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协同」找到 75 条内容
按专题浏览 →匹配正文：…自我批评"prompt，提取教训更新策略 模型微调：用高质量交互数据SFT或RLHF优化底层LLM的决策能力 学习建议 建议从经典Agent架构（如ReAct、Reflexion）入手，结合实际案例理解各模块作用，多阅读论文与开源项目，强化对闭环协作机制的理解。
匹配口述回答：这道题问的是长期记忆，其实本质上是问怎么把大模型从单轮对话的“近视”状态，变成能跨会话感知用户上下文。很多团队做[[Agent]]，短期记忆靠窗口，长期记忆就简单存个用户画像，但实际落地你会发现，光存画像不够，用户行为是动态的，需要一套分层方案。 我倾向于把记忆分成三层。第一层是工作记忆，就是当前窗口的对话上下文，直接送进模型。第二层是短期记忆，存最近几轮完整的对话记录，按时间序列存，方便回溯。第三层才是长期记忆，这里又可以细分成三类：用户画像，用结构化数据存，比如偏好、习惯…
匹配正文：…键步骤后增加事实核查（如二次调用确认） 工具沙箱+重试策略：隔离失败影响，设计指数退避重试 反思机制（Self-Refine）：让Agent显式评估上一步输出质量 可解释性瓶颈与改进 核心问题 推理轨迹（trace）虽可见，但决策依据不透明 多工具组合时，为何选A而非B缺乏说明 改进方向 显式推理结构化：强制输出"观察→思考→行动"的标准化格式（ReAct增强） 注意力可视化：展示决策时关注的记忆片段和工具文档 人机协同确认：高风险操作前请求用户确认，暴露决策逻辑 长期记忆瓶…
学习内容与项目面试，在同一条路上。