Environment Maps：面向长程智能体的结构化环境表示

尽管大语言模型（LLM）进展迅速，复杂软件工作流的鲁棒自动化仍是一个悬而未决的问题。在长程设置中，智能体经常受到级联错误与环境随机性的困扰；动态界面中的单步失误就可能导致任务失败，进而产生幻觉或反复试错。本文提出Environment Maps：一种持久化、与具体智能体无关的表示，它将屏幕录像与执行轨迹等异构证据整合进结构化图，从而缓解这些失败。该表示由四个核心组件构成：（1）Contexts（抽象化的位置）、（2）Actions（参数化的可供性）、（3）Workflows（观察到的轨迹）与（4）Tacit Knowledge（领域定义与可复用流程）。我们在WebArena基准的五个领域上评估该框架。配备环境图的智能体达到28.2%的成功率，几乎是将上下文限制在会话内的基线（14.2%）的两倍，并优于能够访问用于生成环境图的原始轨迹数据的智能体（23.3%）。通过在模型与环境之间提供结构化接口，Environment Maps为长程规划建立了持久化基础，且可被人解读、可编辑、可增量精炼。