先把话说死：agent 失败之后，你的第一反应是给它补上下文、加工具、多塞几个例子——大概率是错的。方向反了。
我一开始也是这么想的。八月挂 arXiv 上那篇讲 DARC 的论文，第一遍扫标题还觉得，又来一个"自我纠正"的花活。真正让我坐直的是图里那根箭头——它跟我想的，是反的。
等等等等，先别急。先把我原来那版错的画出来。
我第一版图，画长了
当时我理解的 agent 恢复，大概是这样：
失败 ──► 补上下文 / 加工具 / 多给例子 ──► 重试 ──► 还失败 ──► 再补 ──► ...
一条线，越走越宽。逻辑也顺：它不知道，你就多告诉它一点。上下文窗口那么大，塞呗。
这张图的底气来自编码 agent——那玩意儿太顺了，编译器给你报错，测试给你红绿，跑崩了有 traceback。失败信号是带类型的，你缺个类型注解，它就说你缺个类型注解。于是我就以为通用 agent 也一样，把失败信号喂回去，它自己会收敛。
不对。这是我的第一个错觉。
翻车那段
通用任务跟 coding 根本不是一回事。coding 里失败是"带类型的"，通用任务里失败就一句：任务没完成。粗得跟没给一样。
所以你补回去的东西，正好撞上论文说的那个矛盾：你要的是更窄的修复接口，补进去的却是一大坨互相打架的信号。我把那坨东西拆成三样：
一次失败，你补回去的那一坨里，其实混着：
┌──────────────────────────────────────┐
│ 无效动作 —— 它试了个根本不存在的操作 │
│ 缺失流程 —— 它跳过了本该走的某一步 │
│ 格式错误 —— 它给出的东西形态就不对 │
└──────────────────────────────────────┘
要命的是这三种"病"治法完全不一样：无效动作得换动作空间，缺失流程得补步骤顺序，格式错误得收格式约束。糊成一坨塞进上下文，模型手里没有标签去分辨哪个是哪个，只能一股脑当成"我整体没做好"，然后重试——重试一条已经走歪的路。上下文越塞越大，方向一步没纠回来。
我盯着这块看了半天，脑内只有羊叫。"给更多信息"这件事本身，在这里等于往一个已经堵住的口子上继续灌。
打个比方（然后告诉你它在哪漏风）
事后我给它找了个抓手：agent 恢复，像看病。
感冒吃感冒药，骨折打石膏。可你要是所有病人都端一碗大补汤——补是补了，骨折那位喝完还是断着。宽泛恢复方案就是那碗大补汤。
错的版: 病 ──► 大补汤 ──► 还是病
对的版: 病 ──► 先诊断是哪类病 ──► 对症的药 ──► 好
这比喻挺好用，但它漏风，我得老实标出来：病人知道自己哪儿疼，开口就说"我左腿"。agent 不会。它给自己的失败打分就是一句"没做成"，压根不告诉你哪一类。所以现实里"先诊断"那一格没法原地填——诊断依据得从别处找。
论文这里给了一步挺巧的：拿开发集补。让它在开发集上可劲儿失败，把失败姿势攒起来看规律，哪类任务老栽在哪类错上，慢慢轧出一张对照表——这类失败，哪种干预能救。等真到测试，模型不再是现场瞎猜，而是拿这张表去卡：这次是格式那一挂，那就别去动动作空间了。
这就是那句"先判断哪类失败可被修复，再决定投入多少恢复证据"。因果顺序被整个掉了个头：不是先扩上下文再看能不能救，是先判可修性，再决定投多少。
重来，这版图才是对的
重画：
失败
│
▼
诊断：这是哪一类失败？ ← 靠开发集攒的那张表
│
├── 修不了 / 表里没这号 ──► 别动，省下预算
│
▼ 可修
从共享恢复库里挑匹配的干预 ← 不匹配的先剔掉
│
▼
投入恢复证据（收窄的接口，不是一大坨上下文）
│
▼
重试
跟第一版比，差别在哪？第一版是"失败→加量"，这版是"失败→定性→定量"。加量那一步被挪到了最后，加多少还被诊断结果掐着。
咔哒一下扣上的那一刻，我回头再看"失败并不必然要求统一增加上下文"那句，突然就不像口号了：它就是这张图上一根箭头掉个头的事。
说点不满意的
论文在 ALFWorld、AppWorld、XBRL Finance 三个环境上跑同一套协议，分别落成动作有效性框架、流程恢复回退、格式精度检索三种策略，报的结果是平均任务表现上去了，环境步数或检索预算反而降了。降预算这点我信，因为这版图本来就是在省钱——少塞那些没用的上下文，账自然就下来了。
但有个地方我不太买账：那张开发集上轧出来的诊断表，到底能迁移多远？三个环境都是它自己挑的，失败类别相对干净。真扔进一个失败姿势又多又脏的开放环境，这一格会不会先崩，论文没给我特别硬的答案。这段我还没完全画明白，先放这儿，懂了再补。
不过方向我认了。自我纠正不是"把提示写长一点"的活儿，是"把修复接口设计窄一点"的活儿。在没有编译器、没有测试给你带类型信号的那些领域，这篇给的路径就一句：先让失败变得可操作，再去扩上下文。
顺序别搞反。