研究表明，通过使用带有内存处理功能和“监督器”组件的定制化框架，即使底层模型并未针对该任务进行优化，AI 代理也能表现得显著更好。 例如，在交互式推理基准测试ARC-AGI-3中，配备该辅助框架的Claude Opus 5取得了100%的得分，而未配备时仅为30%。这凸显了代理“支架”机制的重要性——该机制负责管理记忆、上下文和反馈，对于提升复杂多步骤操作中AI的性能和成本效率至关重要。