LLM智能体能维持长时程的组织动态吗？

大语言智能体越来越多地被用于社会模拟，但它们能否在结构化组织中维持连贯行为仍不清楚；在结构化组织中，目标必须沿层级传递，任务依赖先前的执行结果，产物会随长时程不断累积。我们将长时程组织模拟形式化为以记忆为中心的协调问题，并提出TaskWeave——一个分层智能体框架，通过“制定—划分—诊断—对齐”（Formulate-Partition-Diagnose-Align）循环维持规划状态，并通过依赖感知的轨迹记忆为执行提供依据。我们在为期一年的IT公司模拟中评估TaskWeave，并在组织连贯性、执行落地性与下游企业NLP效用三方面与其他多智能体框架进行比较。实验表明，TaskWeave能够支持连贯且长时程的组织动态，同时产出有据可依的产物并适应外部环境。这些发现表明，结构化的模拟记忆是构建可靠的基于LLM的组织模拟器的关键机制。