收集与当前任务的状态、行动依赖、工具执行、图规划、反馈恢复及评测相关的材料。与 Agent Memory × RSI 并行维护;交叉论文只解释当前 episode 的相关部分。

所有已登记来源都有本地阅读页。论文、博客与社区材料承担不同证据角色;“正文重点阅读”表示阅读了与本方向相关的主要章节,不表示实验复现或全文审计。

来源表

ID 类型 标题 发布方/作者 日期 链接 证据角色 核验状态 备注
S01 综述 A Survey on Large Language Model based Autonomous Agents Wang et al. / arXiv 2023-08-22 https://arxiv.org/abs/2308.11432 Agent 环境、规划、工具和评测的术语边界 元数据与摘要核验 只用于定义相邻领域,不作为新任务效果证据
S02 论文 ReAct: Synergizing Reasoning and Acting in Language Models Yao et al. / arXiv 2022-10-06 https://arxiv.org/abs/2210.03629 推理与行动交错、环境反馈进入控制循环 元数据与摘要核验 代表反馈驱动的动作链
S03 论文 Do As I Can, Not As I Say: Grounding Language in Robotic Affordances Ahn et al. / arXiv 2022-04-04 https://arxiv.org/abs/2204.01691 语言计划与工具/技能可行性绑定 元数据与摘要核验 关注 affordance,不等同于计划图
S04 论文 LLM-Planner: Few-Shot Grounded Planning for Embodied Agents with Large Language Models Song et al. / arXiv 2022-12-08 https://arxiv.org/abs/2212.04088 子任务规划、动作执行和环境 grounding 元数据与摘要核验 作为动作分解与执行先行工作
S05 论文 Graph of Thoughts: Solving Elaborate Problems with Large Language Models Besta et al. / arXiv 2023-08-18 https://arxiv.org/abs/2308.09687 将思维单元组织为可合并、可回溯的图 元数据与摘要核验 计划图的表示启发;任务不等同于环境控制
S06 论文 Can Graph Learning Improve Planning in LLM-based Agents? Wu et al. / arXiv 2024-05-29 https://arxiv.org/abs/2405.19119 子任务依赖图和图学习规划 正文重点阅读 与本库的图规划问题最接近的方向之一
S07 论文/基准 AgentBench: Evaluating LLMs as Agents Liu et al. / arXiv 2023-08-07 https://arxiv.org/abs/2308.03688 多环境交互评测、动作和任务成功 元数据与摘要核验 用于评测维度,不默认提供图标注
S08 论文/基准 ScienceWorld: Is your Agent Smarter than a 5th Grader? Wang et al. / arXiv 2022-03-14 https://arxiv.org/abs/2203.07540 可交互科学实验、状态变化和新情境推理 元数据与摘要核验 可测前置条件与动作后果
S09 论文/基准 WebArena: A Realistic Web Environment for Building Autonomous Agents Zhou et al. / arXiv 2023-07-25 https://arxiv.org/abs/2307.13854 可复现网页环境、长链任务和程序化检查 元数据与摘要核验 适合工具、状态和 OOD 任务拆分
S10 论文/基准 AppWorld: A Controllable World of Apps and People for Benchmarking Interactive Coding Agents Harsh Trivedi et al. / ACL 2024 2024-07-26 https://arxiv.org/abs/2407.18901 多应用 API、状态副作用和可执行 evaluator 元数据与摘要核验 计划图与局部修复的首选环境候选
S11 论文/基准 InterCode: Standardizing and Benchmarking Interactive Coding with Execution Feedback Yang et al. / arXiv 2023-06-26 https://arxiv.org/abs/2306.14898 执行反馈、代码状态和交互式修复 元数据与摘要核验 适合研究反馈到计划的闭环
S12 官方博客 Building effective AI agents Anthropic Engineering 2024-12-19 https://www.anthropic.com/research/building-effective-agents workflow、Agent、工具接口和检查点的工程经验 文章正文阅读 工程文章,不支持学术效果结论
S13 研究者博客 LLM Powered Autonomous Agents Lilian Weng 2023-06-23 https://lilianweng.github.io/posts/2023-06-23-agent/ 规划、工具使用和环境反馈的概念综述 文章正文阅读 用于术语和失败模式发现
S14 官方文档 LangGraph Graph API:状态、节点、边与消息传递 LangChain 持续更新 https://docs.langchain.com/oss/python/langgraph/graph-api 状态图、节点、边、检查点和控制流接口 现行文档正文阅读 只作为可编排实现线索
S15 官方项目/社区 AppWorld benchmark and simulator Stony Brook NLP 持续更新 https://github.com/StonyBrookNLP/appworld 任务、模拟器、工具 API 和 evaluator 复现线索 README 正文阅读 固定 commit 和依赖后再做实验
S16 官方项目/社区 WebArena benchmark WebArena-X 持续更新 https://github.com/web-arena-x/webarena 网页环境、任务配置和启动流程 README 正文阅读 代码状态不能替代论文证据
S17 官方项目/社区 ScienceWorld environment Allen Institute for AI 持续更新 https://github.com/allenai/ScienceWorld 科学实验环境、任务和状态接口 README 正文阅读 作为跨环境验证线索
S18 官方项目/社区 BrowserGym: A Gym Environment for Web Tasks ServiceNow 持续更新 https://github.com/ServiceNow/BrowserGym 浏览器任务环境和可重放交互接口 README 正文阅读 与 WebArena 作为环境对照
S19 社区索引 LLM Agent Survey repository Paitesanshi et al. / GitHub 持续更新 https://github.com/Paitesanshi/LLM-Agent-Survey 论文、环境和工具的更新线索 README 索引阅读 发现来源,不替代一手核验
S20 论文 Bridging Tool Dependencies and Domain Knowledge: A Graph-Based Framework for In-Context Planning Shengjie Liu, Li Dong, Zhenyu Zhang / arXiv 2025-10-28 https://arxiv.org/abs/2510.24690 工具 schema 依赖图与领域程序知识图融合,用于计划生成 元数据与摘要核验 直接涉及工具依赖图;不等同于当前 episode 的图修复任务
S21 论文 Repair the Core, Not the Symptom: Planning-Graph Repair for Long-Horizon Agents Xinyuan Song, Zekun Cai / arXiv 2026-07-02 https://arxiv.org/abs/2607.01767 从失败轨迹定位并修复导致错误传播的紧凑计划图核心 正文重点阅读 与局部修复假设高度相关,需回查完整策略和评测
S22 论文 GAP: Graph-Based Agent Planning with Parallel Tool Use and Reinforcement Learning Jiaqi Wu et al. / arXiv 2025-10-29 https://arxiv.org/abs/2510.25320 依赖感知子任务图、并行/串行工具执行和强化学习 元数据与摘要核验 与并行分支和成本评测相关;不自动支持 OOD 泛化结论
S23 论文 An LLM Compiler for Parallel Function Calling Sehoon Kim et al. / ICML 2024 2023-12-07 https://arxiv.org/abs/2312.04511 依赖 DAG、流式规划、任务派发与并行工具执行 正文重点阅读 并行图调度已有直接实现;原始任务和成本口径须逐项比较
S24 论文 ReWOO: Decoupling Reasoning from Observations for Efficient Augmented Language Models Binfeng Xu et al. / arXiv 2023-05-23 https://arxiv.org/abs/2305.18323 规划、执行与汇总解耦;用变量引用保留任务间依赖 正文重点阅读 主要为 NLP/问答任务;只迁移数据流机制
S25 论文 ADaPT: As-Needed Decomposition and Planning with Language Models Archiki Prasad et al. / Findings of NAACL 2024 2023-11-08 https://arxiv.org/abs/2311.05772 执行失败后递归分解;TextCraft 组合任务与分解深度 正文重点阅读 不是依赖图局部修复,但动态恢复与按需展开已有先行方法
S26 论文/基准 Why Do Multi-Agent LLM Systems Fail? Mert Cemri et al. / arXiv 2025-03-17 https://arxiv.org/abs/2503.13657 MAST 失败分类与多 Agent 轨迹数据 正文重点阅读 观察性失败分类不等于某种修复机制已建立因果效果
S27 论文/基准 τ-bench: A Benchmark for Tool-Agent-User Interaction in Real-World Domains Shunyu Yao et al. / arXiv 2024-06-17 https://arxiv.org/abs/2406.12045 用户、工具、领域政策与终态一致性;重复试验可靠性 正文重点阅读 pass^k 与 pass@k 不同;用户模拟和终态评价仍各有局限
S28 论文/基准 τ²-bench: Evaluating Conversational Agents in a Dual-Control Environment Victor Barres et al. / arXiv 2025-06-09 https://arxiv.org/abs/2506.07982 双主体共同改变环境;组合任务生成与沟通/推理分离 正文重点阅读 Dec-POMDP 是该论文任务形式化,不自动成为本库控制器的模型
S29 论文/基准 PlanBench: An Extensible Benchmark for Evaluating Large Language Models on Planning and Reasoning about Change Karthik Valmeekam et al. / NeurIPS 2023 Datasets and Benchmarks 2022-06-21 https://arxiv.org/abs/2206.10498 形式化动作、计划验证、变化推理与词汇表面变化 正文重点阅读 形式化规划结果不能替代真实 API 环境中的观测与恢复
S30 论文/基准 WorkArena: How Capable Are Web Agents at Solving Common Knowledge Work Tasks? Alexandre Drouin et al. / arXiv 2024-03-12 https://arxiv.org/abs/2403.07718 企业网页知识工作与 BrowserGym 观测/动作设计 正文重点阅读 任务型与任务实例数不同;GUI 操作会混入感知和界面因素
S31 论文/基准 OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments Tianbao Xie et al. / arXiv 2024-04-11 https://arxiv.org/abs/2404.07972 跨桌面/网页应用工作流、初态配置与执行式评价 正文重点阅读 GUI grounding 与操作知识可能掩盖图规划机制的影响
S32 论文/基准 TaskBench: Benchmarking Large Language Models for Task Automation Yongliang Shen et al. / NeurIPS 2024 2023-11-30 https://arxiv.org/abs/2311.18760 工具图采样、back-instruct 与任务分解/选择/参数的分项评价 正文重点阅读 静态工具图任务与状态化在线恢复不是同一评测单位
S33 论文/基准 ToolSandbox: A Stateful, Conversational, Interactive Evaluation Benchmark for LLM Tool Use Capabilities Jiarui Lu et al. / arXiv 2024-08-08 https://arxiv.org/abs/2408.04682 隐式状态依赖、交互恢复、Milestones/Minefields 与中间轨迹评价 正文重点阅读 中间约束与动态恢复已有先行任务;标注和用户模拟成本不可忽略
S34 官方博客 Writing effective tools for AI agents Ken Aizawa / Anthropic Engineering 2025-09-11 https://www.anthropic.com/engineering/writing-tools-for-agents 工具契约、命名、有效信息返回与真实任务评价 文章正文阅读 工具接口变化是图方法比较的重要混杂因素
S35 官方博客 Effective context engineering for AI agents Anthropic Applied AI 2025-09-29 https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents 当前任务上下文选择、结果压缩、按需读取与子任务隔离 文章正文阅读 本库只用局内上下文控制;跨会话记忆部分留在相邻库
S36 官方博客 How we built our multi-agent research system Anthropic Engineering 2025-06-13 https://www.anthropic.com/engineering/multi-agent-research-system 独立并行任务、委派边界、状态恢复与预算成本 文章正文阅读 内部研究任务评价不等于共享状态操作任务;不转为本库 RAG 主线
S37 官方博客 The “think” tool: Enabling Claude to stop and think in complex tool use situations Anthropic Engineering 2025-03-20 https://www.anthropic.com/engineering/claude-think-tool 工具结果后的约束检查;方法建议随模型能力演进 文章正文与更新说明阅读 页面 2025-12-15 更新已建议多数场景优先 extended thinking
S38 工程博客 Context Engineering for AI Agents: Lessons from Building Manus Yichao “Peak” Ji / Manus 2025-07-18 https://manus.im/blog/Context-Engineering-for-AI-Agents-Lessons-from-Building-Manus 稳定前缀、动作可用性控制、可恢复压缩与保留失败观察 文章正文阅读 产品经验为特定时间的局部方案;不能当通用定律
S39 工程博客 Don’t Build Multi-Agents Walden Yan / Cognition 2025-06-12 https://cognition.ai/blog/dont-build-multi-agents 完整上下文共享、动作隐含决策与跨分支冲突 文章正文阅读 特定时点架构立场;不等于所有多 Agent 任务都无效
S40 官方博客 Plan-and-Execute Agents The LangChain Team 2024-02-13 https://blog.langchain.com/planning-agents/ Plan-and-Execute、ReWOO 与 LLMCompiler 的执行差异 文章正文阅读 工程导读与示例不替代原论文的实验与版本核验
S41 工程项目/社区 12-Factor Agents: Principles for building reliable LLM applications Dex Horthy / HumanLayer community 持续更新 https://github.com/humanlayer/12-factor-agents 显式执行状态、控制流、错误事件与小型任务单元 README 与关键章节阅读 工程原则与示例;不支持统一成功率或某架构普遍优越
S42 研究者博客 Context Engineering in Manus Lance Martin 2025-10-15 https://rlancemartin.github.io/2025/10/15/manus/ Manus 访谈笔记;压缩、外置、隔离及规划器方案变化 访谈笔记正文阅读 二手访谈笔记,数字和产品内部结构应标为转述
S43 官方博客 Agents Are Going Async Sydney Runkle, Thushanth Bengre / LangChain 2026-11-05 https://blog.langchain.com/agents-are-going-async/ 后台子任务、事件通知、修改和取消;等待语义 文章正文阅读 产品工程更新与 beta 通知接口,不是图方法性能实验
S44 X/Twitter 分享 Context engineering over prompt engineering Andrej Karpathy (@karpathy) 2025-06-25 https://x.com/karpathy/status/1937902205765607626 研究者观点:为下一步准备适当上下文与控制流程 平台节选与镜像交叉核验 官方 syndication 为节选;全文补充来自公开镜像,不是受控实验
S45 X/Twitter 分享 Introducing AppWorld: apps, interactive coding and reproducible evaluation Harsh Trivedi (@harsh3vedi) 2024-07-30 https://x.com/harsh3vedi/status/1818311843976233198 作者发布与环境资源入口;回到论文和项目核验 平台节选、镜像与项目链接交叉核验 仅核验该帖,不把发布措辞当作独立实验结果
S46 社区讨论 Hacker News discussion: Don’t Build Multi-Agents Hacker News participants 2025-09-01 https://news.ycombinator.com/item?id=45096962 上下文隔离、Agent/工具边界与共享状态的争论 主题与指定评论正文核验 社区自述无受控比较;转帖日期不同于原文日期
S47 社区讨论 Hacker News discussion: Context Engineering for AI Agents: Lessons Hacker News participants 2025-09-23 https://news.ycombinator.com/item?id=45352901 任务文件、可恢复上下文与缓存成本的工程自述 主题与指定评论正文核验 少量评论且无标准实验;不作为文件系统优于图的证明
S48 论文 SAGA: Scene-Aware, Goal-Evolving Agents for Long-Horizon Strategy Game Planning Tianyu Jin et al. / arXiv 2026-06-29 https://arxiv.org/abs/2606.29932 场景图、跨领域共享资源与局内目标协调 正文重点阅读 本库只分析局内规划;跨局经验学习留作边界,不并入 Memory/RSI 主体
S49 论文 GATS: Graph-Augmented Tree Search with Layered World Models for Efficient Agent Planning Maureese Williams, Dymitr Nowicki / arXiv 2026-07-09 https://arxiv.org/abs/2607.08894 符号匹配、日志统计与未知动作预测组成的世界模型搜索 正文重点阅读 合成及作者定义压力测试;零调用主张必须限定缓存/模型覆盖范围
S50 官方文档 LangGraph Persistence: Checkpointers and Stores LangChain documentation 持续更新 https://docs.langchain.com/oss/python/langgraph/persistence 当前任务检查点、恢复与跨线程存储的职责区分 现行文档正文阅读 程序恢复不等于语义计划修复;跨任务存储不进入本库主体

收集与核验规则

  1. 先搜索本库来源 ID、URL 和标题,优先合并已有条目;新增材料必须说明改变了哪个研究问题。
  2. 论文回到 arXiv、会议或出版社原文;明确元数据/摘要、正文重点阅读和实际复现的区别。
  3. 博客记录作者、发布日期与采集日期;页面后来修订的内容不能倒填为初稿结论。
  4. 社区讨论记录主题 ID 和具体评论,只作经验、反例与争议线索。项目 README 不能单独支持性能主张。
  5. X 分享保留 canonical post ID;平台节选与镜像全文分别核验,不能把一条帖子的节选写成已阅读完整线程。
  6. 网络不可达时使用环境中已确认的代理;仍不可读取的材料进入候选池,不伪造内容。
  7. 新录入论文优先附原论文已有的动机、方法或任务概览图,注明图号与用途;未找到图或图只有 PDF 版本时保留待补图状态,不生成冒充原图的图片。
  8. 更新流程见 持续收集与更新规则,优先阅读顺序见 多源证据导读与研究问题。

当前证据边界

“图规划”“并行工具调度”和“局部图修复”已有直接先行工作。本库的状态谓词、动作效果、冲突和副作用控制仍是待验证的机制候选;当前资料整理不构成新颖性证明或实验结果。