告别盲目搜索：预算感知如何让 AI Agent 突破性能天花板

这是一份基于最新研究论文《Budget-Aware Tool-Use Enables Effective Agent Scaling》整理的技术分享博客内容。

告别盲目搜索：预算感知（Budget-Aware）如何让 AI Agent 突破性能天花板？

导读

在推理任务中，我们已经习惯了让大模型“多想一会儿”（Scaling Test-time Compute）。但当模型化身为能够搜索、浏览网页的 Agent 时，仅仅增加“思考”是不够的，还需要增加“行动”。然而，简单地给 Agent 更多的搜索机会，它就真的能变强吗？

Google 的最新研究发现：缺乏“预算意识”的 Agent 很快就会陷入性能瓶颈。 即使你给它 100 次搜索机会，它可能在第 10 次就草草收场。为了解决这个问题，研究者提出了 Budget Tracker 和 BATS 框架，让 Agent 学会“看菜吃饭”。

1. 研究背景：Agent 缩放的新维度

在大语言模型（LLM）领域，通过增加测试时计算量（Test-time Scaling）来提升性能已成共识 。对于工具增强型 Agent 而言，这种缩放包含两个维度 ：

• 思考（Thinking）： 消耗 Token 进行内部推理。
• 行动（Acting）： 通过工具调用（如搜索、API）与外部环境交互。

工具调用的次数直接决定了 Agent 探索环境的广度与深度 。但在实际应用中，搜索 API 是要花钱的，Token 也是有成本的。如何平衡 “性能” 与 “成本”，是 Agent 大规模部署的关键 。

2. 针对问题：盲目的“土豪”Agent

研究人员发现，标准的 Agent（如 ReAct 架构）存在一个致命缺陷：缺乏预算感知能力（Budget Awareness） 。

• 性能天花板： 当赋予 Agent 更多工具调用配额时，它们的性能并不会持续提升，而是很快达到饱和 。
• 策略僵化： Agent 不知道自己还有多少“余粮”，无论预算多寡，都采用同一套搜索逻辑。在预算充足时搜索得太浅，在预算紧缺时又显得太浪费 。
• 成本黑盒： 缺乏一个统一的度量衡来计算 Token 和工具调用的综合经济成本 。

3. 核心方案：从 Budget Tracker 到 BATS

为了让 Agent 能够战略性地使用资源，研究团队提出了两套方案：

方案一：Budget Tracker（轻量级插件）

这是一个“插拔式”的 Prompt 模块 。它在每一轮交互时，都会在 Prompt 中明确告诉 Agent 当前的预算状态 ：

• 实时反馈： 显示每种工具已使用多少次、还剩多少次 。
• 行为引导： 在初始阶段提供策略建议（如：预算充足时尝试多角度搜索；预算不足时精准一击） 。

方案二：BATS（高级自适应框架）

BATS (Budget Aware Test-time Scaling) 是一个更进阶的框架，它将预算意识融入了 Agent 的全生命周期 ：

1. 预算感知型规划： Agent 会根据剩余预算动态调整计划，决定是“深挖”某个线索，还是“转向”其他路径 。
2. 自适应验证（Self-verification）： 当 Agent 得到一个答案时，它会结合剩余预算决定是否满意。如果预算还多，它会选择 CONTINUE（深入探索）；如果发现当前路径死胡同且预算尚存，它会选择 PIVOT（转换思路） 。
3. 上下文压缩： 为了节省 Token 成本，BATS 会定期将冗长的原始轨迹总结为精简摘要 。

4. 实验结论：更聪明，也更省钱

研究在 BrowseComp（复杂搜索）、BrowseComp-ZH（中文环境）和 HLE-Search 等挑战性数据集上进行了测试 ：

• 性能提升： 在相同的预算（100 次工具调用）下，使用 Gemini-2.5-Pro 的 BATS 在 BrowseComp 上达到了 24.6% 的准确率，远超标准 ReAct 的 12.6% 。
• 高效率： 在达到相同准确率的情况下，Budget Tracker 相比 ReAct 能减少约 40.4% 的搜索调用和 31.3% 的总成本 。
• 持续缩放： 传统的 ReAct 在预算超过 100 后性能就不再增长，而具备预算感知的模型则能随着预算增加持续进化 。

5. 核心创新点

1. 首个系统性研究： 第一次正式定义了受限预算下的 Agent 测试时缩放问题，并提出了统一的成本度量公式（Token 成本 + 工具成本） 。
2. 动态自适应策略： 改变了以往“固定逻辑”的 Agent 运作模式，让模型能够根据“财务状况”动态调整其验证和决策阈值 。
3. 免微调（Training-free）： 所有的提升完全基于 Prompt 工程和框架设计，不需要对大模型进行昂贵的二次训练 。

6. 总结与反思

积极影响

• 落地实用性： 为企业部署 Agent 提供了明确的资源管理思路，让 AI 的运行成本变得可控且透明 。

• 缩放新路径： 证明了除了增加 Token 数量，优化工具调用的策略是 Agent 性能增长的另一条“高速公路” 。

不足与局限

• 维度单一： 目前主要关注工具调用次数。现实中可能涉及更复杂的资源约束，如 Token 长度限制、推理延迟限制等 。
• 资源预估精度： 模型有时会低估自己的资源消耗，如何让 Agent 更精准地预测“这笔搜索花得值不值”仍是挑战。
• 上下文管理： 虽然有摘要机制，但在极端超长任务中，如何在上下文长度与信息留存之间取得完美平衡仍需探索。