ReCreate：经验驱动的领域智能体推理与创建
人工智能
2026-04-29 v2
摘要
大语言模型智能体正在重塑工业格局。然而，由于任务差异巨大，大多数实用智能体仍由人工设计，这使得构建过程耗费大量人力。这一情况引出了一个核心问题：我们能否在实际环境中自动创建并调整领域智能体？尽管近期有几种方法试图实现智能体创建的自动化，但它们通常将智能体生成视为黑盒过程，并仅依赖最终性能指标来指导该过程。此类策略忽略了解释智能体成功或失败原因的关键证据，且通常需要高昂的计算成本。为解决这些局限性，我们提出了 ReCreate，一个经验驱动的领域智能体自动创建框架。ReCreate 系统地利用智能体交互历史，这些历史为成功或失败的原因以及改进途径提供了丰富的具体信号。具体而言，我们引入了智能体即优化器范式，通过三个关键组件从经验中有效学习： 用于按需检查的经验存储与检索机制； 将执行经验映射为脚手架编辑的推理-创建协同流水线； 将实例级细节抽象为可重用领域模式的分层更新。在跨多个领域的实验中，ReCreate 始终优于人工设计的智能体和现有的自动化智能体生成方法，即使从最少的初始脚手架起步也是如此。
引用
@article{arxiv.2601.11100,
title = {ReCreate: Reasoning and Creating Domain Agents Driven by Experience},
author = {Zhezheng Hao and Hong Wang and Jian Luo and Jianqing Zhang and Yuyan Zhou and Qiang Lin and Can Wang and Hande Dong and Jiawei Chen},
journal= {arXiv preprint arXiv:2601.11100},
year = {2026}
}