系统学习 11 篇 AI Agent 领域核心论文，从基础范式到评测基准，构建完整的知识体系。

---

📚 论文列表（按学习顺序）

#	论文	核心概念	难度	链接
1	ReAct	推理 + 行动循环	⭐⭐	详情
2	Chain of Thought	思维链	⭐⭐	详情
3	Toolformer	自监督学工具	⭐⭐⭐	详情
4	MetaGPT	角色化流水线	⭐⭐⭐	详情
5	AgentVerse	分层协作	⭐⭐⭐	详情
6	Voyager	终身学习三层架构	⭐⭐⭐⭐	详情
7	MemGPT	分层存储（向量 + 持久）	⭐⭐⭐⭐	详情
8	Computer Use	多模态操作鼠标键盘	⭐⭐⭐	详情
9	Agentic RAG	RAG + 迭代检索	⭐⭐⭐	详情
10	Self-Discovering	原子推理模块自由组合	⭐⭐⭐⭐	详情
11	AgentBench	多维度 Agent 评测基准	⭐⭐⭐	详情

这 3 天我一直在用 Vibe Coding 的方式开发 PVZ 像素版，从概念到 MVP 只用了几天时间。配合 Superpowers 的各种工具，迭代效率远超预期。

---

什么是 Vibe Coding？

Vibe Coding 是一种新兴的编程方式：

传统 Coding	Vibe Coding
写一行代码，执行一行	描述你的意图，AI 生成代码
手动搜索文档	AI 直接告诉你怎么做
单步调试	AI 帮你分析问题所在
个人作战	AI 团队协作

项目地址：https://sunrong.site/plantsgame/
仓库：https://github.com/sunrong1/plantsgame
技术栈：Phaser 3 + TypeScript + Vite + Vitest

---

Reflexion = Verbal Reinforcement Learning
论文：Shinn et al., 2023, Northeastern + MIT + Princeton
原文链接：https://arxiv.org/abs/2303.11366
代码：https://github.com/noahshinn024/reflexion
本文记录我的论文学习过程与核心理解

"AI 时代，会问问题 > 会执行。驾驭 AI 的本质，是用人的判断力去驱动 AI 的执行力。"

---

先说一个让我"惊艳"的场景

今天用 AI 优化开发方案，整个过程是这样的：

• 我把开发方案扔给 AI
• AI 读一遍，说"这里架构可以更合理，那里风险点没考虑到"
• 我说"还不够好，再补充"
• AI 再改，再审，再改
• 三轮下来，方案从 60 分到 90 分

AgentBench: Evaluating LLMs as Agents
论文：Liu, Xu et al., 清华 + 上交 + UC Berkeley + Microsoft + Stanford 等
原文链接：https://arxiv.org/abs/2308.03688
发表：2023.8 | 引用：1000+（Semantic Scholar）
开源：https://github.com/alibabaagents/agentbench
本文记录我的论文学习过程与核心理解

ChatDev: Communicative Agents for Software Development
论文：Chen Qian, Liu Wei et al., 清华 + 北大 + 微软亚洲研究院
原文链接：https://arxiv.org/abs/2307.07924
发表：2023.8 | 引用：500+（Semantic Scholar）
开源：https://github.com/OpenBMB/ChatDev
本文记录我的论文学习过程与核心理解

Generative Agents: Interactive Simulacra of Human Behavior
论文：Stanford University + Google DeepMind
原文链接：https://arxiv.org/abs/2304.03442
发表：2023.4（arXiv）| UIST 2023 正式发表 | 引用：1000+
本文记录我的论文学习过程与核心理解

Agentic RAG: Combining Retrieval-Augmented Generation with Agent Capabilities
本文记录我的论文学习过程与核心理解

从 Chain-of-Thought 到 Self-Discovering，10篇论文串起的 AI Agent 进化之路
本文是对 AI Agent 架构演进的系统性回顾与展望