面向GUI智能体的可执行智能体记忆

现代GUI智能体通常依赖以模型为中心的逐步交互范式：LLM必须在每一屏重新解读UI并重新决定动作，这在长时程任务中十分脆弱。本文提出可执行智能体记忆（Executable Agentic Memory，EAM），一个结构化知识图谱（KG），将GUI规划从自由生成转变为稳健的检索与执行过程。我们的方法包含一条样本高效的记忆构建流水线，利用状态感知的深度优先搜索（DFS）与动作组挖掘来压缩多步例程。为保证规划效率，我们引入价值引导的图搜索：一个轻量Q函数模型引导在知识图谱上的蒙特卡洛树搜索（MCTS）。我们从理论上建立了Q模型的偏差一致性，并推导了路径恢复的样本复杂度界。实验上，EAM在AndroidWorld上比UI-TARS-7B等最先进基线最高超出$19.6\%$，同时相较GPT-4o将token成本降低$6\times$。凭借$2.8$s的平均延迟，EAM实现了可靠、快速的长时程GUI自动化。