AI智能体必读文献清单（按学习优先级排序）

这份清单兼顾快速建立全局认知、掌握核心技术范式和把握最新发展趋势三大核心需求，优先推荐高引用、高权威性的顶会/顶刊综述与里程碑论文，覆盖从入门到前沿的全路径。

一、入门必看·全局综述（优先阅读，1-2篇即可快速掌握发展脉络与核心趋势）

这类文献帮你跳过零散知识点，直接建立体系化认知，是把握行业趋势的最快路径。

二、奠基性里程碑论文（理解LLM智能体的核心范式，必看核心3篇）

这些论文定义了现代LLM智能体的基础范式，是所有后续技术演进的源头。

1. 《ReAct: Synergizing Reasoning and Acting in Language Models》
   谷歌团队，2023年ICLR顶会。LLM智能体的技术基石，首次将「推理（Reasoning）」与「行动（Acting）」深度融合，让大模型可以同步生成推理轨迹和可执行的环境动作，彻底打破了大模型「只思考不行动」的局限，目前几乎所有主流智能体系统都基于这一范式构建。
2. 《Reflexion: Language Agents with Verbal Reinforcement Learning》
   普林斯顿+谷歌DeepMind，2023年。智能体自我迭代能力的奠基之作，提出了「反思-优化」的闭环机制，让智能体可以通过自我复盘、环境反馈、错误修正持续优化行为，实现了类人的学习迭代能力，是后续自我进化、Agentic RL等方向的核心理论基础。
3. 《AutoGPT: Autonomous GPT-4》
   开源社区，2023年。首个工程化落地的自主智能体标杆，首次完整实现了「任务自主分解-多步规划-工具调用-循环执行-结果校验」的全流程自主范式，验证了LLM作为通用智能体核心大脑的可行性，直接引爆了LLM智能体的研发浪潮。

三、核心技术方向·细分必读（按需选择，精准把握细分领域趋势）

1. 多智能体协作（群体智能核心方向）

• 《Large Language Model Based Multi-agents: A Survey of Progress and Challenges》（IJCAI 2024）：多智能体领域最权威的综述，提出了多智能体系统的通用架构，拆解了感知、规划、执行、通信四大核心模块，覆盖了从双智能体交互到智能体社群的全场景，是理解多智能体技术的核心文献。
• 《Scaling Large Language Model-based Multi-Agent Collaboration》（2024）：聚焦多智能体规模化协作的核心论文，解决了多智能体角色分工、通信效率、任务协同、冲突消解四大核心问题，是企业级多智能体系统开发的必读指南。

2. 智能体规划与推理（决策能力的核心）

• 《Understanding the Planning of LLM Agents: A Survey》（2024）：唯一一篇专门聚焦智能体规划能力的权威综述，梳理了从链式思维（CoT）到蒙特卡洛树搜索（MCTS）、从单步规划到长期闭环规划的全演进路径，明确了规划能力的核心瓶颈与未来突破方向。
• 《Agentic Reasoning for Large Language Models》（2026年1月最新）：宣告了大模型从「静态推理」到「智能体推理（Agentic Reasoning）」的范式革命，构建了智能体推理的三维框架，是2026年推理方向的最新趋势指南。

3. 自我进化与Agentic RL（前沿核心赛道）

• 《The Landscape of Agentic Reinforcement Learning for LLMs: A Survey》（2025年9月）：100页重磅综述，系统梳理了500+前沿研究，首次为「智能体强化学习（Agentic RL）」建立完整理论框架，明确了LLM从「被动文本生成器」到「动态环境中的自主决策者」的范式跃迁，是当前最火的技术方向必读文献。
• 《A Comprehensive Survey of Self-Evolving AI Agents》（2025）：自我进化智能体领域的标杆综述，定义了「终身自主优化」的智能体范式，提出了自我进化智能体的三大安全法则，覆盖了单智能体优化、多智能体协同进化的全场景，是智能体长期演进的核心指南。

四、经典理论溯源（选读，理解智能体的本源理论）

如果想彻底理解智能体的理论根基，必读这篇开山之作：
《Intelligent Agents: Theory and Practice》（Wooldridge & Jennings，1995）
智能体领域的「圣经级」论文，首次系统定义了智能体的核心概念、BDI（信念-愿望-意图）理论模型、理性决策框架，是所有现代智能体研究的理论源头，帮你彻底理解「智能体到底是什么」的本质问题。

阅读顺序建议

1. 快速入门：先读李飞飞团队《Agent AI》综述，1天建立全局认知，把握核心趋势；
2. 夯实基础：再读复旦综述+ReAct、Reflexion两篇奠基论文，理解核心范式；
3. 聚焦细分：根据你的研究/开发方向，选择多智能体、规划推理、Agentic RL等细分方向的文献；
4. 把握最新趋势：精读2026年最新的两篇综述，同步行业最前沿的研究方向。