经验记忆图：智能体的一次性错误修正

大型语言模型智能体在复杂长程任务中常因累积错误而失败，现有自修正机制依赖提示反射，存在脆弱、成本高且泛化性差等问题。本文提出经验记忆图（EMG），将故障恢复重构为图匹配问题。训练时，将失败轨迹与专家成功轨迹转化为有向动作决策图，通过匹配提取成功子图及显式修正路径（如增删改动作），存储于包含任务内节点与跨任务边的记忆图中。测试时，EMG 检索相关经验指导智能体进行无循环的单次执行。实验表明，EMG 在成功率与平均奖励上均优于现有基线，且无需测试时试错。