知何时信任技能：面向单智能体大语言模型的延迟评估与认知警觉

随着大语言模型(LLM)转变为与广泛工具生态系统集成的自主智能体，传统的路由启发式方法日益受到上下文污染和“过度思考”的影响。我们认为，瓶颈并非算法能力或技能多样性的不足，而是缺乏有纪律的二阶元认知治理。本文的科学贡献在于将人类认知控制的计算翻译——具体而言，延迟评估、认知警觉和近端区域卸载——引入单智能体架构。我们提出了MESA-S(面向智能体的元认知技能，单智能体)，这是一个初步框架，它将标量置信度估计转变为分离自我置信度(参数确定性)与源置信度(对检索到的外部程序的信任)的向量。通过形式化延迟程序探测机制并引入元认知技能卡，MESA-S将技能效用的意识与其令牌密集的执行解耦。在通过Gemini 3.1 Pro原生执行的上下文静态基准评估下，我们的初步结果表明，显式编程信任来源和延迟升级可缓解供应链漏洞、修剪不必要的推理循环，并防止卸载引起的置信度膨胀。该架构为可靠、认知警觉的单智能体编排提供了科学上谨慎、行为上锚定的一步。