当 AI 开始学会协作：LLM-Agent-Paper-List 如何成为 Agent 时代的学术地图

故事从哪里开始

2023年9月，当大多数人还在惊叹 ChatGPT 能写出流畅文章时，一群来自中国多所高校的研究者已经在思考一个更深远的问题：如果把大语言模型当作大脑，让它像人一样使用工具、规划任务、在虚拟世界中行动，会发生什么？

由 Zhiheng Xi 领衔的团队发表了长达86页的综述论文《The Rise and Potential of Large Language Model Based Agents: A Survey》，并在 GitHub 上同步创建了 LLM-Agent-Paper-List 项目，一个持续更新的 LLM Agent 论文列表。三年过去，这个项目已积累超过 8100 颗星，成为该领域最具影响力的开源知识库之一。

图1：LLM Agent 的基本架构示意图

为什么这个项目值得收藏

想象你要装修一套房子。你不需要亲自去建材市场，只需要告诉设计师你想要什么，设计师会替你规划空间、采购材料、协调工人。LLM Agent 的核心逻辑正是如此：大语言模型负责思考和决策，其他组件负责感知和执行。

LLM-Agent-Paper-List 将这个新兴领域梳理为四大维度：

第一维度：Agent 是如何建造的——一个完整的 LLM Agent 需要解决五大工程挑战：如何让 AI 拥有长期记忆而不是每次对话都失忆？如何让 AI 做多步推理而不是一拍脑袋给答案？如何让 AI 学会使用外部工具（计算器、搜索、代码执行器）？如何让 AI 泛化到从未见过的任务？如何让 AI 处理图像、音频等多模态信息？项目对这些方向上的代表性论文做了系统梳理，从 Memory 模块的向量压缩策略到 Planning 模块的自我反思机制，每个子领域都标注了核心论文和关键创新点。

第二维度：Agent 落地了哪些场景——综述将 Agent 应用分为三类：面向任务的（如自动化办公、数据分析）、面向创新的（如辅助科研、代码生成）、面向生命周期的（从规划到执行到复盘的完整流程）。此外还专门章节介绍了多智能体协作（多个 Agent 分工完成复杂任务）和人机协作（AI 作为助手或平等伙伴与人类互动）。

第三维度：Agent 社会模拟——这是最前沿也最令人兴奋的方向：让多个 AI Agent 在虚拟世界中共同生活，模拟人类社会行为。研究者们在沙盒环境（如《我的世界》）中部署 Agent 群体，观察它们如何形成社交网络、如何产生个性、如何进行群体决策。这不仅有学术价值，也为理解人类社交行为提供了全新实验床。

第四维度：评测与训练——评测 Agent 的能力是公认的难题。项目收录了 AgentBench、WebArena 等多个 Agent benchmark，以及 RLHF、CoH 等训练优化方法的最新进展。

为什么这是 AI 时代的基础设施型项目

LLM Agent 被称为 AI 的下一个范式：从回答问题进化到代替行动。2024-2025年，随着 GPT-4V、Claude Agent Code、OpenAI Operator 等产品的涌现，Agent 已经从学术概念走向商业落地。InternLM 的 lmdeploy、01-AI 的 Yi 等国产模型也都在 Agent 能力上重点发力。

这个项目之所以重要，是因为它解决了信息过载问题：每天有数十篇 Agent 相关论文发表，研究者很难跟上节奏。LLM-Agent-Paper-List 通过层级化的分类体系，让不同背景的读者都能快速定位自己需要的内容。它不是一个简单的论文链接合集，而是一份经过结构化组织的领域地图。

上手体验

适合人群：AI 研究者、学生、产品经理，以及任何想系统了解 LLM Agent 领域进展的从业者。

门槛说明：这是纯 Markdown 文档库，直接通过 GitHub 页面阅读即可，完全免费。唯一需要的是对 AI/LLM 的基本了解（知道什么是 prompt、什么是 fine-tuning 即可），技术门槛极低。

持续更新：项目维护团队非常活跃，最后一次更新为2026年5月，仍在持续收录最新论文，并标注了 AgentGym-RL 等新发布的重要资源。

局限与争议

作为论文列表而非代码库，它不提供可直接运行的 Agent 实现，阅读效果取决于对论文原文的消化深度。论文质量参差不齐，筛选成本需要读者自己承担。Agent 安全与对齐问题在列表中着墨较少，而这恰恰是 Agent 大规模部署前必须回答的关键问题。

行业意义

从增长曲线看，LLM Agent 论文数量在 2023-2024 年呈爆发式增长，这个项目作为该领域的活地图，其星标增长曲线本身就是行业热度的晴雨表。对于希望进入 Agent 领域的研究者，这是一张不可多得的寻宝图；对于 AI 爱好者，它是了解 AI 前沿进展的最佳切入点之一。