为什么智能体会「跑飞」成本
让智能体写代码或跑渲染任务时，一个常见痛点是不确定：同一段提示，这次跑三秒、下次跑三分钟；这一台机器够用、那一台内存爆掉。根因往往不是模型笨，而是智能体对「自己跑在什么执行底座上」几乎一无所知——它默认有无穷内存、无穷时间，于是生成出随意分配资源、不控步骤的代码。结果要么浪费算力，要么在边界条件下行为脆弱、难以复现。对创意生产、渲染、代码生成这类按成本与延迟计费的管线，这种不可预测直接转化为账单与排期风险。
执行契约：给 RAM 与墙钟时间设上限
9 月上旬一篇 arXiv 预印本提出 substrate-aware agents（感知底座的智能体）：给智能体一份显式的执行契约，声明可用的 RAM 上限、墙钟时间上限等执行约束，让模型在生成与行动时把这些限制当作硬条件。换句话说，智能体不再假设无限资源，而是事先知道「我只有这么多内存、这么久时间」，据此规划更克制的步骤与更稳的结构。这类契约把运行时资源从隐式假设变成可声明、可约束的变量。
它带来什么：可预测、可复现、少浪费
论文的核心主张是：显式执行契约能显著减少资源浪费与脆弱行为，提升可复现性。对工程侧，这意味着三件事：成本可预测——给定契约，单次运行的算力上限被钉死，预算不再靠运气；行为可复现——同样契约下，结果更稳定，便于排障与回归；浪费更少——模型不再生成无界分配的代码，长尾场景不容易拖垮整条管线。对跑大量并行智能体模拟或渲染的团队，光是「把单次成本上限钉死」一项，就足以把运营支出从不可控变成可规划。
与运行时安全的同源思路
substrate-aware 与近期智能体运行时安全的思路同源：都是把「智能体能做什么」从模糊信任，变成可声明、可约束、可审计的边界。前者管资源（RAM、时间），后者管动作（工具调用、越权、操纵）。两者合起来，才构成生产级智能体的底座：既不让它乱花资源，也不让它乱动手脚。这也与 Agentic Runtime Security（如 HiddenLayer 的运行时安全）方向一致——信任不能只靠设计期原则，必须在运行期持续验证与约束。
对生产管线的启发
对正在把智能体铺进生产的团队，substrate-aware 给出几条可落地的启发：其一，给智能体任务附上资源契约，而不是放任无限上下文与无限步骤；其二，用更小的执行预算做约束设计，反而提升复现与稳定性；其三，把契约当作可观测信号——某次运行频繁撞契约上限，本身就是在提示任务定义或模型选择有问题。它不必等论文成熟才用：在现有智能体里加一步「声明资源上限再执行」，就能先吃到可预测化的红利。
结语
substrate-aware agents 把一个被长期忽略的变量——执行底座——正式拉进智能体设计。给智能体一份 RAM 与墙钟时间的执行契约，看似是小改动，却能把成本与延迟从玄学变成可声明、可约束、可复现的工程量。当智能体越来越多地跑在生产的真实管线上，这种「资源可预测化」会和运行时安全一样，从锦上添花变成必选项。对工程师，建议现在就把执行契约写进智能体设计的默认模板。