Agent Workflow Memory

Summary

AWM 让 web agent 像人一样”从过去经验里归纳可复用的任务 workflow，再用它指导后续动作”——从 agent 轨迹中诱导出自然语言 workflow（常复用的例程），选择性注入 prompt 指导生成，离线/在线均可，在 Mind2Web（+24.6% 相对）和 WebArena（+51.1% 相对）显著提升，且随 train-test 分布差距拉大领先愈明显（+8.9~14.0 绝对点）。

Problem & Motivation

LLM-based agent 在长程、复杂动作轨迹的任务上仍脆弱。人类能从过往经验中抽出可复用的”任务套路”（workflow）并迁移到新任务，而多数 agent 每次都从零推理。AWM 想给 agent 装上这种”工作流记忆”，把成功经验沉淀为可复用、可选择性调用的中间知识——非参数化的自我改进路线（与 2411-WebRL 的参数化 RL 自演化正交互补）。

Method

Workflow = 自然语言描述的常复用例程（“what to do”级别的抽象步骤序列），从 agent 的成功动作轨迹中归纳。

两种模式：

• Offline AWM：部署前从 training examples 批量诱导 workflow，构成初始记忆库。
• Online AWM：无 labeled 训练数据时，直接从 test queries 的执行中即时诱导 workflow，边做边积累。

运行时按相关性选择性地把 workflow 注入 prompt 指导后续 generation，而非把全部记忆塞进上下文——控制 token + 提供针对性引导。

Key Results

覆盖 Mind2Web + WebArena（1000+ 任务 / 200+ 域，travel/shopping/social）：

• Mind2Web：相对成功率 +24.6%。
• WebArena：相对成功率 +51.1%，且成功任务步数更少（更高效）。
• 泛化：online AWM 在 cross-task / cross-website / cross-domain 上稳健，随 train-test 任务分布差距拉大，领先 baseline +8.9 ~ +14.0 绝对点——说明 workflow 抽象是可迁移的，而非过拟合。

Strengths & Weaknesses

亮点：(1) 非参数、即插即用、离线在线通吃，工程门槛低；(2) “分布差距越大越领先”是强证据，说明 workflow 记忆真正提升泛化而非记题；(3) 是 web agent memory/self-improvement 路线的奠基工作（ICML 2025），与 2504-SkillWeaver（可执行 skill）构成”NL workflow vs executable skill”的经典对照。

局限：(1) NL workflow 是”what to do”不可直接执行，与”how to execute”之间仍有 gap（SkillWeaver/ASI 用可执行程序补这端）；(2) workflow 质量依赖底层 agent 的成功轨迹质量，冷启动弱 agent 收益有限；(3) 检索/选择错误的 workflow 可能误导。属 WebAgent-Survey 的”Memory 与自我改进”路线。

Mind Map

mindmap
  root((Agent Workflow Memory))
    Problem
      长程任务脆弱
      缺可复用套路
    Method
      NL workflow 归纳
      offline / online
      选择性注入 prompt
    Results
      Mind2Web +24.6%
      WebArena +51.1%
      分布差距越大越领先

Notes

• 与 2604-GenericAgent（context density 记忆）、ReasoningBank（推理记忆）同属非参数记忆家族。
• 关键对照实验设计点：AWM 的”分布差距 vs 领先幅度”曲线可作为衡量”记忆是否提升泛化”的通用诊断。