研究地图
从任务定义进入图结构规划,再进入执行修复和结构泛化。
来源目录
按类型筛选或搜索,打开中文解读,再沿关联材料继续阅读。
先建立 Agent 规划、行动、工具和评测的共同词汇,再选择本库的任务单位。
Wang et al. / arXiv · 有阅读笔记S02 · 论文 · 2022-10-06ReAct: Synergizing Reasoning and Acting in Language Models推理与行动交错,让后续决策能够受到真实工具返回和环境观察的约束。
Yao et al. / arXiv · 有阅读笔记S03 · 论文 · 2022-04-04Do As I Can, Not As I Say: Grounding Language in Robotic Affordances语义上合理的下一步,还必须对当前机器人的技能和环境可行。
Ahn et al. / arXiv · 有阅读笔记S04 · 论文 · 2022-12-08LLM-Planner: Few-Shot Grounded Planning for Embodied Agents with Large Language Models用少量示例生成高层计划,并随当前环境更新计划,而非照搬一段固定动作文本。
Song et al. / arXiv · 有阅读笔记S05 · 论文 · 2023-08-18Graph of Thoughts: Solving Elaborate Problems with Large Language Models图可以组织、汇合与反馈修改思维单元,但思维图并不自动等于环境中的执行计划图。
Besta et al. / arXiv · 有阅读笔记S06 · 论文 · 2024-05-29Can Graph Learning Improve Planning in LLM-based Agents?图规划已有直接工作:用图学习改善任务依赖上的决策,必须作为结构方法的近邻。
Wu et al. / arXiv · 有阅读笔记S07 · 论文/基准 · 2023-08-07AgentBench: Evaluating LLMs as Agents把 Agent 放入多种交互环境评测,避免仅以流畅文本或单个工具调用判断能力。
Liu et al. / arXiv · 有阅读笔记S08 · 论文/基准 · 2022-03-14ScienceWorld: Is your Agent Smarter than a 5th Grader?科学知识能否转成可执行实验,适合检验前置条件、动作后果与状态理解。
Wang et al. / arXiv · 有阅读笔记S09 · 论文/基准 · 2023-07-25WebArena: A Realistic Web Environment for Building Autonomous Agents以真实可操作的网站和功能性终态评测网页 Agent,提供长链状态化任务。
Zhou et al. / arXiv · 有阅读笔记S10 · 论文/基准 · 2024-07-26AppWorld: A Controllable World of Apps and People for Benchmarking Interactive Coding Agents跨应用 API 操作既要达到目标,也要避免意外改动;这是图依赖与副作用研究的重要环境。
Harsh Trivedi et al. / ACL 2024 · 有阅读笔记S11 · 论文/基准 · 2023-06-26InterCode: Standardizing and Benchmarking Interactive Coding with Execution Feedback把代码当作动作、执行反馈当作观察,研究编码中的交互纠错而非一次生成。
Yang et al. / arXiv · 有阅读笔记S12 · 官方博客 · 2024-12-19Building effective AI agents先判断流程是否需要模型自主决策,再选择链、路由、并行或 orchestrator-worker。
Anthropic Engineering · 有阅读笔记S13 · 研究者博客 · 2023-06-23LLM Powered Autonomous Agents用规划、工具与反馈三个视角进入 Agent 文献,同时把长期记忆内容留给相邻子库。
Lilian Weng · 有阅读笔记S14 · 官方文档 · 持续更新LangGraph Graph API:状态、节点、边与消息传递框架图表达程序控制流;是否能代表任务约束,要由研究者另外定义。
LangChain · 有阅读笔记S15 · 官方项目/社区 · 持续更新AppWorld benchmark and simulatorAppWorld 项目提供可检查任务状态与意外改动的实现入口,但评测内部信息必须与 Agent 可见信息分开。
Stony Brook NLP · 有阅读笔记S16 · 官方项目/社区 · 持续更新WebArena benchmark区分论文 canonical 实现与后续统一浏览器框架,才能避免无意改变 WebArena 的评测协议。
WebArena-X · 有阅读笔记S17 · 官方项目/社区 · 持续更新ScienceWorld environmentScienceWorld 的任务与环境接口,让物体状态和实验先后约束可以被实际执行检查。
Allen Institute for AI · 有阅读笔记S18 · 官方项目/社区 · 持续更新BrowserGym: A Gym Environment for Web Tasks统一浏览器环境能减少接入成本,但观测、动作和任务适配仍会影响规划结论。
ServiceNow · 有阅读笔记S19 · 社区索引 · 持续更新LLM Agent Survey repository把社区索引当作发现候选的雷达,再回到论文和项目正文确认。
Paitesanshi et al. / GitHub · 有阅读笔记S20 · 论文 · 2025-10-28Bridging Tool Dependencies and Domain Knowledge: A Graph-Based Framework for In-Context Planning工具依赖图与领域程序知识图的融合已经被明确研究,不能只靠“KG 加工具规划”定义新意。
Shengjie Liu, Li Dong, Zhenyu Zhang / arXiv · 有阅读笔记S21 · 论文 · 2026-07-02Repair the Core, Not the Symptom: Planning-Graph Repair for Long-Horizon Agents局部计划图修复已有非常直接的近邻;真正需要比较的是错误模型、可见状态和副作用协议。
Xinyuan Song, Zekun Cai / arXiv · 有阅读笔记S22 · 论文 · 2025-10-29GAP: Graph-Based Agent Planning with Parallel Tool Use and Reinforcement Learning依赖感知的并行/串行工具图与 SFT、RL 已有研究;其 MHQA 结果只作机制邻居。
Jiaqi Wu et al. / arXiv · 有阅读笔记S23 · 论文 · 2023-12-07An LLM Compiler for Parallel Function Calling先生成带依赖的工具 DAG,再让运行时调度可执行节点;不能把 DAG 并行调度本身当成新贡献。
Sehoon Kim et al. / ICML 2024 · 有阅读笔记S24 · 论文 · 2023-05-23ReWOO: Decoupling Reasoning from Observations for Efficient Augmented Language Models用规划蓝图和变量引用减少反复推理,代价是必须判断哪些后续计划真的能提前确定。
Binfeng Xu et al. / arXiv · 有阅读笔记S25 · 论文 · 2023-11-08ADaPT: As-Needed Decomposition and Planning with Language Models先让执行器尝试解决子任务,失败时才递归分解;分解力度随任务和执行器能力改变。
Archiki Prasad et al. / Findings of NAACL 2024 · 有阅读笔记S26 · 论文/基准 · 2025-03-17Why Do Multi-Agent LLM Systems Fail?把失败拆成系统设计、Agent 间错位与任务验证问题,避免所有错误都被解释成“缺一个图”。
Mert Cemri et al. / arXiv · 有阅读笔记S27 · 论文/基准 · 2024-06-17τ-bench: A Benchmark for Tool-Agent-User Interaction in Real-World Domains不仅要会调用 API,还要在多轮对话和领域政策下反复、稳定地完成正确状态变化。
Shunyu Yao et al. / arXiv · 有阅读笔记S28 · 论文/基准 · 2025-06-09τ²-bench: Evaluating Conversational Agents in a Dual-Control Environment用户也会改变环境:Agent 必须指导、观察并对齐双方的操作依赖,而不只是自己连续调用工具。
Victor Barres et al. / arXiv · 有阅读笔记S29 · 论文/基准 · 2022-06-21PlanBench: An Extensible Benchmark for Evaluating Large Language Models on Planning and Reasoning about Change用可形式验证的动作与状态变化检验规划,帮助区分结构理解和熟悉语义。
Karthik Valmeekam et al. / NeurIPS 2023 Datasets and Benchmarks · 有阅读笔记S30 · 论文/基准 · 2024-03-12WorkArena: How Capable Are Web Agents at Solving Common Knowledge Work Tasks?以企业软件中的表单、列表和复杂界面操作评价 Agent,提供网页任务的另一种分布。
Alexandre Drouin et al. / arXiv · 有阅读笔记S31 · 论文/基准 · 2024-04-11OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments真实电脑任务提供跨应用状态依赖,但研究图机制时需要控制额外的 GUI grounding 困难。
Tianbao Xie et al. / arXiv · 有阅读笔记S32 · 论文/基准 · 2023-11-30TaskBench: Benchmarking Large Language Models for Task Automation工具图和图结构任务数据已经有系统基准;新的数据集需要超出静态分解与参数预测。
Yongliang Shen et al. / NeurIPS 2024 · 有阅读笔记S33 · 论文/基准 · 2024-08-08ToolSandbox: A Stateful, Conversational, Interactive Evaluation Benchmark for LLM Tool Use Capabilities这是本库最直接的任务近邻之一:工具有嵌套状态依赖,失败后可恢复,评价允许不同正确轨迹。
Jiarui Lu et al. / arXiv · 有阅读笔记S34 · 官方博客 · 2025-09-11Writing effective tools for AI agents图模型可能没有修复工具接口造成的错误;接口语义、返回信息与预算必须一起控制。
Ken Aizawa / Anthropic Engineering · 有阅读笔记S35 · 官方博客 · 2025-09-29Effective context engineering for AI agents当前动作需要的信息应被精选;上下文更长不保证规划更可靠。
Anthropic Applied AI · 有阅读笔记S36 · 官方博客 · 2025-06-13How we built our multi-agent research system独立方向的并行探索可以有价值,但高依赖、共享上下文和 token 成本会改变结论。
Anthropic Engineering · 有阅读笔记S37 · 官方博客 · 2025-03-20The “think” tool: Enabling Claude to stop and think in complex tool use situations新工具结果到达后重新检查约束可能有用;专门 think 工具已经被页面后续建议所调整。
Anthropic Engineering · 有阅读笔记S38 · 工程博客 · 2025-07-18Context Engineering for AI Agents: Lessons from Building Manus保持执行轨迹可恢复、保留失败证据,并通过当前状态限制动作;这些可能比复杂图模型更早影响可靠性。
Yichao “Peak” Ji / Manus · 有阅读笔记S39 · 工程博客 · 2025-06-12Don’t Build Multi-Agents即便两个子任务没有显式数据依赖,也可能通过隐式设计决策和共享状态互相冲突。
Walden Yan / Cognition · 有阅读笔记S40 · 官方博客 · 2024-02-13Plan-and-Execute Agents通过三种可实现架构,区分“有计划”“有变量依赖”和“可并行调度”。
The LangChain Team · 有阅读笔记S41 · 工程项目/社区 · 持续更新12-Factor Agents: Principles for building reliable LLM applications可控状态与执行流程是许多 Agent 的基础;研究图方法必须超过这些简单工程基线。
Dex Horthy / HumanLayer community · 有阅读笔记S42 · 研究者博客 · 2025-10-15Context Engineering in Manus把 Manus 的后续方案放回时间轴:先压缩旧结果、再必要时总结,并按任务需要决定上下文共享。
Lance Martin · 有阅读笔记S43 · 官方博客 · 2026-11-05Agents Are Going Async从批量并行走向异步:任务结果到达、用户改指令和取消,都可能改变当前计划图的有效部分。
Sydney Runkle, Thushanth Bengre / LangChain · 有阅读笔记S44 · X/Twitter 分享 · 2025-06-25Context engineering over prompt engineering这条分享提供概念线索:Agent 的下一步不仅由提示词决定,还由状态、历史、工具和控制流程共同决定。
Andrej Karpathy (@karpathy) · 有阅读笔记S45 · X/Twitter 分享 · 2024-07-30Introducing AppWorld: apps, interactive coding and reproducible evaluation作者发布帖把跨应用自主操作、交互代码和可复现评价放在一起,是任务定义的简洁入口。
Harsh Trivedi (@harsh3vedi) · 有阅读笔记S46 · 社区讨论 · 2025-09-01Hacker News discussion: Don’t Build Multi-Agents社区讨论揭示了另一侧经验:隔离上下文有时比共享全部信息更有效,但证据仍是个人案例。
Hacker News participants · 有阅读笔记S47 · 社区讨论 · 2025-09-23Hacker News discussion: Context Engineering for AI Agents: Lessons保留任务文件与错误记录是一种简单、可检查的基线,图方法应证明额外结构值得维护。
Hacker News participants · 有阅读笔记S48 · 论文 · 2026-06-29SAGA: Scene-Aware, Goal-Evolving Agents for Long-Horizon Strategy Game Planning场景图将空间关系显式化;共享资源让多领域计划相互牵制,是 API 依赖之外的图任务候选。
Tianyu Jin et al. / arXiv · 有阅读笔记S49 · 论文 · 2026-07-09GATS: Graph-Augmented Tree Search with Layered World Models for Efficient Agent Planning用可复用世界模型减少规划时调用是一条并行路线;必须计算模型准备和未知动作回退的成本。
Maureese Williams, Dymitr Nowicki / arXiv · 有阅读笔记S50 · 官方文档 · 持续更新LangGraph Persistence: Checkpointers and Stores检查点保存当前线程状态,Store 保存跨线程数据;恢复执行与修复错误计划是两个问题。
LangChain documentation · 有阅读笔记