一句话看懂：Hugging Face Papers 收录的一篇论文提出 HEELO 框架和“智能体原生原语”，让智能体把资源和可复用的执行能力打包在一起，以缩小真实任务中“拿得到资源、却用不好”的差距。公开摘要显示，多项基准和 46 个真实任务上的完成率有所提升，但该结果尚未经全文核验或同行评审。
事件核心：发生了什么
论文摘要给出的问题很具体：前沿模型自带执行框架，在真实任务上仍会掉链子。以 Terminal-Bench 4.0 为例，GPT-5.6 Sol 配合 Codex 解决率是 37.3%，Claude Opus 5 配合 Claude Code 是 51.8%。作者把失败集中到从“触达资源”到“正确应用资源”这一步，称为通往真实世界的最后一公里。现有方案通常把资源放到手边，却把运用能力留给调用方，导致每个执行框架都要重新造一遍。
为此，论文提出“智能体原生原语”：每个原语由一个常驻 LLM 驱动，负责在上下文中使用某项资源，并与其他原语通信。HEELO 则从原语库中为具体任务组合出任务专属图，用环境证据验证结果，修正失败涉及的原语，并在验证后吸纳新原语。摘要称其已用 8 类原语、20 多个基准进行评测，例如 Terminal-Bench 4.0 解决率在同一骨干上从 37.3% 提升至 55.5%，ToolBench 通过率从 55.8% 升至 75.1%。
为什么重要
这指向智能体工程的一个关键分歧：继续堆大模型能力，还是把任务经验沉淀为可复用组件。如果原语能在不同任务间复用，开发者就不必为每个场景重写执行框架，企业部署智能体时也可能减少重复集成成本。在 46 个真实任务上，摘要称 Claude Opus 5.5 搭配 Claude Code 单独完成 9 个，接入 HEELO 后完成 39 个；GPT-6.1 Sol 搭配 Codex 从 9 个增至 35 个，且每完成一个任务的时间分别减少 1.9 倍和 2.3 倍、成本降低 1.55 倍。不过这些数字均来自论文摘要，目前公开信息显示尚不能视为独立复现结论。
对用户/开发者/创作者的影响
对开发者而言，最直接的价值是把“资源接入”和“资源会用”拆成两层：底层可继续用闭源大模型或开源模型，上层以原语库积累任务能力，并可能通过 MCP 方式接入现有智能体。对普通用户和创作者，短期内更现实的影响是：真实任务型 AI 产品的完成率和成本可能改善，但效果取决于原语库覆盖的任务类型，而不是通用能力的一次性跃升。论文没有发布可直接使用的产品，也没有说明原语库的授权和开放程度。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，HEELO 是否会在 heelo.dev 之外开放原语库或 API，让开发者真正复用；第二，原语组合和自动修正能否在更长链路任务上稳定，而不只是在摘要列出的基准上有效；第三，主流智能体框架和模型厂商是否会跟进类似“可复用能力单元”的设计，以及成本优势在真实生产负载下是否成立。
