Model or Harness? An Interaction-Centric Taxonomy for Localizing Agent Failures

该论文提出一个以交互为中心的Agent失败分类法，将41种失败模式归因于模型、框架、环境等组件间的交互边，并明确修复责任方。通过公共基准和真实日志验证，用四个前沿模型作为评判者，达到了与人类标签高度一致（Cohen's kappa=0.76）。

1. 用于导购Agent调试：可以直接采用该分类法，当导购Agent在工具调用或记忆读取出错时，快速定位是模型后训练问题还是编排/harness问题，提升迭代效率。
2. 改变技术选型判断：以往遇到Agent失败，常首要考虑换更强模型，现在意识到很多失败源于harness或环境设计，应优先检查工具集成和记忆管理，再决定是否后训练。
3. 行动建议：通读全文，提取适合我们导购场景的失败模式子集，并将其整合到内部评测体系中，作为回归测试的标签体系。后续关注作者是否开源分类工具。