技术深度解析
子目标驱动框架代表着从单一、端到端的LLM提示模式，向结构化、分层控制系统的转变。其核心是关注点分离：一个负责高层任务分解的规划器（Planner）模块，一个负责底层动作执行的执行器（Executor）模块，以及一个负责监控与反馈的评判器/验证器（Critic/Verifier）模块。
架构与算法：
最有前景的实现方案结合了LLM、经典符号规划概念和强化学习。一个常见模式是 LLM-模块化-反思（LLM-Modular-Reflection） 循环。首先，一个LLM（如GPT-4或Claude 3）作为规划器，根据主要目标和当前状态，输出一个提议的子目标序列（例如，针对一项网页任务：“1. 导航至管理面板；2. 定位导出功能；3. 配置数据过滤器……”）。随后，该计划被传递给一个更小、更快的模型或专用的函数调用系统——即执行器——由其将每个子目标转化为具体动作（点击、键入、滚动）。执行一个子目标后，系统观察当前状态。一个独立的验证器LLM会评估该子目标是否达成，以及整体计划是否仍然有效。若未达成或失效，则重新启动规划器，从当前点开始重新规划。
关键的算法创新包括：
* 用于规划的思维链（Chain-of-Thought for Planning）： 将CoT推理扩展至不仅生成最终答案，还生成结构化的“作战计划”。
* 思维树/思维图（Tree-of-Thoughts / Graph-of-Thoughts）： 这些框架允许智能体同时探索多条规划路径，评估哪条子目标分支最有希望，从而避免走入死胡同。
* 分层强化学习（Hierarchical Reinforcement Learning）： 子目标构成了一个更高层级的动作空间，使得RL算法在长程任务中的探索问题变得指数级更容易处理。
开源基础： 研究社区正在构建关键基础设施。`LangChain` 和 `LlamaIndex` 生态系统正在快速增加智能体规划模块。更专业的代码库也在涌现：
* `AutoGPT`/`BabyAGI`：早期先驱，证明了递归任务分解的必要性，尽管它们常受稳定性问题困扰。
* `Voyager`（Minecraft）： 来自英伟达的开创性项目，展示了一个LLM驱动的智能体，在开放世界环境中能够通过发明和追求自己的子目标，进行持续探索、技能获取和超长时间尺度的规划。
* `SWE-agent`：普林斯顿大学近期发布的一个高度实用的代码库，能将LLM转变为软件工程智能体。它明确使用规划循环将GitHub问题分解为子任务（编辑文件X，运行测试Y），并在SWE-bench基准测试中达到了最先进的性能水平。
在长程基准测试上的表现，揭示了这项技术旨在弥合的差距。以评估智能体在在线购物或管理工作空间等真实网页任务上表现的`WebArena`基准为例。
| 智能体框架 | 架构 | 成功率（短任务） | 成功率（长程任务） | 平均完成步数 |
|---|---|---|---|---|
| 标准ReAct智能体 | 单一LLM，逐步执行 | 42% | 11% | 18.5 |
| 子目标驱动（规划器-执行器） | 分层架构，带验证 | 58% | 34% | 22.1 |
| 人类基线 | 不适用 | ~95% | ~85% | 15.3 |
数据启示： 数据显示，标准智能体在长任务上性能急剧下降，而子目标驱动框架将长任务成功率提升了约3倍。平均步数的增加则表明，这是一种更审慎、但最终更成功的探索方式。
关键参与者与案例研究
构建首个稳健、通用AI智能体的竞赛，正推动着激烈的竞争和专业化发展。
纯智能体公司：
* Adept AI：其旗舰模型 ACT-2 不仅基于文本，更基于数十亿数字操作（点击、按键）进行从头训练。其研究重点强调教导模型理解并将高层用户请求（“制作我们第三季度的销售图表”）分解为跨越不同软件工具的子目标。
* Cognition Labs (Devon)：这家初创公司凭借`Devon`——一个能完成整个自由软件项目开发的AI软件工程师——震惊业界。Devon的核心突破在于其复杂的规划层。它不只是写代码；而是先规划代码库结构，分解功能列表，编写测试，然后再执行，并持续验证其子目标。
* MultiOn：专注于网页和桌面自动化，MultiOn的智能体明确建模子目标创建过程，并利用计算机视觉验证每一步后的屏幕状态，从而能够处理动态网页。
科技巨头的战略布局：
* OpenAI：尽管未发布独立的智能体产品，但OpenAI的 GPT-4 以及具备文件搜索和函数调用功能的 Assistants API 提供了关键的构建模块。其对 Global Illumination 的收购，暗示了在复杂、交互式环境（可能包括游戏或模拟世界）中增强AI规划和执行能力的兴趣。