Agent 基础推荐阅读

一、工程入门

Datawhale Agent Learning Hub 先看 Stage 0～1 的 checklist，明确阶段产物，而不是只收藏链接。
Anthropic：Building effective agents 重点理解 workflow 与 agent 的边界、prompt chaining、routing、parallelization、orchestrator-workers 与 evaluator-optimizer。
OpenAI：A practical guide to building agents 关注模型、工具、指令、guardrail、单 Agent 到多 Agent 的渐进设计。

先用这三份材料建立系统边界，再读下面两篇论文。这样可以把论文中的研究原型与生产 Harness 的权限、状态、评测和恢复机制分开。

二、经典论文一：ReAct

ReAct 书目信息

ReAct: Synergizing Reasoning and Acting in Language Models

作者：Shunyu Yao、Jeffrey Zhao、Dian Yu、Nan Du、Izhak Shafran、Karthik Narasimhan、Yuan Cao
发表：ICLR 2023，In-Person Oral / top 5%
ICLR 官方发表页
OpenReview
arXiv
项目主页
作者官方代码

ReAct 阅读重点

论文如何把普通动作空间 $\mathcal{A}$ 扩充为动作与语言 thought 的并集；
reasoning 如何用于拆解目标、维护计划和处理异常；
action 如何从 Wikipedia 或交互环境获得新 observation；
知识任务里的密集 thought 与决策任务里的稀疏 thought 有何不同；
ReAct、CoT 和 Act-only 的实验差异；
空搜索、低质量检索、重复 thought/action 和上下文长度怎样造成失败。

ReAct 是推理与行动交错的交互范式，不是包括权限、Executor、Session、Memory、trace 和部署在内的完整 Agent 框架。阅读时应把原论文显式生成的 reasoning trace 与现代 API 的结构化 tool call 分开理解。

ReAct 结果边界

原论文主要使用 PaLM-540B 和少量人工构造的 in-context trajectories。在论文设置中：

HotpotQA 上 ReAct 为 27.4 EM，CoT 为 29.4；
FEVER 上 ReAct 为 60.9，CoT 为 56.3；
ReAct 与 CoT self-consistency 的组合取得更高结果；
ALFWorld 和 WebShop 的提升是相对论文当时所选 baselines 的结果。

这些实验说明 reasoning 与环境信息具有互补价值，不表示 ReAct 在所有模型、任务和工具集合上都占优。

三、经典论文二：SWE-agent

SWE-agent 书目信息

SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering

作者：John Yang、Carlos E. Jimenez、Alexander Wettig、Kilian Lieret、Shunyu Yao、Karthik Narasimhan、Ofir Press
发表：NeurIPS 2024 Main Conference Track
NeurIPS 正式论文页
arXiv
官方仓库
当前官方文档

SWE-agent 阅读重点

区分 SWE Agent 这一系统类别、SWE-agent 这一具体实现与 SWE-bench 评测；
ACI 为什么同时定义 Agent 可用的命令和计算机返回的反馈；
搜索摘要、100 行文件窗口、多行编辑与 lint guardrail 怎样改变轨迹；
无 stdout、格式错误和旧 observation 应怎样反馈或压缩；
为什么“更像人类界面”“工具更多”“上下文更完整”不一定带来更高任务成功率；
为什么 lint 通过、目标测试通过与软件任务整体正确是不同层次的证据。

SWE-agent 2024 年实验快照

论文在当时的固定模型、Agent 和数据集设置中报告：

GPT-4 Turbo + SWE-agent 在 SWE-bench full 上解决 12.47%，即 286/2294；
在 SWE-bench Lite 上为 18.0%，同表 Shell-only Agent 为 11.0%；
摘要式搜索、100 行文件窗口、带 lint 的 edit 和保留最近五个完整 observation，是原消融中表现较好的配置。

这些数字用于理解 ACI 在原论文设置中的影响，不应当作当前 SWE-bench 排行榜或新模型成绩。当前官方文档说明主要开发已转向 mini-swe-agent，原 SWE-agent 处于维护阶段；学习概念时读正式论文，研究当前实现时还要核对版本、commit 和迁移说明。

四、两篇论文怎样连起来读

问题	ReAct	SWE-agent
主要研究对象	reasoning、action、observation 的交错	语言模型与计算机之间的 ACI
回答的问题	Agent 怎样根据观察选择下一步	动作和环境反馈应怎样设计
原实验环境	Wikipedia、ALFWorld、WebShop	仓库、文件、终端、测试
工程位置	决策和交互范式	工具与环境接口

建议把完整系统按五层整理：

flowchart LR R["ReAct 决策与交互顺序"] --> A["ACI 动作与反馈协议"] A --> E["Executor 真实环境操作"] E --> H["Harness 状态、权限、预算、恢复"] H --> V["Evaluator 证据与成功标准"] V -->|可修复反馈| R

图中的 Harness 和 Evaluator 是工程综合层。ReAct 论文聚焦交互范式，SWE-agent 论文聚焦 ACI；二者都没有单独覆盖生产系统的全部生命周期。

五、阅读时要回答的问题

作者所说的 Agent 是模型、模型加接口，还是完整应用？
控制流、动作协议、真实执行和完成验证分别由哪一层负责？
thought、tool call、tool result 和 evidence 有何区别？
工具失败、空输出、日志截断和无搜索结果怎样成为 observation？
模型给出 final 后，哪些检查才可以把运行标记为完成？
可修复的 final validation 失败怎样回到 loop？
ACI 的动作粒度和反馈长度如何通过任务集与消融实验确定？
论文数字对应哪个模型、数据集版本、预算与时间快照？
文中的演示如何转成可重放的 trace 和可回归测试的任务？

六、建议产出

完成阅读后写一页架构判断记录，至少包含：

目标用户、任务和普通 Workflow 基线；
需要 Agent 的理由与路径不确定性；
ReAct、ACI、Executor、Harness、Evaluator 的边界；
工具列表、参数 schema 和 observation 格式；
最大步数、超时、预算与停止原因；
候选 final 的验证规则；
一条成功 trace 和一条失败 trace；
仓库版本、测试命令、验证证据和未覆盖项。