广泛的现实世界应用以其符号性质为特征,需要强大的符号推理能力。本文研究了大型语言模型(LLMs)作为符号推理器的潜在应用。我们关注基于文本的游戏,这是自然语言能力智能体的重要基准,尤其是在数学、地图阅读、排序以及在基于文本的世界中应用常识等符号任务方面。为了帮助这些智能体,我们提出了一个旨在解决符号挑战并实现游戏目标的LLM智能体。我们首先初始化LLM智能体并告知其角色。然后,智能体接收来自基于文本游戏的观察和一组有效操作,以及特定的符号模块。有了这些输入,LLM智能体选择一个操作并与游戏环境互动。我们的实验结果表明,我们的方法显著增强了LLMs作为自动符号推理智能体的能力,我们的LLM智能体在涉及符号任务的基于文本的游戏中表现出色,平均性能达到88%。