本文系统梳理了LLM进化为Agent系统后面临的效率瓶颈问题，详细阐述了高效Agent的三大核心方向：高效记忆（构建、管理与访问全生命周期）、高效工具学习（工具选择、调用与整合）和高效规划（单agent与多agent协作效率）。文章强调高效Agent的核心是在相似成本下实现更高性能，或在可比性能下实现更低成本的成本-性能权衡，为构建高效Agent系统提供了系统性框架。

---

当LLM从单轮问答进化为能够自主执行复杂任务的agent系统时，一个关键瓶颈浮出水面：效率。与标准LLM的线性单轮交互不同，agent需要进行大量记忆管理、迭代工具调用和多步规划，导致延迟飙升、上下文窗口饱和、token消耗激增。这篇综述系统梳理了高效agent的三大核心方向：高效记忆、高效工具学习、高效规划。

[Figure 1: 高效agent研究的演进轨迹] 该图按记忆、工具学习、规划和基准测试四个主要分支组织，按时间顺序展示了2023年至2025年该领域的发展和分类。

从LLM到Agent：效率差距从何而来

论文将LLM-based agent建模为部分可观测马尔可夫决策过程(POMDP)，并增加了外部工具接口和显式记忆组件。与纯LLM相比，agent的成本来源更加复杂。

对于纯LLM，推理成本主要由token生成主导，可近似为：CostLLM ≈ α × Ntok，其中Ntok是生成的推理token数量，α表示每token成本。而agent则会产生额外开销：Costagent ≈ α × Ntok + 工具成本 + 记忆成本 + 重试成本。

[Figure 2: 从LLM到agent] 展示了从独立推理到带有记忆、规划和工具学习的轨迹级推理的转变，同时引入了额外的成本来源。

因此，提升agent效率不仅仅是减少语言生成，更要减少工具或记忆调用的频率、提高选择性，并减少轨迹中的重试次数。

高效记忆：构建、管理与访问的全生命周期

记忆增强推理是缓解长上下文和长期交互带来的计算与token开销的关键机制。论文围绕agent记忆的生命周期展开，涵盖记忆构建、记忆管理和记忆访问三个阶段。

[Figure 3: 高效记忆概览] 总结了agent-记忆生命周期的三个阶段：记忆构建通过压缩工作记忆和外部记忆中的长交互上下文来缓解token爆炸；记忆管理通过基于规则、基于LLM或混合策略来整理和更新累积的记忆存储以控制延迟；记忆访问决定检索哪些记忆以及如何将其整合到模型中。

记忆构建

工作记忆分为文本记忆和潜在记忆两类。文本记忆方面，COMEDY使用LLM生成和压缩记忆，MemAgent和MEM1通过在每一步重写和更新紧凑的记忆状态来顺序处理长输入。潜在记忆方面，Activation Beacon将上下文分割成块并使用渐进压缩将KV激活蒸馏到信标中，MemoryLLM维护固定大小的记忆token池，Titans在测试时更新神经记忆模块。

外部记忆包括基于项目的记忆、基于图的记忆和层次化记忆。基于项目的记忆中，SeCom使用分割模型将长期对话划分为主题连贯的片段并应用压缩模型去噪，A-MEM将每次交互转换为带有LLM生成的上下文描述、关键词和标签的原子笔记。基于图的记忆中，Zep通过摄取带时间戳的事件、提取/对齐实体和关系来构建时间感知知识图。层次化记忆中，MemGPT通过将上下文提示分区为系统指令、可写工作上下文和FIFO消息缓冲区来构建层次化记忆。

[Table 1: 效率导向机制的记忆概览] 该表按照论文提出的分类法组织，涵盖工作记忆、外部记忆和多agent记忆，列出了各方法的类别、核心机制和资源链接。

记忆管理

基于规则的管理使用预定义规则进行更新、删除和合并。MemoryBank引入了基于艾宾浩斯遗忘曲线的记忆更新规则，随时间衰减记忆同时强化重要记忆。A-MEM的实验结果表明，基于遗忘曲线的记忆管理有效控制了记忆大小并减少了检索时间，但也导致任务性能大幅下降。

基于LLM的管理可分为操作选择和开放式生成两种形式。Memory-R1和Mem0都通过检索相似条目并在ADD、UPDATE、DELETE、NOOP中选择来更新外部记忆。A-MEM使用生成式更新：检索top-k相似笔记后，LLM创建链接并通过记忆演化重写相关笔记。

混合管理结合轻量级规则控制和选择性LLM操作。MemoryOS和LightMem都采用分层记忆的层级特定、触发驱动更新。MemGPT使用队列管理器通过记忆压力警告、驱逐和递归摘要来强制执行token限制。

记忆访问

记忆选择方面，Generative Agents和Human-like memory将时间因素纳入考虑。对于基于图的记忆，AriGraph和Mem0[g]通过锚定查询相关事实并扩展邻居到局部子图来从记忆图中检索。H-MEM中，每个记忆嵌入指向下一层的相关子记忆，递归索引到最后一层以检索相关信息，从而加速检索。

记忆整合方面，文本整合中Mem0在推理时检索最相关的项目并将其格式化为紧凑的记忆块附加到对话上下文中。潜在整合中，MemoryLLM在每个transformer层插入可训练的记忆token池，M+添加CPU驻留的长期记忆和协同训练的检索器。

多Agent记忆：共享与本地的权衡

多agent系统中的记忆设计面临独特挑战。共享记忆方面，MS使用共享记忆池和选择性添加，G-Memory采用三层图记忆和双向粗到细检索。本地记忆方面，AgentNet为路由/执行使用固定大小的记忆模块并进行动态剪枝，DAMCS采用去中心化的每agent短期/长期记忆和目标导向的层次化知识图。混合记忆方面，SRMT结合个人潜在记忆和全局广播的共享循环记忆。

高效工具学习与高效规划

论文还系统梳理了高效工具学习和高效规划两大方向。工具学习涵盖工具选择、工具调用和工具整合推理；规划涵盖单agent规划效率和多agent协作效率。这些模块的优化策略与记忆优化相辅相成，共同构成高效agent系统的完整图景。

写在最后

论文总结了记忆、工具学习和规划三个维度的基准测试，并指出了开放挑战和未来研究方向。高效agent的核心定义是：在相似成本预算下实现更高性能，或在可比性能下实现更低成本的成本-性能权衡。

这篇综述为理解和构建高效agent系统提供了系统性框架，对于关注AI系统长期可持续性和可及性的研究者和实践者具有重要参考价值。

AI时代，未来的就业机会在哪里？

答案就藏在大模型的浪潮里。从ChatGPT、DeepSeek等日常工具，到自然语言处理、计算机视觉、多模态等核心领域，技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。

掌握大模型技能，就是把握高薪未来。

那么，普通人如何抓住大模型风口？

AI技术的普及对个人能力提出了新的要求，在AI时代，持续学习和适应新技术变得尤为重要。无论是企业还是个人，都需要不断更新知识体系，提升与AI协作的能力，以适应不断变化的工作环境。

因此，这里给大家整理了一份《2026最新大模型全套学习资源》，包括2026最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题、AI产品经理入门到精通等，带你从零基础入门到精通，快速掌握大模型技术！

由于篇幅有限，有需要的小伙伴可以扫码获取！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

5. 大模型行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

为什么大家都在学AI大模型？

随着AI技术的发展，企业对人才的需求从“单一技术”转向 “AI+行业”双背景。企业对人才的需求从“单一技术”转向 “AI+行业”双背景。金融+AI、制造+AI、医疗+AI等跨界岗位薪资涨幅达30%-50%。

同时很多人面临优化裁员，近期科技巨头英特尔裁员2万人，传统岗位不断缩减，因此转行AI势在必行！

这些资料有用吗？

这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

大模型全套学习资料已整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】