CoMIC：云边系统中面向长程 LLM Agent 的协同记忆与洞察循环

在边缘服务器部署轻量级大语言模型（LLM）代理可降低延迟，但资源受限导致其难以处理需持久记忆和反思的长程任务。针对微调成本高及本地记忆孤立的问题，本文提出 CoMIC，一种无需参数更新的云边协同框架。该框架采用“集中式反思、分布式执行”设计：边缘代理利用基于子目标的层级记忆执行任务，云端 LLM 批评者异步评估轨迹、过滤可复用经验并按语义子goal 聚合跨代理指导。实验表明，CoMIC 显著提升了弱边缘代理的进度率与行动落地能力。