在人工智能的广阔世界里，我们早已习惯了 LLM 智能体在各种任务中大放异彩。但有没有那么一瞬间，你觉得这些 AI" 牛马 " 还是缺了点什么？

没错，它们缺少的是我们人类最宝贵的职场技能：经验的积累和持续的自我进化。

想象一下：你入职第一天，对公司一无所知，只能依靠在学校中学习到的知识，工作中犯了错也无法吸取教训，第二次遇到同样的问题，你还得从头再来。听起来是不是很像一个会失忆的工具人？这就是现有 LLM 智能体在处理现实世界" 长程任务 "（Long-Horizon Tasks）时面临的巨大挑战。

为了彻底解决这一 " 职场尴尬 "，来自上海人工智能实验室及合作机构的研究者们，提出了一套全新的智能体框架——MUSE（Memory-Utilizing and Self-Evolving，记忆利用和自我演化），让智能体在 " 职场 " 中不断进化，成为真正的 " 职场新星 "，实现 " 干中学 "（Learning on the Job）。

下面的视频展现了一个模拟人类项目经理对公司项目 issue 进行管理的例子，可以看到 MUSE 在包括 GitLab，Plane 在内的多个软件平台来回跳转操作，最终在没有任何人类介入的情况下完成了这个任务。

目前 , MUSE 的论文与代码已经完成了开源（链接见文末）。

MUSE：三步走，打造 AI" 职场新星 "

MUSE 的核心理念，是为 LLM 智能体构建一个 " 经验驱动、自我演化 " 的闭环系统，用 "测试时学习" 范式一次性解决 " 静态参数 + 无法进化 + 长程任务 " 三大痛点。

这个系统围绕一个分层记忆模块（Hierarchical Memory Module）展开。简单来说，MUSE 让智能体像人类一样：先做、再反思、然后进化。

△MUSE 框架第一步：告别 " 健忘症 " ——分层记忆模块（Memory Module）

传统 LLM 智能体之所以被称为 " 失忆的执行者 "，就是因为它们没有长期记忆，无法保留和应用历史知识。而 MUSE 框架为智能体装上了 " 大脑中枢 " ——一个能组织不同层级经验的记忆模块。这些经验包括：

Strategic Memory：保存 " 困境 - 策略 " 对，全局加载到系统提示，指导宏观行为范式。

Procedural Memory：按 " 应用→ SOP 索引→详细步骤 " 三级组织，成功子任务轨迹实时沉淀为自然语言标准作业程序；轻量级索引常驻上下文，详情按需检索。

Tool Memory：静态描述 + 动态指令双组件，为每个基础工具提供 " 肌肉记忆 "，用后立即更新。

MUSE 能够利用这些经验来规划和执行跨应用的复杂任务，从而解决现有智能体在动态规划、经验积累和持续学习方面的难题。

第二步：" 事后诸葛亮 " ——自主反思（Self-Reflection）

这是 MUSE 最 " 类人 " 的机制。在每完成一个子任务之后，MUSE 的智能体不会立即进行下一个任务，而是会自主地对它的执行轨迹进行反思。

这种反思机制，就像是 AI 在给自己做 " 工作总结与复盘 "。

它会评估子任务的执行结果： 成功了还是失败了？

它会把原始的执行轨迹（Raw Trajectory）自动转化为结构化的经验（Structured Experience）。如果成功，就会提炼出高效的操作序列作为新的 SOP（标准操作程序）。

它甚至拥有 " 第二次机会 " 机制： 如果第一次尝试失败，它有一次重试机会（无需检索，鼓励探索），如果再次失败，才会触发重新规划。

第三步：超越 " 静态参数 " ——持续自我演化（Self-Evolution）

通过持续的 " 规划 → 执行 → 反思 → 提取经验 " 的四步闭环循环，MUSE 实现了真正的自我演化。

这些积累的经验会被整合回记忆模块，不断优化智能体未来的规划和执行策略。这意味着：MUSE 的性能会随着它自主积累的经验越来越多而持续提高。

实验结果：智能体的 " 职场 " 表现

MUSE 框架在一系列实验中展示了令人振奋的能力：

SOTA 表现和降维打击

在专为长期生产力任务设计的基准测试TAC （TheAgentCompany） 上，MUSE 取得了显著的 SOTA 性能。最令人惊讶的是，MUSE 仅使用轻量级的 Gemini-2.5 Flash 模型，就击败了使用更大模型（Claude Sonnet 4）的现有 SOTA 方法， 在 TAC 的指标上首次突破 50% 大关，达到 51.78%。这证明了 " 经验驱动的自我演化机制 " 具有良好的前景。

持续进化

面对重复任务，智能体孰能生巧，一次比一次做得更好，再也不是职场小白啦。

强大的泛化能力

MUSE 积累的经验具备强大的泛化特性，即使在全新的、从未见过的任务上，它也能实现零样本改进（Zero-shot Improvement）。

可迁移性

将闭源模型收集到的经验迁移到开源模型 DeepSeek-V3 上，可以帮助 DeepSeek-V3 在一众开源模型中成为 SOTA。

效果展示：智能体的工作日常

智能体创建多人聊天群组，同时向三位同事询问信息，显著简化信息收集流程：

智能体跨越多个平台（rocketchat，gitlab 等）依次与三位同事沟通，执行了超过 100 个步骤，最终圆满完成复杂任务：

未来展望：AI 的 " 职场 " 潜力

MUSE 框架的出现，标志着 AI 智能体已经迈入了 "经验驱动的终身学习" 新阶段。它超越了传统的 " 测试时静态 " 模式，展示了 AI 在长程任务中的巨大潜力，为实现更具适应性和智能化的 AI"职场打工人" 奠定了坚实基础。展望未来，有什么办法能让 AI 打工人实现进一步的提升呢？

1. 告别 " 失忆 "，优化记忆

强化检索与整合： 尽管 MUSE 能够自动将原始轨迹转化为结构化、可重复使用的知识（SOP）并整合到记忆模块中，但如何更高效地检索（Retrieval）相关经验，并确保新旧知识的无缝整合（Integration），是下一步优化的关键。

长效性和持续性： 如何确保记忆模块能够实现真正的终身、持续学习，防止旧知识被不恰当地遗忘或覆盖，从而在海量经验中保持性能的稳定提升，将是需要持续深耕的方向。

2. 丰富经验来源，打造多维度的 " 职场导师 "

引入人类智慧： 展望未来的研究方向，可以将人类反馈（Human Feedback）和人类示范（Demonstrations）集成到记忆系统中。就像职场新人通过观看导师操作（示范）和听取指导（反馈）来快速成长一样，这将大大加速 AI 智能体的学习效率和能力边界。

3. 完善评估体系，助力 AI 职场 " 公平竞争 "

长期评估标准： 需要创建更全面的、专门用于长期任务评估的基准。

多维度能力考察： 评估不仅要关注任务的成功率，还要衡量智能体的记忆保留能力、技能迁移能力以及主动决策能力，确保其能够像一个真正的终身学习者一样持续发展。

Arxiv：

https://arxiv.org/abs/2510.08002

GitHub：

https://github.com/KnowledgeXLab/MUSE

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

我们正在招聘一名眼疾手快、关注 AI 的学术编辑实习生 

感兴趣的小伙伴欢迎关注  了解详情

点亮星标

科技前沿进展每日见