最近的努力已经将大型语言模型（LLMs）与外部资源（例如，互联网）或内部控制流（例如，提示链接）结合起来，用于需要定位或推理的任务。然而，这些努力大都是零散的，缺乏构建一个完整的语言智能体的系统框架。为了应对这一挑战，我们借鉴了符号人工智能中智能体设计的丰富历史，为新一波的认知语言智能体开发了一个蓝图。我们首先展示LLMs具有与生产系统相同的许多属性，而最近为改进其定位或推理所做的努力反映了围绕生产系统构建的认知架构的发展。接着，我们提出了“语言智能体的认知架构”(CoALA) ，这是一个概念框架，用于系统化地将基于LLM的推理、定位、学习和决策作为框架中语言智能体的实例化方法。最后，我们使用CoALA框架来突出显示缺口，并提出实际的方向，以便在未来培养更有能力的语言智能体。