在人工智能的廣闊世界里，我們早已習慣了LLM智能體在各種任務中大放異彩。但有沒有那么一瞬間，你覺得這些AI“牛馬”還是缺了點什么？

沒錯，它們缺少的是我們人類最寶貴的職場技能：經驗的積累和持續的自我進化。

想象一下：你入職第一天，對公司一無所知，只能依靠在學校中學習到的知識，工作中犯了錯也無法吸取教訓，第二次遇到同樣的問題，你還得從頭再來。聽起來是不是很像一個會失憶的工具人？這就是現有LLM智能體在處理現實世界“長程任務”（Long-Horizon Tasks）時面臨的巨大挑戰。

為了徹底解決這一“職場尷尬”，來自上海人工智能實驗室及合作機構的研究者們，提出了一套全新的智能體框架——MUSE（Memory-Utilizing and Self-Evolving，記憶利用和自我演化），讓智能體在“職場”中不斷進化，成為真正的“職場新星”，實現“干中學”（Learning on the Job）。

下面的視頻展現了一個模擬人類項目經理對公司項目issue進行管理的例子，可以看到MUSE在包括GitLab，Plane在內的多個軟件平臺來回跳轉操作，最終在沒有任何人類介入的情況下完成了這個任務。

目前, MUSE的論文與代碼已經完成了開源（鏈接見文末）。

MUSE：三步走，打造AI“職場新星”

MUSE的核心理念，是為LLM智能體構建一個“經驗驅動、自我演化”的閉環系統，用“測試時學習”范式一次性解決“靜態參數 + 無法進化 + 長程任務”三大痛點。

這個系統圍繞一個分層記憶模塊（Hierarchical Memory Module）展開。簡單來說，MUSE讓智能體像人類一樣：先做、再反思、然后進化。

△MUSE框架

第一步：告別“健忘癥”——分層記憶模塊（Memory Module）

傳統LLM智能體之所以被稱為“失憶的執行者”，就是因為它們沒有長期記憶，無法保留和應用歷史知識。而MUSE 框架為智能體裝上了“大腦中樞”——一個能組織不同層級經驗的記憶模塊。這些經驗包括：

Strategic Memory：保存“困境-策略”對，全局加載到系統提示，指導宏觀行為范式。

Procedural Memory：按“應用→SOP 索引→詳細步驟”三級組織，成功子任務軌跡實時沉淀為自然語言標準作業程序；輕量級索引常駐上下文，詳情按需檢索。

Tool Memory：靜態描述 + 動態指令雙組件，為每個基礎工具提供“肌肉記憶”，用后立即更新。

MUSE能夠利用這些經驗來規劃和執行跨應用的復雜任務，從而解決現有智能體在動態規劃、經驗積累和持續學習方面的難題。

第二步：“事后諸葛亮”——自主反思（Self-Reflection）

這是MUSE最“類人”的機制。在每完成一個子任務之后，MUSE的智能體不會立即進行下一個任務，而是會自主地對它的執行軌跡進行反思。

這種反思機制，就像是AI在給自己做“工作總結與復盤”。

它會評估子任務的執行結果： 成功了還是失敗了？

它會把原始的執行軌跡（Raw Trajectory）自動轉化為結構化的經驗（Structured Experience）。如果成功，就會提煉出高效的操作序列作為新的 SOP（標準操作程序）。

它甚至擁有“第二次機會”機制： 如果第一次嘗試失敗，它有一次重試機會（無需檢索，鼓勵探索），如果再次失敗，才會觸發重新規劃。

第三步：超越“靜態參數”——持續自我演化（Self-Evolution）

通過持續的“規劃 → 執行 → 反思 → 提取經驗”的四步閉環循環，MUSE 實現了真正的自我演化。

這些積累的經驗會被整合回記憶模塊，不斷優化智能體未來的規劃和執行策略。這意味著：MUSE的性能會隨著它自主積累的經驗越來越多而持續提高。

實驗結果：智能體的“職場”表現

MUSE 框架在一系列實驗中展示了令人振奮的能力：

• SOTA表現和降維打擊在專為長期生產力任務設計的基準測試TAC （TheAgentCompany） 上，MUSE取得了顯著的SOTA性能。最令人驚訝的是，MUSE僅使用輕量級的Gemini-2.5 Flash模型，就擊敗了使用更大模型（Claude Sonnet 4）的現有SOTA方法， 在TAC的指標上首次突破50%大關，達到51.78%。這證明了 “經驗驅動的自我演化機制”具有良好的前景。

• 持續進化面對重復任務，智能體孰能生巧，一次比一次做得更好，再也不是職場小白啦。

• 強大的泛化能力MUSE積累的經驗具備強大的泛化特性，即使在全新的、從未見過的任務上，它也能實現零樣本改進（Zero-shot Improvement）。

• 可遷移性將閉源模型收集到的經驗遷移到開源模型DeepSeek-V3上，可以幫助DeepSeek-V3在一眾開源模型中成為SOTA。

效果展示：智能體的工作日常

智能體創建多人聊天群組，同時向三位同事詢問信息，顯著簡化信息收集流程：

智能體跨越多個平臺（rocketchat，gitlab等）依次與三位同事溝通，執行了超過100個步驟，最終圓滿完成復雜任務：

未來展望：AI的“職場”潛力

MUSE框架的出現，標志著AI智能體已經邁入了“經驗驅動的終身學習”新階段。它超越了傳統的“測試時靜態”模式，展示了AI在長程任務中的巨大潛力，為實現更具適應性和智能化的AI“職場打工人”奠定了堅實基礎。展望未來，有什么辦法能讓AI打工人實現進一步的提升呢？

1. 告別“失憶”，優化記憶

• 強化檢索與整合： 盡管 MUSE 能夠自動將原始軌跡轉化為結構化、可重復使用的知識（SOP）并整合到記憶模塊中，但如何更高效地檢索（Retrieval）相關經驗，并確保新舊知識的無縫整合（Integration），是下一步優化的關鍵。
• 長效性和持續性： 如何確保記憶模塊能夠實現真正的終身、持續學習，防止舊知識被不恰當地遺忘或覆蓋，從而在海量經驗中保持性能的穩定提升，將是需要持續深耕的方向。

2. 豐富經驗來源，打造多維度的“職場導師”

引入人類智慧： 展望未來的研究方向，可以將人類反饋（Human Feedback）和人類示范（Demonstrations）集成到記憶系統中。就像職場新人通過觀看導師操作（示范）和聽取指導（反饋）來快速成長一樣，這將大大加速 AI 智能體的學習效率和能力邊界。

3. 完善評估體系，助力 AI 職場“公平競爭”

• 長期評估標準： 需要創建更全面的、專門用于長期任務評估的基準。
• 多維度能力考察： 評估不僅要關注任務的成功率，還要衡量智能體的記憶保留能力、技能遷移能力以及主動決策能力，確保其能夠像一個真正的終身學習者一樣持續發展。

Arxiv：https://arxiv.org/abs/2510.08002

GitHub：https://github.com/KnowledgeXLab/MUSE