预基线，平均提升 37%，在两者均被评估的两个基准上优于最强上下文演化基线 39%，与上下文演化结合还能带来进一步增益，学到的教训可迁移到留出任务，受控实验显示把完整 playbook 暴露给智能体会降低性能。该工作提出 Sentry——一个与智能体并行运行的失败管理层：检测到失败时从外部 playbook 检索匹配教训引导恢复，在无任务奖励的情况下验证智能体是否恢复，仅在恢复成功时写入新教训，且完整 playbook 从不进入智能体上下文；在多个智能体基准上，Sentry 在每个基准上都优于最强运行时干预基线，平均提升 37%，在两者均被评估的两个基准上优于最强上下文演化基线 39%，与上下文演化结合还能带来进一步增益，学到的教训可迁移到留出任务，受控实验显示把完整 playbook 暴露给智能体会降低性能。