[最终作业] SX2516068 高星宇 - AgentMemory - 基于双循环长期记忆增强与 RAG 纠错机制的文本交互智能体系统doc: submit agent assignment report

[123asd6]

✅ 独立代码仓库链接

- 完整脱敏工程源码托管地址：https://github.com/123asd6/ScienceWorld-Knowledge-Agent

### ✅ 主要成果与创新点（≤ 200 字）
本项目构建了具备感知-规划-行动闭环的记忆增强型智能体。创新性地提出了基于 RAG 的双循环记忆模型，将短时时序轨迹窗口与长效异常激活报错经验库相结合，有效解决了 ScienceWorld 离散动作空间发散的难题。引入错误恢复状态机与离线常识沉淀机制，实现了知识的跨任务泛化解耦。实验表明，本系统在长链条科学相变任务中的通关成功率由基线的 34% 显著提升至 88%。

### ✅ 主要评测指标的对比表
| 智能体架构配置 | 任务成功率 (%) | 平均收敛步数 (Steps) | 无效重复动作率 (%) | 错误恢复成功率 (%) |
| :--- | :---: | :---: | :---: | :---: |
| 纯 ReAct Base (无记忆) | 34.0% | 82.4 | 41.2% | 18.5% |
| ReAct + 短期工作记忆 | 58.0% | 54.1 | 19.8% | 44.0% |
| **本系统 (ReAct + RAG长期记忆)** | **88.0%** | **31.6** | **4.5%** | **91.3%** |
```