ReCreate：由经验驱动的领域智能体推理与创建

大语言模型智能体正在重塑产业格局。然而，由于任务差异巨大，大多数实用智能体仍由人类设计，构建过程人力密集。这引出一个核心问题：我们能否在真实环境中自动创建并适配领域智能体？虽然近期一些方法试图自动化智能体创建，但它们通常将智能体生成视为黑箱过程，仅依赖最终性能指标来引导该过程。此类策略忽视了能解释智能体成败原因的关键证据，且往往需要高计算成本。为解决这些局限，我们提出 ReCreate，一个经验驱动的领域智能体自动创建框架。ReCreate 系统性地利用智能体交互历史，其中包含关于成败原因与改进途径的丰富具体信号。具体而言，我们引入智能体即优化器范式，通过三个关键组件从经验中有效学习：(i) 用于按需检视的经验存储与检索机制；(ii) 将执行经验映射为脚手架编辑的推理-创造协同流水线；(iii) 将实例级细节抽象为可复用领域模式的分层更新。在跨多个领域的实验中，ReCreate 持续优于人类设计的智能体与现有自动化智能体生成方法，即便从极简的种子脚手架出发也是如此。