通过认知记忆架构统一动态工具创建与跨任务经验共享

大语言模型智能体在适应新任务时面临工具可用性与经验复用的挑战。现有方法或依赖覆盖有限的预定义工具，或从零构建工具而忽视过往经验，导致探索效率低下与性能欠佳。本文提出SMITH（共享记忆集成工具中心），一种统一的认知架构，通过分层记忆组织无缝整合动态工具创建与跨任务经验共享。SMITH将智能体记忆划分为程序性、语义性和情景性三部分，支持系统化能力扩展并保留成功执行模式。该方法将工具创建形式化为受控沙箱环境中的迭代代码生成，并通过语义相似性匹配的情景记忆检索实现经验共享。此外，作者提出基于智能体集成难度重估的课程学习策略。在GAIA基准上的大量实验表明，SMITH以81.8%的Pass@1准确率显著优于Alita（75.2%）和Memento（70.9%）等前沿基线，为构建能通过工具创建与经验积累持续进化的自适应智能体奠定基础。