AgentBrew：从强教师到弱LLM智能体的终身知识酿造

部署LLM智能体通常需要一个紧凑的测试时学生模型，即便训练时有更强的教师可用。我们研究知识酿造：把教师的交互经验蒸馏为学生的持久外部记忆。关键在于，这不需要权重更新、专家示范、真值标签或测试时的教师接入。该设定带来两个挑战：环境只提供稀疏的二元反馈；教师撰写的笔记必须天然 tailored 到能被显著更弱的学生具体执行。为克服这些障碍，我们提出AgentBrew，包含两个耦合组件。第一，失败触发的教师—Ralph循环：把学生失败转化为经环境验证的笔记，缓解稀疏反馈问题。第二，学生感知合成：把教师知识校准到弱执行者的操作粒度，产出模型特定、可执行的指导。在编程、数学与工具使用任务上的大量评估与全面消融表明，这种非对称、免训练的酿造范式能产出能力强且可部署的LLM智能体。