无需微调LLM即可微调LLM代理！ 想象一下，您的AI代理如何在不触及模型权重的情况下，通过经验提高性能。 这就像人类如何记住过去的经历并从中学习。 这正是Memento所做的。 核心概念： Memento不是更新LLM权重，而是通过记忆从经验中学习。 它将持续学习重新框架为基于记忆的在线强化学习，应用于增强记忆的MDP。 可以把它看作是给您的代理一个笔记本，以记住什么有效，什么无效！ 它是如何工作的？ 系统分为两个关键组件： 1️⃣ 基于案例的推理（CBR）： 将复杂任务分解为子任务，并检索相关的过去经验。 不需要梯度，只需智能的记忆检索！ 2️⃣ 执行器 使用MCP工具执行每个子任务，并将结果记录在记忆中以供将来参考。 通过MCP，执行器可以完成大多数现实世界的任务，并可以访问以下工具： 🔍 网络研究 📄 文档处理 🐍 安全的Python执行 📊 数据分析 🎥 媒体处理 我发现这是构建类人代理的一个非常好的路径。 👉 轮到你了，你有什么想法？ 我在下一条推文中分享了相关链接！ _____ 如果你觉得这很有启发性，请与您的网络分享 ♻️ 想了解更多关于AI和机器学习的见解和教程，请关注我 → @akshay_pachaar！