1. 项目概述一个面向LLM智能体研究者的开源论文清单最近两年大语言模型智能体LLM Agent无疑是人工智能领域最炙手可热的方向之一。从能自主完成复杂任务的AutoGPT到能调用工具解决数学问题的ReAct再到模拟社会行为的Generative Agents这个领域正以惊人的速度迭代。但随之而来的是海量的论文、预印本和技术报告让刚入门的同学和希望跟进前沿的研究者都感到无所适从——该从哪里开始核心脉络是什么最新的突破在哪里这正是“WooooDyy/LLM-Agent-Paper-List”这个开源项目诞生的背景。它不是一个简单的论文链接堆砌而是一个由社区驱动、持续维护、经过分类梳理的LLM智能体研究知识库。你可以把它想象成一位始终站在领域前沿的“同行导航员”它帮你过滤噪音将散落在arXiv、学术会议和GitHub上的珍珠串成一条清晰可见的技术发展项链。无论你是想快速了解智能体的基础架构寻找某个特定任务如代码生成、游戏、机器人控制的最新解决方案还是想深入研究规划、记忆、工具使用等底层机制这个清单都试图提供一个高效的入口。项目的核心价值在于其“活”的特性。它依托GitHub任何研究者都可以通过提交Issue或Pull Request来补充新的论文、修正分类或更新笔记确保了清单的时效性和社区智慧的最大化。对于我这样的从业者来说这样一个精心维护的清单节省的是大量漫无目的的搜索和筛选时间让我能把精力集中在真正的技术消化和创新上。2. 清单架构与分类逻辑解析2.1 顶层分类从宏观到微观的研究地图打开项目的仓库你会发现论文并非杂乱无章而是遵循着一个从宏观综述到微观组件的清晰分类体系。这是理解整个领域格局的关键。第一层通常是“综述与调查”。这部分是入门必读它提供了领域的鸟瞰图。例如经典的“A Survey on Large Language Model based Autonomous Agents”这类论文会系统性地阐述智能体的通用框架感知、规划、行动、反思回顾不同应用场景并讨论面临的挑战如幻觉、长程规划、效率。在开始阅读具体技术论文前先从这里建立整体认知框架后续阅读具体论文时你就能立刻知道这项研究是在解决框架中的哪个环节的问题。紧接着是“核心架构与框架”。这部分列出了那些定义了范式或提供了强大基础设施的工作。比如提出了“思维链”并深刻影响了后续规划方法的“Chain-of-Thought Prompting Elicits Reasoning in Large Language Models”开创了“ReAct: Synergizing Reasoning and Acting in Language Models”范式将推理与工具调用显式结合的论文以及像“AutoGPT”、“BabyAGI”这类展示了端到端自主任务完成能力的代表性项目。这些论文是领域的基石理解了它们就掌握了智能体发展的主要技术流派。然后清单会按照“核心能力模块”进行细分这是技术深入研究的核心区域通常包括规划研究智能体如何分解目标、制定子任务序列。例如“Tree of Thoughts: Deliberate Problem Solving with Large Language Models” 将规划过程建模为树形搜索而“LLMP: Empowering Large Language Models with Optimal Planning Proficiency” 则尝试将经典规划器与LLM结合。工具使用研究智能体如何调用外部工具计算器、搜索引擎、API来扩展能力边界。除了ReAct还有像“Toolformer: Language Models Can Teach Themselves to Use Tools” 这种让模型自学工具调用的有趣工作。记忆研究如何为智能体设计记忆机制以保存对话历史、任务上下文和世界知识。这涉及到短期/长期记忆的架构以及如何高效检索相关信息。多智能体协作研究多个智能体如何通过通信、协作或竞争来完成更复杂的任务。比如“ChatEval: Creating Chat-Based Assistants That Provide Quality Feedback” 或模拟社会行为的“Generative Agents: Interactive Simulacra of Human Behavior”。最后是庞大的“应用领域”分类。这是清单最丰富、最活跃的部分它直观地展示了LLM智能体正在渗透的每一个角落代码智能体如“ChatDev”、“SWE-agent”专注于软件工程任务。游戏与模拟智能体在“Minecraft”、“WebShop”等环境中的表现。机器人控制将LLM作为机器人的“大脑”进行高层任务规划。科学研究辅助文献调研、假设生成、实验设计。金融、法律、教育等垂直行业应用。这样的分类逻辑使得研究者可以根据自己的兴趣和需求快速定位到相关的论文集群而不是孤立地看待每一篇工作。2.2 元信息与社区维护模式一份优秀的论文清单其价值不仅在于“列了什么”更在于“怎么列的”。这个项目在论文的元信息呈现和社区维护上做得相当到位。对于列入清单的许多论文你不仅能看到标题、作者、链接和发表年份项目维护者和贡献者还会尽力补充代码链接直接指向论文的官方GitHub仓库或实现。这是从理论到实践的关键一步。简要笔记/摘要用一两句话概括论文的核心贡献或创新点。这对于快速筛选论文至关重要。星级标注社区通过Star数量等方式间接反映了论文的影响力和关注度。提示在阅读清单时我个人的习惯是先看“综述”建立框架然后根据当前项目需求直奔某个“应用领域”或“核心能力”分类。对于特别感兴趣的论文我会优先选择那些附带了代码和清晰笔记的这能极大降低复现和理解的难度。更重要的是其“社区驱动”的维护模式。项目通过GitHub的Issue和Pull Request功能开放协作。当你发现一篇未被收录的重要论文或对现有分类有更好的建议时可以直接提交。这种模式保证了清单能够紧跟领域发展几乎每周都有新论文涌现并且凝聚了社区的集体判断力避免了个人视角的偏颇。作为使用者在受益的同时如果条件允许提交一个PR补充一篇论文或修正一个笔误也是对社区的积极回馈。3. 如何高效利用这份清单进行学习与研究拥有了一座宝库还需要正确的“开采方法”。根据我的经验将这份清单作为学习研究工具可以遵循以下路径它能帮你从入门到进阶并最终形成自己的研究思路。3.1 新手入门建立知识坐标系如果你刚刚接触LLM智能体面对清单里数以百计的论文切忌一头扎进去从第一篇开始逐篇精读。那会效率低下且容易迷失。第一步速读综述。花上一天时间精读1-2篇最新的高质量综述论文在“Survey”分类下找被引用量高或近期发表的。你的目标是回答这几个问题LLM智能体的通用框架是什么感知-规划-行动-反思循环当前主要的研究方向有哪些规划、工具使用、多智能体等面临的核心挑战是什么幻觉、长程依赖、评估等。用思维导图工具画出这个框架这就是你的初始“知识坐标系”。第二步按图索骥阅读奠基性工作。根据综述中反复提及的、开创性的工作如Chain-of-Thought, ReAct, Toolformer在清单的“核心架构”或相应分类下找到它们进行精读。精读时不仅要理解方法还要思考它解决了之前方法的什么痛点它的核心创新点是什么它又引入了哪些新的问题或限制把这些思考记录在你的笔记中关联到第一步的框架图上。第三步选择一个垂直领域深入。在有了宏观和基础认知后选择一个你感兴趣的应用领域比如你对“代码智能体”感兴趣。深入该分类先快速浏览所有论文的标题和摘要了解这个子领域大家都在解决什么问题代码生成、调试、测试、重构。然后挑选2-3篇标志性或有开源代码的论文进行精读和复现尝试。这一步能将抽象框架与具体问题结合理解技术是如何落地的。3.2 进阶研究追踪前沿与发现空白当你已经入门并打算开展自己的研究或工程项目时这份清单的使用方式就转变为“前沿雷达”和“灵感源泉”。定期追踪更新。将Git仓库加入Watch列表或使用GitHub的Release订阅功能。关注最近的提交和更新看看社区新收录了哪些论文。特别关注那些来自顶级会议NeurIPS, ICLR, ACL, EMNLP和顶级机构团队的工作。清单的“Recent Papers”或按时间排序的功能这时就非常有用。进行对比式阅读。研究某个具体问题例如“如何改善智能体的长期规划能力”时利用清单的分类将该主题下的相关论文集中起来对比阅读。制作一个简单的对比表格论文核心方法优势局限性实验环境《Tree of Thoughts》树形搜索多路径推理探索性强能找到非常规解计算成本高需要大量LLM调用字谜游戏24点游戏《LLMP》LLM 经典规划器PDDL规划结果精确、可验证依赖领域建模PDDL泛化性受限积木世界规划任务《论文C》基于强化学习的规划微调能优化长期回报需要环境交互训练成本高特定游戏环境通过对比你能清晰地看到不同技术路线的权衡从而更准确地定位现有方法的不足这很可能就是你的研究切入点。从“应用领域”反推“核心能力”需求。清单的应用分类是发现真实世界需求的绝佳窗口。例如当你看到“游戏”分类下有很多让智能体玩《我的世界》的论文时可以思考为了玩好这个游戏智能体最需要哪些核心能力可能是长序列规划从砍树到造房子、空间理解三维世界导航和工具使用合成配方。那么你就可以去“规划”和“工具使用”分类下寻找那些可能迁移到游戏环境中的通用方法。这种跨分类的联想常常能催生创新的想法。3.3 实操构建个人知识库清单是公共的但最终你需要形成自己的知识体系。我强烈建议在利用这份清单的同时建立一个个人的知识管理库。我使用Notion或Obsidian这类工具为每一篇精读过的论文创建一个页面。页面模板包括基本信息标题、作者、链接、出处、年份。核心问题这篇论文试图解决什么问题核心方法用自己理解的话简述其方法避免直接拷贝摘要。关键创新与之前工作相比它最主要的贡献是什么我的思考/疑问方法是否有潜在缺陷是否可以应用到其他场景有哪些实验细节不清楚与其它论文的关联链接到你的知识库中相关的其他论文页面例如这篇论文是对《论文A》的改进或者它用到了《论文B》提出的技术。然后我会按照智能体的核心框架规划、记忆、工具使用、多智能体、应用领域建立不同的视图或标签将论文页面归类进去。久而久之你就拥有了一个根据自己理解定制的、互联的、可检索的个人研究图谱。这份公共清单是你材料的来源而个人知识库则是你思考的结晶。4. 从清单到实践复现与扩展的实战指南阅读的最终目的是为了实践。清单中很多论文都提供了开源代码这为我们提供了绝佳的学习和实验机会。但“跑通代码”只是第一步更重要的是理解其设计并尝试扩展。4.1 环境复现绕过依赖的“坑”拿到一篇论文的代码仓库例如一个典型的基于Python的LLM智能体项目第一步是搭建环境。这里有几个常见坑点第一Python版本与CUDA驱动。许多项目会指定Python版本如3.8。使用pyenv或conda创建独立的虚拟环境是必须的。如果涉及GPU加速务必确保你的CUDA版本与项目要求的torch等深度学习框架版本兼容。一个典型的命令流如下conda create -n agent_env python3.10 conda activate agent_env # 仔细阅读项目的requirements.txt或setup.py pip install -r requirements.txt # 如果项目需要特定版本的torch可能需要去官网根据CUDA版本获取安装命令 # pip install torch2.1.0 torchvision0.16.0 torchaudio2.1.0 --index-url https://download.pytorch.org/whl/cu118第二API密钥与模型本地部署。很多智能体项目依赖OpenAI GPT、Anthropic Claude等商业API或开源的本地模型如Llama 3, Qwen。对于API你需要将密钥设置为环境变量export OPENAI_API_KEYyour-key-here对于本地模型你需要下载对应的模型权重文件通常很大并确保有足够的GPU显存。项目可能会使用vLLM、HuggingFace Transformers或LMDeploy等推理框架来加载模型按照其文档配置即可。第三缺失依赖与版本冲突。这是最磨人的部分。有时requirements.txt文件并不完全准确。如果运行报错仔细阅读错误信息通常是某个包缺失或版本不匹配。可以尝试使用pip install时加上-v详细模式看卡在哪一步。在项目Issue中搜索类似错误很可能别人已经遇到过。对于复杂的项目考虑使用Docker如果作者提供了Dockerfile这是最接近作者原始环境的方式。4.2 代码走读理解架构设计成功运行Demo后不要满足于看到结果。打开代码尝试理解其架构。一个典型的LLM智能体项目通常包含以下模块智能体核心通常是一个Agent类它封装了智能体的状态记忆、目标、决策逻辑调用LLM进行规划或推理和执行逻辑调用工具。工具集一个Tools模块定义了智能体可以使用的各种函数如网络搜索、计算器、文件读写等。关注工具是如何被描述通过自然语言或函数签名并注册给智能体的。记忆模块可能是一个简单的对话历史列表也可能是一个复杂的向量数据库如Chroma,FAISS用于长期记忆的存储和检索。看它如何存储、压缩和召回信息。规划器/推理器这是智能体的“大脑”。代码中可能有一个Planner类它接收目标通过特定的提示模板Prompt Template与LLM交互生成计划步骤。观察提示词是如何构建的这对于理解其工作原理至关重要。环境接口对于游戏或机器人应用会有一个与环境交互的Environment类。看它如何将环境状态如图像、文本描述转化为智能体可理解的观察。我建议使用IDE的调试功能在关键函数处设置断点一步步跟踪智能体完成一个任务的完整流程它是如何接收指令的如何分解任务每一步调用了什么工具结果如何影响后续决策这个过程能让你对论文的描述有具象化的理解。4.3 尝试扩展从使用者到贡献者理解现有代码后可以尝试一些简单的扩展这是将知识内化的最佳方式。扩展新工具为智能体添加一个新工具。例如添加一个获取天气的API工具。你需要编写一个Python函数实现调用天气API的逻辑。为该函数编写清晰的自然语言描述名称、功能、输入参数说明、输出说明。这个描述会被用于构建提示词告诉LLM什么时候以及如何使用这个工具。将工具注册到智能体的工具列表中。设计一个测试任务如“查询北京今天的天气并判断是否适合户外运动”观察智能体是否能正确调用你的新工具。修改提示词提示词是控制智能体行为的关键。找到项目中定义核心提示词模板的文件通常是.txt或.py文件中的字符串。尝试修改它例如在规划提示词中加入更严格的格式要求如“必须用1. 2. 3. 的列表形式输出步骤”。在反思提示词中加入对常见错误的检查如“检查上一步的计算结果是否有明显的逻辑错误”。 观察这些修改如何影响智能体的输出质量和稳定性。你会直观地感受到提示工程的重要性。连接新模型如果项目原本支持OpenAI API尝试将其适配到另一个开源模型API如DeepSeek、GLM或本地部署的模型。这通常需要你实现一个新的LLM Client类封装与新模型的交互协议HTTP请求格式、响应解析等。这个过程能让你深入理解LLM调用层的抽象。完成这些扩展后你不仅彻底理解了这篇论文的工作还获得了宝贵的动手经验。你甚至可以将你的改进如一个新工具的实现、一个更鲁棒的提示词模板通过Pull Request的方式回馈给原项目或这份论文清单的社区这就是开源协作的魅力所在。5. 研究趋势洞察与个人项目启发长期关注并深度使用“LLM-Agent-Paper-List”这样的清单除了能跟进具体技术更能帮助你把握领域发展的脉搏从中获得自己项目或研究的灵感。5.1 当前可见的技术演进趋势通过纵向对比清单中不同时期、同一主题的论文可以清晰地看到几条演进主线从“单一回合”到“长程复杂任务”。早期工作更多是单次问答或简单多步任务。现在的焦点明显转向了能够处理需要数百个步骤、持续数小时甚至数天的复杂任务如完成一个开源Issue的修复、玩通一个游戏关卡。这驱动了分层规划、子目标自动生成和更高效的记忆检索技术的发展。从“依赖描述”到“具身交互”。很多智能体最初在纯文本环境中工作。现在越来越多的研究关注多模态智能体它们能处理视觉输入屏幕图像、真实世界画面并输出物理动作键盘指令、机器人控制命令。清单中“机器人”和“游戏”分类的快速增长印证了这一点。这要求智能体具备视觉理解和动作空间建模能力。从“孤立智能体”到“社会性多智能体系统”。让多个智能体协作、竞争或交流来完成任务的论文比例显著上升。这模拟了人类社会的分工合作可以解决更宏大、更复杂的问题。研究重点包括高效的通信协议、角色分配、共识形成以及防止群体思维或混乱的机制。评估体系日益复杂和严谨。早期很多工作使用定性展示或简单指标。现在构建标准化测试环境如ScienceWorld, WebArena和综合性评估基准如AgentBench成为热点。大家越来越关注智能体的可靠性、效率如LLM调用次数和泛化能力而不仅仅是任务完成率。5.2 寻找个人项目的切入点对于想自己动手做一个LLM智能体项目的同学这份清单是绝佳的灵感库。你可以尝试以下思路“旧方法新场景”选择一个你熟悉但清单中尚未充分覆盖的垂直领域。例如清单中可能有“法律”应用但细分到“专利文件撰写与审查辅助”的智能体可能不多。你可以将成熟的规划框架如ReAct和工具调用机制应用到你这个特定领域构建专用的工具集如专利数据库查询、技术特征对比、法律条款检索。“改进现有瓶颈”在阅读论文和复现代码时你一定会感受到现有方法的某些痛点。例如你发现某个规划方法在某个特定类型的任务上总是失败或者其工具调用的错误率很高。针对这个具体瓶颈设计一个改进方案。你的项目可以是一个新的算法模块也可以是一组更有效的提示词策略甚至是一个更好的调试工具。“构建一个有趣的模拟世界”受“Generative Agents”启发你可以构建一个更轻量级、更有趣的多智能体模拟环境。比如模拟一个咖啡馆里面有顾客、咖啡师、店长等不同角色的智能体他们有自己的目标顾客想喝咖啡咖啡师想高效工作店长想提升营业额观察他们如何通过LLM驱动的对话和行为进行交互并涌现出有趣的社会现象。这类项目对算法要求不一定最高但非常考验系统设计和讲故事的能力。“专注于评估与可视化”如果你对底层模型创新兴趣不大但擅长工程和数据分析那么构建一个智能体的评估平台或交互式可视化调试工具会非常有价值。你可以设计一套自动化的测试流程对不同的智能体框架在统一任务集上进行评测并生成详细的性能对比报告和可交互的执行轨迹图帮助研究者更直观地理解智能体的决策过程。这份“WooooDyy/LLM-Agent-Paper-List”就像一张持续更新的航海图。它不会替你驾驶船只但能告诉你哪里有风浪、哪里有宝藏、哪条航线是别人探索过的。真正的航行——深入理解、动手实践、乃至做出自己的贡献——还需要每一位水手自己的热情与努力。在智能体这片飞速发展的海域上这张图无疑是目前我们能拥有的最实用的导航工具之一。