页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「多Agent系统」找到 417 条内容
按专题浏览 →匹配正文：ReAct 是很多人实现 Agent 的第一步。 模型先根据当前问题决定一个动作，程序执行工具，把结果交回模型，模型再决定下一步。这个循环直观、灵活，几十行代码就能跑起来。 做一个两三步的小任务时，它往往很好用：搜索候选，打开正文，给出答案。 问题出现在长程研究。 一个 Deep Research 任务可能要比较多个对象、访问很多来源、处理冲突并生成报告。如果每轮都把之前的问题、动作和网页内容完整追加到上下文，模型看到的历史会越来越长。早期的一段噪声会被反复携带，后面的每一步…
匹配正文：…)。真实训练里,要把轨迹 tokenize、构造 attention mask、对接训练框架(SFT / GRPO),工程上复杂得多;这个小实验只为让你看懂「为什么这么做」。 🧭 你刚才看到的,等于真实系统的什么? 你手标的 model/tool = 真实训练里的 loss mask(哪些 token 参与梯度)。真实系统会自动按角色标记、按模型的 tokenizer 切分。理解了「为什么 mask observation」,你就抓住了 Agent SFT 数据处理的核心。…
匹配正文：…、要可执行。 技能封装得太死:把不该固定的也固定了,遇到变体反而碍事。封装"稳定的流程",留"可变的参数"。 记忆只增不减:越堆越多 → 注意力稀释 + 烧 token。要有"遗忘"机制。 不挂安全钩子:能跑命令的工具,危险操作不设确认 = 给自己埋雷。 关联面试题 「怎么让 Agent 在多轮 / 跨会话里保持一致性和记忆?」 「Agent 的记忆系统怎么设计(短期 / 长期 / 检索)?」 👉 去 题库 搜 Agent 记忆 / 多轮一致性 / 上下文管理。 训练营延伸…
学习内容与项目面试，在同一条路上。