Metis: Bridging Text and Code Memory for Self-Evolving Agents

Metis 研究 self-evolving agents 如何在文本记忆和代码记忆之间分工：文本便于迁移，代码工具执行快但生成成本高。系统先把经验写成计划、事实和常见坑，反复复用的计划再结晶为可验证工具；在 AppWorld 上相对 ReAct 最高提升 20.6% accuracy，并降低 22.8% 执行成本。它给 agent memory 一个清晰层次：不是把所有经验塞进 prompt，而是让稳定流程逐步固化为可调用程序。