论文提出ORACLE，首个从流式应用使用轨迹中早期预判诈骗的智能体框架。该研究针对诈骗意图随时间逐步显现的挑战，基于部分轨迹做出前瞻性决策。为支持此任务，研究构建了一个真实世界基准，包含平均跨越15天、涉及95个应用的12种诈骗类型轨迹。为处理证据分散问题，框架引入自进化上下文管理器，随时间动态整合以实体为中心的交互，重建跨时序证据。同时，通过一种策略内自蒸馏方案，利用具备总结性反思的教师模型来训练学生模型，增强对早期潜在信号的敏感性。实验表明，ORACLE能持续提升早期诈骗预判能力，实现实时预警并减少误报。