大型语言模型（LLM）智能体通过外部记忆和历史经验处理长时程任务，但大多数仅检索记录或摘要，缺乏对世界的因果理解。
受人类因果认知启发，我们提出 CauProphet。它维护一个因果认知库（Causal Cognition），在跨任务中累计因果事实。每当面对新任务时，智能体从认知库中挑选相关知识，并结合当前证据构建因果信念（Causal Belief），该结构化信念捕获因果因素及可能行动的效果。
因果信念用于决策；随后每一次观察都会同步更新信念和因果认知，使得因果知识能够超越单次经验持续存在。
实验表明，CauProphet 能逐步获取因果知识并迁移至后续决策。在金融研究基准中，它复用已发现的因果模式，使得与次日收益的均值秩相关提升 25.4%，预测准确率从 21.3% 提升至 28.6%，显著超越所有基线。
进一步的科学推理和日常任务实验验证了其可靠的因果分析与行动选择能力，展示了因果经验学习在下一代 LLM 智能体中的潜力。
点评