随着大模型能力的跃迁，业界关注点正在从 "模型能不能做" 快速转向 "智能体能不能落地"。过去一年可以看到大量工作在提升智能体的有效性（effectiveness）： 如何让它更聪明、更稳、更会用工具、更能完成复杂任务。 但在真实应用里，另一个更 "硬" 的问题常常决定能否上线：高效性（efficiency）。智能体即便表现很好，如果每次都要消耗大量算力、时间与调用成本，也很难 在生产环境大规模部署。 基于这一视角，论文整理并撰写了一篇面向 "高效智能体" 的综述，系统梳理当前主要方法，并从三个最关键的机制出发组织全文框架： 记忆 — 工具学习 — 规 划 。论文从设计范式出发对代表性方法进行归纳总结，聚焦那些以效率为目标或能够提升效率的核心设计与实现路径，从而更清晰地呈现智能体在真实落地场景中 的成本 — 性能权衡。 论文地址：https://arxiv.org/abs/2601.14192 GitHub 地址：https://github.com/yxf203/Awesome-Efficient-Agents 一、智能体记 忆： 让 "会记" 更省 、更准、更可扩展 智能体要做长任务，离不开记忆。但把历史 ...