高质量研究有一个非常明显的特点：
它越来越不愿意只展示“惊艳的案例”，而更愿意把系统放进可执行环境里。
这是一种非常重要的转向。
因为一旦任务变成真实环境问题，就必须面对这些事情：
- 状态会漂移
- 工具会失败
- 多轮会积累误差
- 真实任务完成条件远比自然语言评价严格
因此，顶会顶刊越来越强调这些东西：
- 可执行环境
- 终态验证
- 多轮过程分析
- 工具调用正确率
- 真实工作流嵌入
这说明它们越来越关心的，不再是“模型看起来像不像一个聪明人”，而是：
它到底能不能在真实系统里稳定做成一件事。而一旦走到这一步，结构化 Agent 就会变成更自然的方向。
因为只有结构化系统，才能承载：
- 约束
- 回放
- 纠错
- 审批
- 状态恢复
- 轨迹评测
这也是为什么高质量研究越往后看，越不像“神奇提示词比赛”，而越像系统工程。
但如果问得更尖锐一点，问题其实是：
为什么这些高质量 venue 不是简单偏爱“更复杂的系统”，而是越来越偏爱“结构被显式写出来的系统”？
答案并不神秘，因为顶会顶刊真正需要的，从来不是一个看起来聪明的案例，而是一种可以被验证、被复现、被分析、被比较的研究对象。
而 prompt 技巧式 Agent，恰恰最难满足这些要求。
它也许能在某个任务上展示惊艳样例，但很难解释：
- 为什么这次成功
- 哪一步真正起作用
- 失败时究竟偏在哪里
- 换一个环境是否仍然成立
- 外部工具与状态在其中扮演什么角色
换句话说，非结构化方法最大的问题，不只是脆弱，而是不可研究。
因此，第 33 章第一条结论应该是：
顶会顶刊越来越强调结构化 Agent，不是因为它们偏爱复杂系统，而是因为只有结构化系统才足够可验证、可复现、可诊断。这就能解释为什么高质量研究越来越偏爱真实环境和终态验证。
一旦任务进入网页、桌面、软件仓库、临床流程和科研工作流，最终是否完成这件事通常不是由自然语言裁判说了算，而是由系统状态、执行结果和外部验证器说了算。此时，研究如果还停留在一段难以复盘的 prompt 里，就几乎不可能满足这些 venue 对严谨性的要求。
于是，结构化 Agent 变成了更自然的选择。
因为只要把系统拆成显式对象，就能立刻获得一整套研究收益：
- 工具调用可以单独计量
- 状态转移可以被追踪
- 中间决策可以被评分
- 错误恢复可以被观察
- 终态可以被程序化验证
- 安全和副作用可以被单独审查
这也是为什么今天高质量论文越来越喜欢 execution-based evaluation、trajectory analysis、progress rate、tool correctness、side effects、session replay 和 process supervision。这些不是附属装饰，而是研究对象真正被“系统化”之后才出现的自然要求。
第二个原因，是结构化更容易让 novelty 变得可证明。
很多人以为顶会只看“新想法”，但真正困难的是：新想法如何被证明不是偶然。对 Agent 来说，如果没有结构，论文很容易掉进两种困境：
- 成功来自 prompt 中若干难以分离的耦合因素
- 失败原因无法被拆开，所以也无法解释改进到底来自哪里
结构化系统则不同。它可以把 novelty 放在更清晰的位置上，比如：
- 新的状态管理机制
- 新的规划与执行接口
- 新的多 Agent 交接方式
- 新的轨迹评测器
- 新的过程监督方法
- 新的安全与治理层
一旦 novelty 被放进清晰模块，论文就更容易被审稿人理解、复核和比较。
第三个原因，是结构化更贴近真实部署。
顶会顶刊近几年一个明显趋势，就是越来越不满足于“这个方法在受控设置里看起来有趣”，而更关心“它是否接近一个真实可用系统”。这在 medical、science、coding、computer-use 和 industry 场景里尤其明显。高质量期刊论文越来越常见的一种写法，不是单独夸模型多聪明，而是把 agent 放进完整流程：输入对象、角色分工、工具边界、验证回路、失败分析、成本与局限，全都写清楚。
这说明结构化 Agent 被偏爱，并不只是因为研究形式变了，而是因为研究目标也变了。
过去更像在寻找“是否存在这种能力”。 现在更像在审查“这种能力是否能被组织成一个可靠系统”。
因此，第 33 章第二条结论应该是：
高质量 venue 越来越强调结构化 Agent，本质上是在把 Agent 从能力展示对象，提升为系统研究对象。第四个原因，是安全、治理和评测要求本身推动了结构化。
只要研究开始认真面对副作用、越权、状态污染、长链偏移和多步失败传播，结构化几乎就变成必选项。因为这些问题都无法只靠最后一句输出去判断，它们要求系统显式暴露中间对象：状态、工具、轨迹、角色、审批点、验证器。没有这些对象，安全和评测都很难真正成立。
这也是为什么越高质量的研究，越不满足于“我们人工看了几个样例觉得还不错”，而会转向：
- 真实环境 benchmark
- 可执行终态验证
- 轨迹级误差分析
- 安全 benchmark
- 失败案例与局限讨论
这些研究方法本身，就在奖励结构化 Agent，惩罚黑箱式 Agent。
第五个原因，是结构化让研究能与工程共享语言。
一篇只靠 prompt 成功的论文，对工程团队的迁移价值往往有限；但一篇把 schema、state、tool contract、role boundary、eval、guardrails 写清楚的论文，哪怕指标不是最高，也更容易被工程界真正吸收。顶会顶刊越来越强调结构化，某种意义上也是在让研究重新变得可积累，而不是只能制造短期惊艳案例。
所以，本章最后要落下的判断是：
顶会顶刊越来越强调结构化 Agent，实质上是在抬高 Agent 研究的技术门槛：不仅要证明“它能做”，还要证明“它为何能做、何时会错、怎样验证、如何复现、能否进入真实系统”。