RUC-NLPIR/Awesome-Long-Horizon-Agents

这个GitHub仓库是一个精选资源集合（论文、基准测试、新闻等），关于长视野AI代理——能够在几分钟、几小时甚至开放式流中处理扩展的多步骤任务的AI系统。该项目伴随一篇综述论文，旨在为研究人员和开发者提供领域图谱。

它包含什么？

该仓库本质上是一个组织良好的750多篇论文和其他资源的列表，按主题分组。每个条目通常链接到原始论文或代码。README还包括：

• 一篇综述论文（“迈向长视野代理：综述”）可在OpenReview和预印本上获取。
• 关于更新和社区功能的新闻（例如，计划中的更新版本）。
• 一个目录，镜像了综述的结构。
• 图表，说明关键思想（例如，任务时间视野的增长、研究景观）。
• 一个引用文件（BibTeX），以便您在使用时正确引用该项目。

它是如何组织的？

内容分为主要部分，引导您了解该主题：

• 基础——形式化“长视野”的含义，有三个嵌套级别（H1–H3）及其所需的能力。
• 进化——通过三个阶段追踪该领域：提示工程（2020–2023）、上下文工程（2023–2025）和运行时框架（2025–至今）。
• 框架——涵盖外部工程：循环、记忆、工具、编排、验证等。
• 优化——涵盖内部模型调整：架构、训练数据、微调、强化学习、自我进化。
• 应用——长视野代理在现实世界领域（软件、信息寻求、计算机使用等）中的示例。
• 基准测试和资源——评估工具和数据集。
• 前沿——开放问题和未来方向。

这种划分反映了综述中的一个核心思想：长视野能力来自两个相互作用的方面——框架（外部脚手架，如记忆和工具使用）和模型优化（内部训练以处理长任务）。README解释说，这两方面共同进化：能力首先在框架中实现，然后可能内化到模型中，更强的模型使更好的框架成为可能。

它面向谁？

• 研究人员，希望获得该领域的结构化概述或方便的参考书目。
• 开发者，构建需要在长时间视野内运行的AI代理。
• 学生或爱好者，寻找该主题的引导性介绍。

您如何使用它？

• 浏览部分，通过点击目录中的链接或滚动README。
• 阅读综述——论文解释了概念并引用了列表中的许多项目。
• 引用项目，如果您使用它——提供了现成的BibTeX条目。
• 贡献——仓库明确欢迎拉取请求，因此您可以添加近期工作。

显著特点

• 持续更新——README提到计划在11月初更新。
• 社区驱动——鼓励贡献。
• 包含网站和社交媒体链接（X、小红书和微信报道）以获取进一步更新。

简而言之，该项目是一个活生生的、结构良好的仓库，整合了关于长视野AI代理的关键文献和资源，使从基础到前沿的探索变得容易。