Experience Memory Graph: One-Shot Error Correction for Agents
经验记忆图：智能体的一次性错误修正
🧭 图匹配驱动的Agent一次性错误纠正
University of Electronic Science and Technology of China · Yangtze Delta Region Institute (Quzhou), UESTC · Shenzhen Institute for Advanced Study, UESTC
通过图匹配失败与成功轨迹，提取编辑操作实现零试错的Agent错误修复
📌 工作参考价值（4 点）
- 对推荐/对话Agent的失败修复：可离线从成功与失败轨迹构建动作决策图，在线匹配快速纠正，避免反复试错带来的延迟和成本。
- 跨任务泛化：利用跨任务边共享修正经验，例如电商搜索中不同品类下的意图误解或步骤遗漏问题，可复用修正模式。
- 工程轻量：记忆图可预先构建，推理时仅需子图匹配与编辑操作检索，不依赖大模型多次推理，适合低延迟场景。
- 扩展至生成式推荐：在生成式推荐流程中，若出现不合理item生成，可借鉴编辑路径思想（增、删、替换）快速调整上下文，提升生成质量。