PREPING：无需任务即可构建智能体记忆的框架
原帖
**PREPING：在没有任务的情况下构建智能体记忆**
_PREPING: Building Agent Memory without Tasks_
> 本文提出了一种名为Preping的框架，旨在解决智能体在新环境中的冷启动问题。该方法允许智能体在接触任何目标任务前，通过自动生成的合成实践来预先构建程序性记忆。核心创新在于引入了一个“提议者记忆”作为结构化控制状态，用于指导合成任务的生成、执行和筛选，确保记忆构建的可行性和有效性。实验表明，该方法性能接近基于离线/在线经验的 playbook 方法，且部署成本显著降低。
**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.13880)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
本文介绍了名为PREPING的框架，用于解决智能体在新环境中的冷启动问题。该方法通过自动生成的合成实践，在智能体接触任何目标任务前预先构建程序性记忆。其核心创新是引入了“提议者记忆”作为结构化控制状态，以指导合成任务的生成、执行和筛选。
答案说明
PREPING框架通过引入“提议者记忆”作为结构化控制状态，指导智能体在无目标任务情况下生成、执行和筛选合成实践，从而预先构建程序性记忆。实验表明，其性能接近基于经验的playbook方法，且部署成本显著降低。
这篇帖子回答的问题
- 什么是PREPING框架？它旨在解决什么问题？
- PREPING框架的核心创新是什么？
核心观点
- PREPING框架允许智能体在接触任何目标任务前，通过自动生成的合成实践预先构建程序性记忆。
- 实验表明，该方法性能接近基于离线/在线经验的playbook方法，且部署成本显著降低。
FAQ
- Q: PREPING框架如何构建智能体记忆？
- A: 该框架通过自动生成的合成实践，在智能体接触任何目标任务前预先构建程序性记忆，其核心是“提议者记忆”作为结构化控制状态来指导任务生成、执行和筛选。
关键实体
- PREPING
- 智能体记忆