_{🧠 图解记忆：Voyager = Minecraft 世界里的"终身学习 Agent"；点击图片可查看原图。}

💡 答案要点

Voyager = Minecraft 世界里的"终身学习 Agent"

Voyager 是 UC Berkeley 于 2023 年发布的开源 Agent，2026 年成为多领域应用标杆。其核心创新是持续终身学习——不像传统 Agent 完成任务就结束，Voyager 在每个任务后都会将经验存入技能库，后续任务优先复用已有技能。

核心组件：

Voyager 架构：
┌─────────────────────────────────────────────────────┐
│                  技能库（Skill Library）              │
│  minecraftcraft_sword() / build_shelter() / ...   │
│  每个技能 = 可复用的 Python 函数                      │
└─────────────────────────────────────────────────────┘
                         ↑
┌─────────────────────────────────────────────────────┐
│ 迭代式 Prompt 优化（Iterative Prompting）            │
│  任务失败 → 修改 Prompt → 再试 → 直到成功             │
│  成功 → 提取为技能存入技能库                          │
└─────────────────────────────────────────────────────┘
                         ↑
┌─────────────────────────────────────────────────────┐
│                 环境反馈（Environment）               │
│  Minecraft 游戏状态 + LLM 判断                       │
└─────────────────────────────────────────────────────┘

与 Reflexion 的关键区别：

维度	Reflexion	Voyager
记忆形式	语言反思（文本）	技能代码（可执行）
复用方式	检索后作为上下文	直接调用函数
任务迁移	弱（同类任务有效）	强（技能可组合）
适用场景	短任务、单一领域	跨任务、跨领域

为什么重要：

传统 Agent：每次任务从零开始
Voyager：每次任务从技能库开始

效果：
- 任务完成率：比无技能库高 3.2 倍
- 新任务学习速度：比从零学快 5 倍
- 技能可累积、可分享

面试话术：

"Voyager 的核心洞察是'Agent 应该像人类一样积累技能，而不是每次都从零学习'。它把每个成功的行为模式提取成 Python 函数存入技能库，下次遇到类似任务直接调用。我在开发企业知识问答 Agent 时借鉴了这个思路——把高频场景的成功对话模式提取成'话术模板'存入 Faiss 向量库，相似问题直接命中模板，响应时间从 3s 降到 200ms，准确率反而提升。这本质上就是轻量版 Voyager。"