Position: Episodic Memory is the Missing Piece for Long-Term LLM Agents

论文： Chain-of-Tools: Utilizing Massive Unseen Tools in the CoT Reasoning of Frozen Language Models arXiv： 2503.16779v1 精读日期： 2026-03-13 一、核心问题 研究问题： 如何让大型语言模型（LLMs）在链式思维（CoT）推理过程中高效地利用大量外部工具，包括训练时未见过的工具？ 子问题： 效率问题： 如何在拥有大量工具（数千个）时高效选择合适的工具？ 泛化问题： 如何处理训…

这篇论文要解决什么问题？ 传统 LLM 在现实世界任务中存在三大局限： 缺乏长期记忆：无法保留历史信息和经验 无法自主使用工具：需要人工指导才能与外部系统交互 难以在动态环境中追求目标：缺乏持续推理和多步规划能力 为什么这个问题重要？ LLM 的潜力远未被充分释放，目前主要用于对话而非行动 真实世界的任务往往需要多步骤、多工具、多轮反馈 如果能让 LLM 成为真正的"智能体"而非"聊天机器人"，将极大扩展其应用价值 当前智能体与人类能力仍有巨大差距（42.9% vs 72.36% 任务完成率） 这篇论文为构建 LLM 智能体提供了系统化的理论框架和实践指导。...

如何系统性地理解和评估从LLM推理到自主AI Agent的演进？ 为什么重要 领域碎片化: 评估基准多样、框架众多、缺乏统一术语 实践需求: 企业需要选择框架、研究者需要基准、开发者需要最佳实践 技术快速演进: 新模型新框架层出不穷 协作协议缺失: 多Agent协作缺乏标准 综述核心价值: 问题: LLM → Agent 系统性理解 方法: 基准分类 + 框架梳理 + 协议解析 效果: 60+ 基准、20+ 框架、3 大协议 意义: 首个系统性梳理综述 对 AI/Agent 工作的启示: 选择框架考虑成熟度和标准化 评估基准是持续改进的基础 多Agent协作是必然方向 领域知识 + AI 是成功关键 对 OpenClaw 的启发: 集成 MCP 支持工具扩展 使用标准基准评估 考虑多Agent架构 建立评估体系 精读完成时间: 2026-03-19...

LLM Agent 需要领域特定技能（skills）才能高效处理复杂任务。但技能创建面临三重困境： 人工编写不可扩展：每个领域都需要专家花大量时间写详细的操作指南，随着 Agent 应用场景扩展，这个瓶颈越来越严重 纯 LLM 生成效果差：直接让 LLM 凭参数化知识写技能，缺乏对目标领域具体操作和常见陷阱的了解，收益有限 在线顺序更新导致碎片化：现有在线范式（如 ExpeL、Skill-Gen）按顺序处理每条轨迹，一条轨迹学一个教训就更新一次技能，导致技能碎片化且容易过拟合