【用户实践文档】我用蓝耘元生代+QClaw搜近三年LLM Agent综述论文,整理出一份能直接进入科研阅读的文献综述

如果你最近也在跟 LLM Agent 这个方向，大概会有同感：论文铺天盖地，概念一个接一个。Planning、Memory、Tool Use 还没消化完，Multi-Agent、Agent Safety、Harness Engineering、Externalization 又冒出来了。每个词都像入口，但顺着任何一个走进去，都会牵出一长串论文、框架和评估方法。

我这次就卡在这个点上。

手动搜当然可以，但很容易走两个极端：要么只看几篇高引综述，以为摸到了全貌；要么打开几十个网页和 PDF，资料堆了一堆，分类体系却越来越乱。

更麻烦的是，LLM Agent 不是一个单点技术。它同时涉及模型推理、任务规划、长期记忆、工具调用、多智能体协作、评估体系和安全边界。没有一个能持续整理上下文的工作流，最后写出来的综述，大概率只是"论文摘要拼盘"。

所以这次我没有直接让大模型回答"LLM Agent 有哪些综述论文"，而是先搭了一个更可复查的科研辅助流程：用蓝耘元生代 MaaS 接入 GLM-5.1，把模型能力接到 QClaw 里，让 QClaw 多轮检索近三年 LLM Agent 综述论文，最终生成一份可以继续人工复核和改写的文献综述初稿。

这篇文章记录的就是这条链路。不是"我有一个朋友用了某平台"的转述，也不是把产品功能重新包装一遍——为什么选这个模型、接入有没有坑、Agent 实际调了哪些工具、整理出的文献脉络有没有参考价值，我都会讲清楚

1.为什么先做模型服务选型，而不是直接打开QClaw开搜

做文献综述这件事，对模型服务的要求和普通问答不太一样。

普通问答可能更看重一句话答得准不准；文献综述则更像一个长链路任务：先理解主题，再拆分检索维度，然后搜索论文、阅读摘要、比较分类体系、去重、归纳趋势，最后还要把结果写成结构化文本。这个过程对模型有几个要求：

1. 上下文要足够长。论文题录、摘要、搜索结果和中间笔记会越堆越多，短上下文很容易丢掉前面的判断。

2. 工具调用要稳定。QClaw 的价值不只在"对话"，而在能连续调用搜索、文件写入等工具完成任务。

3. 输出速度不能太慢。综述整理通常需要多轮检索和长文本生成，如果每次等待太久，工作流会被打断。

4. 成本要可控。科研检索不是一次性短问答，长上下文和多轮工具调用都会消耗 token。

基于这个判断，我先在蓝耘元生代 MaaS 平台里看了可用模型和服务商数据。GLM-5.1 这一页给我的第一印象是，它的定位和我这次任务比较贴：支持工具调用、推理和编码能力，适合长任务自主执行。页面摘要里显示GLM-5.1 的上下文长度约192K到202K，输入和输出价格在不同服务商行里有所差异；我最终关注的是蓝耘元生代这一行的综合表现，而不是只看模型名字。

这里有一个容易被忽略的点：同一个模型，不同服务商跑出来的体验可能差很多。模型能力决定上限，服务商的推理链路决定你能不能稳定接近这个上限。对Agent场景来说，这个差异会被放大，因为一次任务里可能连续请求十几次甚至几十次。

从图中看，GLM-5.1 在蓝耘元生代这一行的上下文长度为198K，最大输入长度198K，最大输出长度198K，吞吐为74.98 tokens/s，延迟为 0.51s，近 6 小时可靠性为100%。价格行显示为输入 8 元/M tokens、输出 28 元/M tokens。页面上方的模型摘要区还显示了另一组起步价格信息，所以我在实际选型时没有只看标题价格，而是以服务商行数据作为接入前的直接参考。

2.性能数据怎么看：吞吐、延迟、可靠性缺一不可

我最先看的是吞吐。因为这次任务不是短问答，而是让 Agent 搜论文、读材料、写综述。输出速度直接影响体验，尤其当模型要生成几千字文献整理时，吞吐低会让整个流程变得很拖。

AI Ping 的近7日平均数据显示，在2026-06-10 06：00 到 2026-06-17 06：00 这个窗口里，蓝耘元生代的 GLM-5.1 平均吞吐为 90.37 tokens/s，最低 68.54 tokens/s，最高 99.00 tokens/s。这个数据对我来说很关键，因为它不是某一次"跑得快"的截图，而是一个连续时间窗口里的表现。

第三个指标是排行榜页。图里GLM-5.1 的三个核心指标分别是：首字延迟 TTFT P90 为 0.534s，输出吞吐 TPS 为 86.94 tokens/s，缓存命中率为 85.56%。我会把这类数据理解为"交互体感"的补充：TTFT影响第一段响应什么时候出来，TPS 影响长文本生成速度，缓存命中率则可能影响重复或相似请求的效率。

这一步的工程价值很直接：如果平台支持 OpenAI 兼容协议，很多桌面 Agent、开发框架和已有SDK 都可以低成本迁移。蓝耘官网对 MaaS 平台的描述也提到，它是企业级大模型统一网关与调度平台，支持多模型统一接入；蓝耘官网产品介绍里还提到其大模型服务平台提供智能路由、统一鉴权与成本管控能力。

到这里，基础链路就通了：QClaw负责Agent工作流，蓝耘元生代负责模型推理服务，GLM-5.1 负责长上下文推理和工具调用。

4.给QClaw的任务提示词：别只说“帮我搜”

真正开始检索前，我没有只写"帮我搜论文"。因为这类提示词太宽，模型容易给出一堆没有边界的结果。我给 QClaw 的任务是：

帮我搜近3年 LLM Agent 综述论文，整理成文献综述给我

1. 时间范围：近3年，也就是2023到2026。

2. 文献类型：综述论文，不是普通方法论文。

3. 产出形式：整理成文献综述，而不是只列链接。

QClaw 随后开始多轮调用工具。从过程来看，它先读取 skill 规则，再多角度搜索 LLM Agent 综述论文，接着补充英文论文、特定方向综述，最后写入 Markdown 文件和任务 artifact。整个过程调用了18次工具。

这一步让我比较满意的地方是，它没有停留在"找到几篇论文"的层面，而是把结果按维度整理出来。QClaw 输出的文档概览里，将近三年 LLM Agent 综述归纳为 9 个方向：通用综述、规划、记忆、工具调用、多智能体、效率与上下文压缩、评估、安全、应用领域。

5.QClaw整理出的文献脉络：LLM Agent 已经从“模型能力”走向“系统工程”

结合QClaw 的初稿和我后续复核的公开论文来源，我把近三年 LLM Agent 综述的主线概括为一句话：

LLM Agent 的研究重点，正在从"模型能不能自己完成任务"，转向"如何把模型、记忆、工具、协议、评估和安全机制组织成一个可靠系统"。

下面这几类综述，是我认为最值得先读的骨架文献

显示详细信息

我会把这些综述分成三层来读。

第一层是"Agent 是什么"。Wang 等人的通用综述非常适合作为起点，它把 LLM Agent 的构成、应用和评估放在一个统一视角下。读完这类文章，至少能明确 Agent 不只是聊天，而是一个围绕目标、环境、行动和反馈构建的系统。

第二层是"Agent 如何干活"。这里重点看 planning、memory 和 tool use。Planning 负责把任务拆开，memory 负责跨轮次保存状态，tool use 负责把模型能力扩展到外部世界。Huang 的规划综述和 Zhang 的记忆综述可以配套看：前者回答"怎么规划"，后者回答"怎么不忘"。

第三层是"Agent 如何可靠落地"。这部分包括 evaluation、safety、multi-agent 和 externalization。尤其是2025到2026的综述，明显不再满足于讨论一个模型会不会调用工具，而是开始追问：Agent 的可靠性由什么决定?评估集能不能覆盖真实任务?多 Agent 为什么会协作失败?系统外部的记忆、技能、协议和 harness 是不是比模型本体更重要?

这个变化很有意思。早期大家会问"模型会不会推理"；现在更真实的问题是"在一个长任务里，模型、工具、记忆和环境如何不互相拖后腿"。这也是我认为 LLM Agent 研究正在工程化的原因。

6.我的文献综述初稿结构

根据这次检索结果，我会把最终文献综述写成下面这个结构：

1. 引言：从 LLM 到 LLM Agent 的研究范式变化。

2. LLM Agent 基础框架：角色、目标、环境、规划、行动、反馈。

3. Planning 综述：任务分解、计划选择、反思、外部规划器。

4. Memory 综述：短期记忆、长期记忆、经验沉淀、记忆评估。

5. Tool Use 综述：工具调用、工具学习、工具选择、工具安全。

6. Multi-Agent 综述：角色分工、通信机制、协作失败与治理。

7. Evaluation 综述：能力评估、过程评估、应用评估、通用 Agent benchmark。

8. Safety 综述：提示注入、越权调用、数据泄露、自治风险。

9. Externalization 与 Harness 工程：为什么 Agent 的能力越来越依赖外部基础设施。

10. 未来方向：记忆工程、环境工程、持续学习、安全对齐、科研 Agent。

如果要写成论文式综述，我会把第3到第8节作为主体；如果要写成技术博客，我会把第 9 节展开，因为它和实际开发者最相关。

7.蓝耘元生代在这次流程里到底帮了什么

这次我最直观的感受是，蓝耘元生代没有直接替我"写综述"，它提供的是底层模型服务能力。真正的工作链路可以拆成这样：

1. 蓝耘元生代 MaaS 提供 GLM-5.1 的统一 API 接入。

2. QClaw 通过 OpenAI 兼容协议接入模型。

3. QClaw 使用工具完成搜索、读取、整理和写入。

4. GLM-5.1 在长上下文、多轮工具调用和长文本输出中负责推理与生成。

5. 我再对 QClaw 产出的文献维度和论文来源做复核。

这里面最容易被低估的是第1步。如果模型服务不稳定，Agent 的工具链会被频繁打断；如果上下文不够长，文献整理会碎片化；如果成本不可控，长任务就不敢多试几轮。蓝耘元生代对我这次任务的实际帮助，主要体现在三点：

第一，模型接入成本低。OpenAI 兼容协议让 QClaw 接入过程很短，不需要单独改 SDK。

第二，性能数据可参考。模型页和 AI Ping 页能看到吞吐、延迟、可靠性、缓存命中率等指标，选型时不只靠感觉。

第三，长任务体验比较顺。QClaw 这次连续调用 18 次工具，并最终写出 Markdown 文档，整个过程没有因为模型服务中断而失败。

我不想把这写成绝对结论。不同任务、不同时间窗口、不同并发条件下，体验一定会变化。但至少在这次实操里，蓝耘元生代+GLM-5.1+QClaw这套组合确实把"搜论文并整理综述"从手工活变成了半自动科研工作流。

8.这次实践给我的三个科研启发

第一个启发是，科研 Agent 的关键不是"让模型替我思考"，而是"让模型帮我维护过程"。

文献综述最麻烦的地方不只是读论文，而是持续维护搜索范围、分类体系、文献去重和中间判断。QClaw这类Agent工具适合做的，正是这些过程性工作。它可以帮我把"搜到什么、按什么维度分、写到哪个文件"连续推进。

第二个启发是，近三年 LLM Agent 综述的关键词已经变了。

2023 年前后，大家更关注 Agent 的统一框架，以及 planning、memory、tool use 三大模块。2024 年之后，多智能体、评估和安全开始变得重要。到2026年，externalization、harness、protocol 这样的词开始频繁出现，说明研究者已经意识到：Agent 不是一个模型，而是一套运行时系统。

第三个启发是，选模型不能只看排行榜。

排行榜能提供参考，但科研工作流更看重"模型能力 + 服务商稳定性 + 接入协议 + 成本 + 工具链适配"。这次我选择GLM-5.1，不是因为它在所有维度都必然最优，而是因为它在这个任务上比较均衡：长上下文、工具调用、推理能力、输出速度和 QClaw 接入成本都满足要求。

9.结论

这次实践让我更确信一件事：对科研来说，Agent 最有价值的地方不是替代研究者，而是把研究者从重复检索、格式整理和初稿拼接里解放出来，让人把精力放回判断、取舍和论证。

蓝耘元生代在这里扮演的是模型基础设施角色，QClaw 扮演的是任务执行入口，GLM-5.1则承担长上下文推理和工具调用。三者组合起来之后，我得到了一条比较完整的科研辅助链路：

选模型服务商 → 接入 Agent 工具 → 多轮搜索论文 → 生成结构化综述 → 人工复核与再写作

这条链路并不复杂，但它有一个优点：每一步都能留下证据。模型服务有性能，API 接入有配置，检索过程有工具调用记录，最终文档有可继续修改的 Markdown。对我来说，这比一段"看起来很聪明"的模型回答更有价值。

如果要用一句话总结这次体验，我会这样说：

蓝耘元生代 + QClaw 没有替我完成科研，但它把“找资料、搭框架、出初稿”这段最耗时间的前置工作，压缩成了一次可复查、可继续迭代的 Agent 工作流。

相关参考资料链接

1. Lei Wang et al.， A Survey on Large Language Model based Autonomous Agents， arXiv， 2023.

2. Xu Huang et al.， Understanding the planning of LLM agents： A survey， arXiv， 2024.

3. Zeyu Zhang et al.， A Survey on the Memory Mechanism of Large Language Model based Agents， arXiv， 2024.

4. Taicheng Guo et al.， Large Language Model based Multi-Agents： A Survey of Progress and Challenges， arXiv， 2024.

5. LLM-Based Agents for Tool Learning： A Survey， Springer， 2025.

6. A Survey on Evaluation of LLM-based Agents， arXiv， 2025.

7. Evaluation and Benchmarking of LLM Agents： A Survey， arXiv， 2025.

8. A Comprehensive Survey in LLM(-Agent) Full Stack Safety， arXiv， 2025.

9. Chenyu Zhou et al.， Externalization in LLM Agents： A Unified Review of Memory， Skills， Protocols and Harness Engineering， arXiv， 2026.

10. 蓝耘元生代 MaaS 平台：https：//maas.lanyun.net/

11. 蓝耘科技官网产品介绍：https：//www.lanyun.net/

12. AI Ping延迟测试：https：//aiping.cn/