调提示词这件事，多数人的做法是改一版、跑几轮、看结果、再改。微软一篇新论文给出了另一条路：把Agent跑过的旧日志直接交给一个普通编码Agent，让它写代码去统计每一次运行里发生了什么。

核心结论很直接：在同样的日志条件下，编码Agent写出的提示词，在4个Agent基准测试里有3个击败了调优工具GEPA，每条提示词的成本约1.6美元。

打开网易新闻 查看精彩图片

调优工具的盲区在哪

常见的提示词调优工具有一套固定流程：微调提示词，重新跑Agent，然后根据少数几次运行的结果判断这次改动是好是坏。

问题就出在"少数几次"上。样本太少，偶发情况会被当成规律，反复出现的错误反而可能被漏掉。论文绕开了这套流程，不重新跑，直接翻旧账。

编码Agent拿到保存下来的日志后，会自己写代码，把每一次运行里的情况都数一遍。统计口径覆盖全部历史运行，那些藏在少数几次试验背后的重复性错误，就这样被翻了出来。

为什么是编码Agent来干这件事

关键在于"写代码统计"这个动作。日志是结构化的记录，要从中找出规律，本质是一次数据分析任务，而不是文字润色任务。

编码Agent擅长把模糊的需求翻译成可执行的统计脚本，跑完再根据结果反推提示词该怎么改。这套路径不依赖反复试错。

论文给出的成本数字是每条提示词约1.6美元。这个价格对应的不是一次盲改，而是一轮基于全量日志的分析。

先翻日志，再谈调优

论文给出的操作建议很务实：先把编码Agent指向你手里已经有的日志，把这一步做完，再去考虑用试错式调优去抠最后那点收益。

顺序反过来，等于在没看清历史数据的情况下就开始改提示词，改动的方向只能靠猜。而日志里其实已经写着你需要的答案，只是需要有人把它统计出来。

对已经在跑Agent的团队来说，这条路径的吸引力在于零额外数据采集——日志本来就在那里，缺的只是把它交给一个会写代码的Agent去读。