**EnvOpt：无需人工标注即可自动优化智能体运行环境，成本降低 48% 且通过率提升 16% 以上**

_EnvOpt: Automated Optimization for Agent Environments_

> 该研究提出了 EnvOpt 方法，旨在解决大模型智能体（LLM Agent）在共享的静态环境中运行时的成本与成功率问题。不同于传统的调整模型参数或工具包（Harness），EnvOpt 专注于自动优化环境本身的信息组织方式。该方法利用无标注的真实或合成任务，通过代码智能体自动重构环境（如添加数据库或调整 API 接口），从而在不依赖人工评分器的情况下实现端到端优化。实验表明，EnvOpt 在多个基准测试中显著降低了智能体的运行成本（平均降低 48%），同时大幅提升了任务通过率（最高提升 16%），且优化后的环境具有良好的跨模型和跨工具泛化能力。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：论文
- **发布时间**：2026-11-15 06:01（北京时间）
- **原文**：[打开原文](https://bespokelabs.ai/blog/envopt)