一句话看懂：复旦团队把 86 页 LLM Agent 综述《The Rise and Potential of Large Language Model Based Agents》的配套论文清单开源到 GitHub，并按”大脑—感知—行动”三层重新组织阅读路径，试图给快速膨胀的 Agent 研究建一张可导航的地图。
事件核心：发生了什么
据 @wangxiaoxin88 分享，这份清单对应 arXiv:2309.07864 那篇被 SCIS 收录的 86 页综述，目前已在 GitHub 上公开（仓库为 WooooDyy/LLM-Agent-Paper-List）。它的做法不是按时间倒序罗列论文，而是先搭坐标系：把 Agent 拆成”大脑、感知、行动”三层，再把记忆、推理、规划、工具调用、具身智能等能力分门别类。场景维度上，单智能体、多智能体、人机协作各成一章；行为、人格与沙盒社会模拟单列一节；Benchmark、训练与强化学习也独立成栏。作者还提到后续会配套 AgentGym 与 AgentGym-RL。
为什么重要
Agent 是过去两年大模型落地最密集的方向之一，但论文产出速度远超个人消化速度，社区长期缺少共识性的分类框架。不同团队对”Agent”的定义、边界和能力模块各说各话，导致同一术语下讨论的东西可能完全不同。这份清单的价值不在于收录了多少篇，而在于先给出一个结构：把记忆、规划、工具调用这些模块放在同一坐标系里，读者能判断某篇工作补的是哪一块，而不是被标题和热度牵着走。对开源生态而言，这类综述加清单的组合，也在事实上充当了研究方向和工程选型之间的中间层。
对用户/开发者/创作者的影响
对开发者，这份清单可以直接当技术选型的索引：想做工具调用，就看工具相关章节；想搭多智能体协作，就跳到多 Agent 部分，比在 arXiv 上盲搜省时间。对做 AI 应用的产品和创作者，它提供的是概念校准——理解 Agent 的能力边界在哪，能减少把”会调 API”误当成”能自主规划”的预期落差。需要说明的是，清单本身是阅读导航，不替代具体论文的实现细节和复现成本，目前公开信息显示其配套的 AgentGym 系列仍在推进中。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 AgentGym / AgentGym-RL 是否会真正落地为可用的训练与评测环境，这会决定这份清单是停在”阅读指南”还是延伸成工程基础设施；二是清单的更新频率和维护力度，Agent 领域迭代快，静态清单容易迅速过期；三是是否会出现同类框架的竞争，比如其他机构推出侧重不同维度的 Agent 分类体系。
