很值得仔细琢磨的一篇论文，58页，作者主要来自oppo，oppo最近还发了好几篇Agent的论文，都挺不错的~
这个工作讲的是如何沉淀Agent过去的执行经验，让Agent性能越来越好。
论文：https://arxiv.org/pdf/2507.06229 代码：https://github.com/OPPO-PersonalAI/Agent-KB
先看结果，提升很大。 分别在GAIA、SWE 上验证了。
内容蛮简单，但是细节很多。
沉淀Agent过去的执行经验。 那首先得有个经验库把，经验库怎么构造，怎么召回。
有了经验库，他们又折腾了一个Multi-Agent的系统。然后每个Agent里边又有一个Reason-Retrieve-Refine的流程。
对应到下左图，构建经验库，右图如何解决问题。
他们避开了Multi-Agent这个词，用teacher 、 student 代替了。 teacher Agent、Student Agent 分别什么意思呢？ 就类似于学生写作业，老师评改作业，改完学生在修正这么个步骤。
Reason-Retrieve-Refine 这3个词就是字面意思。
虽然又是teacher Agent又是Student Agent，然后还 Reason-Retrieve-Refine 。但是其实挺workflow的（测试了很多，实验出这么个pipeline）。 原文有个消融实验，证明了每个部分都有必要。
那到底要怎么去沉淀经验库呢？论文附录有很长的一节讲这个东西。
构造过程是一个结合了人工经验和自动化生成的流程：
第一阶段：人工制作高质量的“种子经验”
团队组建: 招募了三名熟悉GAIA基准和Agentic工作流的计算机专业的学生 。
日志分析: 他们审查了Agent在GAIA任务中成功和失败的日志，总结出高效的、符合逻辑的行动序列和通用模式 。
编写范例: 将这些成功的策略和对失败的反思，手动编写成高质量、标准化的自然语言指令式提示（Prompt） 。
测试和筛选: 通过测试，最终筛选出表现最好的80个手写经验作为种子。
第二阶段：利用“种子经验”进行自动化扩展
Few-shot 学习: 使用第一阶段产出的高质量“种子经验”作为范例（Few-shot Examples），去提示大语言模型 。
批量生成: 让大模型为来自多个不同数据集的大量新任务，自动生成格式统一的经验条目 。
数据来源:
为GAIA构造的经验库，经验来源于四个数据集：BrowseComp、HopRAG、HLE (text-based subset) 和 WebWalkerQA 。
为SWE-bench构造的知识库，经验则来源于三个数据集：RepoClassBench、SWE-Gym-Raw 和 RepoEval 。
经验库格式长什么样子？ 论文有个例子，翻译了一下，放在下边。
{
"question": "有一个获得多项格莱美奖的知名人物……",
"true_answer": "St. John’s Health Center（圣约翰健康中心）",
"agent_planning": "1. 解析问题，提取所有关键约束条件：获得多项格莱美奖，第一张专辑发行于1969年之前，有药物依赖问题，20岁前被学校开除，第一位人生伴侣于1997年去世，曾作为军装人员服役，确定死亡地点/医院。\n2. 概念性规划：\n- 确定所有符合以上条件的艺人候选人。\n- 对每位候选人：\n a) 验证首张专辑发行时间（1969年之前）\n b) 检查格莱美获奖历史\n c) 检索传记资料，确认药物依赖与教育背景\n d) 确认伴侣去世年份和军装服役信息\n e) 锁定匹配人物的死亡日期和具体地点/医院。",
"search_agent_planning": "1. 从代码代理处获得精确的人物身份，或利用传记线索进行三角定位。\n2. 制定搜索查询，确认人物身份及其具体去世医院。\n3. 优先查找官方传记、权威新闻媒体、格莱美官方记录。\n4. 交叉核查关键信息点，确保人物匹配。\n5. 从讣告中提取死亡地点和医院信息。",
"agent_experience": [
"将复杂多条件问题拆分为小型约束检查",
"明确记录并多渠道验证传记约束条件",
"优先选用高可靠性传记和奖项数据来源",
"在早期将具体子查询委托给搜索代理",
"通过依次回链所有事实，最终验证答案"
],
"search_agent_experience": [
"将复杂查询分解为连续的搜索细化步骤",
"为模糊身份设计高度具体的检索关键词",
"优先使用权威信息源而非娱乐/八卦内容",
"从多方独立来源交叉验证信息",
"直接引用和明确来源，规范化结果格式"
]
}
