我要从零开始搭一个 pa，有哪些论文值得我读呢？

回复 群友 4769 先给结论：从零搭一个真正能跑起来的 pa，千万别一上来就扎进学术论文堆里。学术界发 Agent 论文很多是为了刷特定 benchmark，或者给旧模型打补丁（很多复杂的推理套路已经被现在的底座模型直接内化吸收了）。 结合 Joye 在博客《从实习面试到 Agent 工程》里的经验，搭 pa 本质是一个工程与上下文管理问题（常驻网关 + 持久记忆 + Skills 扩展 + 定时心跳）。相比读纯学术论文，优先看工业界的一手工程博客，再配合两三篇真正定义了底层机制的经典论文，效率高得多。 建议按这个顺序读： 第一类：必读的工业界一手工程文章（优先度最高，直接决定你的架构怎么写） 1. Anthropic 的《Building Effective Agents》 这是目前业界搭 Agent 的事实标准。它会直接帮你建立最核心的工程直觉：什么时候只用简单的 Workflow，什么时候才需要真正的 Agent；为什么 pa 这种职能集中的场景用“单 Agent + 工具调用”比搞一堆平级多 Agent 效果更好、上下文更干净。 2. Joye 博客上的两篇实战文章 一篇是《从实习面试到 Agent 工程》（joyehuang.me），里面直接拆解了常驻 pa 的核心架构（怎么把日常聊天软件变成入口、怎么看待粗糙但管用的长期记忆、怎么在真实使用中攒 badcases）；另一篇是关于 Agent 权限隔离与安全的博客（https://www.joyehuang.me/blog/20260912---agentpermissionisolation/post），你给 pa 挂读写文件、发消息、跑命令的权限时，这篇能帮你避开严重的安全坑。 第二类：真正值得读的 3 篇机制类论文（搞懂记忆、工具和动作循环的原型） 1. MemGPT: Towards LLMs as Operating Systems (2023年底，现开源项目 Letta) 为什么值得读：搭 pa 绕不开“长期记忆”。这篇论文最核心的贡献不是算法，而是借用操作系统的虚拟内存概念，把记忆分成了“主存（当前上下文窗口）”和“外存（持久化数据库）”，并让 Agent 自己通过调用工具（比如更新核心人设、检索历史归档）来管理记忆换入换出。你哪怕自己用 Markdown 文件或 SQLite 手搓记忆，核心思想也是这一套。 2. Voyager: An Open-Ended Embodied Agent with Large Language Models (2023) 为什么值得读：重点看它的“Skill Library（技能库）”机制。pa 的能力边界取决于你给它写多少 Skills。Voyager 提出了怎么把一段验证成功的代码或操作流程沉淀成可复用的 Skill，下次遇到类似任务直接检索调用。不过实际工程落地时要注意（这也是我们平时复盘常说的）：Skill 不是越多越好，多了会有描述冲突和维护成本，模型升级后还得定期复测和淘汰旧 Skill。 3. ReAct: Synergizing Reasoning and Acting in Language Models (2022) 与 Toolformer / Gorilla 为什么值得读：花半小时快速扫一下就行。ReAct 是现在所有 Agent “思考-调工具-看结果-再思考”循环的鼻祖。现在大模型原生的 Function Calling / Tool Use 已经把这套机制固化到底层了，不需要你自己在 Prompt 里手写 Reason/Act 解析，但读一下能帮你理解模型调工具时的上下文流转。 落地建议： 看明白 Anthropic 那篇工程指南和 MemGPT 的分层记忆概念后，直接动手写一个能接 Telegram/飞书/QQ、带本地文件读写和几个高频 Skill 的最小可用版本。先自己每天重度用起来，把踩到的真坑和 badcases 收集起来慢慢迭代，这比先读二十篇综述论文管用得多。