A Survey on LLM-based Autonomous Agents

核心结论

首次系统性地提出 LLM Agent 统一框架，包含四个核心模块：Profile（角色设定）、Memory（记忆）、Planning（规划）、Action（行动）。
Agent 能力获取分为两大类：需要微调（人工标注/LLM生成/真实数据）和不需要微调（Prompt Engineering / Mechanism Engineering）。
LLM Agent 应用覆盖社会科学（心理模拟、社会仿真）、自然科学（实验助手、文献管理）和工程（软件开发、机器人）。

来源：Renmin University of China（中国人民大学），发表于 Frontiers of Computer Science 2024。
统一框架：Profile 决定角色 → Memory 存储经验 → Planning 分解任务 → Action 执行操作。
记忆结构分 Unified Memory（仅短时）和 Hybrid Memory（短时+长时向量库）。
规划分为 Planning without Feedback（单路径/多路径/外部规划器）和 Planning with Feedback（环境反馈/人类反馈/模型自检）。
常用框架：LangChain、AutoGPT、MetaGPT、ChatDev、Voyager（Minecraft）。