规模化问题归约：计算难题的智能体集成

解决 NP-hard 优化问题通常需要对特定求解器进行问题重构——例如量子硬件、商业优化器或特定领域的启发式方法。一个用于在困难问题之间进行多项式时间归约的工具，即可让实践者通过单一接口将任何支持的问题路由到任何支持的求解器。然而，构建规模化的库一直未能实现。我们展示了，托管工程（ harness engineering）——即设计约束、验证系统和反馈环路以引导 AI 编码代理的实践——能够克服这一障碍。我们的托管组合了面向领域专家的无代码贡献路径、从类型级检查到代理人角色扮演终端用户的多层验证堆栈，以及完全自动的实现-审查-集成管道。大约三个月内，我们构建了一个由 100 多个问题类型和 200 多个归约规则支持的命令行工具，代码行数超过 17 万行 Rust。该结果表明，经过良好设计的托管允许代理在规模和速度上超越先前的归约库努力。由于归约图具有传递性，对任何单个问题类型的新求解器只要与通过归约路径连接的任何问题相连，即可立即可用。源代码可在 https://github.com/CodingThrust/problem-reductions 查阅。