微软研究发布AgentRx：用可审计日志定位AI智能体失败步骤

事件概述

微软研究团队在2026年10月2日的研究归档中介绍AgentRx，一套用于诊断AI智能体失败执行轨迹的自动化框架，并公开了包含115条失败轨迹的新基准。

对象与发布方

项目：AgentRx；开发者：Microsoft Research团队；官方归档日期：2026年10月2日；论文计划发表于EMNLP 2026。

关键能力

• 基准覆盖结构化API工作流、事件管理以及开放式网页/文件任务，并为每条失败轨迹标注关键失败步骤和跨领域失败类别。
  
• AgentRx会综合约束条件逐步评估执行过程，生成带证据的可审计验证日志，再由基于大语言模型的评判器定位关键步骤和失败类别。
  
• 微软研究页面称，该框架在三个领域的步骤定位与失败归因上优于现有基线。
  

适用对象

构建或评测多步骤AI智能体的研发团队、平台工程师和安全/可靠性研究者，可用它分析工具调用、长流程和多智能体执行中的失败原因。

实际影响与限制

AgentRx把“智能体失败了”进一步拆解为可复核的步骤和约束违反证据，有助于建立回归测试与故障分析流程；但公开基准只有115条失败轨迹，任务域也集中在三个场景，不能直接代表所有生产工作流。框架还依赖轨迹记录质量和LLM评判器，实际部署仍需人工抽查并验证归因可靠性。

官方来源

Microsoft Research：AgentRx: Diagnosing AI Agent Failures from Execution Trajectories