匹配正文：…itic模块对输出进行评分反馈。 Memory（记忆）的作用核心定位：知识载体，打破单次对话的上下文限制类型功能协作价值短期记忆当前会话上下文、任务状态保证单轮协作的连贯性长期记忆历史任务经验、领域知识、其他智能体画像实现跨会话的能力复用和"默契"建立关键机制：向量数据库存储 + RAG检索，支持智能体间共享记忆池。协同提升协作效能 1. 打破信息孤岛 Memory让智能体A的经验成为B的"先验知识"，避免重复踩坑 2. 形成正向飞轮 Reflecti…

#百度#Agent#多智能体系统

面试题·Agent· 百度

多智能体 Memory 机制怎么用?

匹配正文：答案要点区分短期记忆（工作记忆）与长期记忆（经验存储）的作用说明Memory如何解决LLM上下文窗口限制阐述记忆检索与经验积累对决策优化的价值提及多智能体间记忆共享与协作机制 Memory在多智能体系统中解决三个核心问题：突破上下文限制、积累领域经验、实现协作共享。核心作用分层短期记忆（工作记忆）维护当前对话/任务的上下文状态弥补LLM有限的上下文窗口（通常4K-128K）支持多轮推理中的信息连贯性长期记忆（经验存储）沉淀历史决策轨迹与结果反馈存储领域…

#百度#Agent#多智能体 Memory

面试题·Agent· 百度

Agent 核心组件有哪些?

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

匹配正文：答案要点明确列出Agent的4-5个核心组件（规划、记忆、工具、行动/执行）每个组件需说明具体功能和典型实现方式能区分短期记忆与长期记忆提及ReAct或类似推理-行动循环机制体现对实际系统设计的理解而非纯理论大模型智能体的核心架构通常包含四个关键组件： 1. 规划模块（Planning）功能：将复杂任务拆解为可执行的子步骤，支持多步推理典型实现：CoT（思维链）、ReAct（推理+行动交替）、ToT（思维树）关键能力：自我反思、错误修正、动态调整计划 2. …

#百度#Agent#Agent 核心组件

面试题·Agent· 快手

Agent 框架 vs LLM 怎么选?

匹配正文：…gent架构通常包含四个核心模块：规划（Planning）：将复杂任务拆解为可执行的子步骤，支持多步推理记忆（Memory）：短期记忆（对话上下文）+ 长期记忆（知识库存储）工具（Tools）：外部API、数据库、计算资源等的调用接口行动（Action）：执行具体操作并获取环境反馈，形成闭环典型流程：用户输入 → 规划分解 → 工具调用/推理 → 观察结果 → 循环直至完成为什么需要Agent框架 LLM的本质局限：知识静态：训练数据有截止日期，无法获取实时信息…

#快手#Agent#Agent 框架

面试题·Agent· 字节

Agent 框架核心组件怎么搭?

匹配正文：…力生成计划，同时预留人工干预接口 2. 记忆模块（Memory）分层设计解决不同时间尺度的信息需求：类型存储内容技术方案短期记忆当前对话上下文滑动窗口 + 摘要压缩工作记忆中间执行结果结构化缓存（如Redis）长期记忆历史经验、用户画像向量数据库 + 实体关系图 3. 工具调用（Tool Use）统一接口：所有工具遵循OpenAPI规范，描述（description）必须精准动态选择：基于工具描述做语义匹配，而非硬编码路由执行模式：支持串行（依…

#字节#Agent#Agent 框架设计

面试题·Agent· 美团

Agent 必备基础能力有哪些?

匹配正文：…tion Calling：结构化输出工具名和参数执行反馈：获取工具返回后，判断任务是否完成或需调整 4. 记忆（Memory）短期记忆：当前对话上下文（受限于上下文窗口）长期记忆：向量数据库存储历史经验、用户偏好、领域知识协作关系——以ReAct为例： Thought（规划）→ Action（调用工具）→ Observation（感知结果）→ Thought（重新规划）... 循环直至任务完成。记忆模块贯穿全程：短期记忆维护当前轨迹，长期记忆支持知识检索。关键设计点…

#美团#Agent#Agent 基础能力

面试题·Agent· 美团

Agent组件通信机制与架构模式对比

匹配正文：…f 结合实际场景给出选型建议 Agent核心组件规划（Planning）：将复杂任务拆解为可执行的子步骤记忆（Memory）：短期记忆（对话上下文）+ 长期记忆（知识库、用户画像）工具调用（Tools）：外部API、数据库、计算资源等执行/行动（Action）：实际调用工具并获取结果主流架构模式 1. ReAct 模式（推理-行动交替） Thought → Action → Observation → Thought → ... 优点：单轮决策简单直观，适合工具少、…

#美团#Agent#Agent 组件通信

面试题·评估· 百度

Reflection vs Memory 如何影响决策?

匹配正文：答案要点 Reflection机制的定义与作用：自我评估、错误修正、策略优化 Memory的分类与功能：短期记忆（上下文）、长期记忆（知识库/经验）两者对决策质量的影响：减少重复错误、提升推理深度对协同效果的影响：共享记忆促进协作、反思机制避免集体偏差实际落地中的挑战：记忆一致性、反思开销、信息过载 Reflection（反思）机制核心作用：自我修正与策略迭代执行后反思：智能体完成任务后，评估结果与预期的差距，识别失败原因过程中反思：在推理链中间步骤暂停，检查当前…

#百度#Agent#多智能体系统

面试题·评估· 字节

Agent 建模方法怎么选?

匹配正文：…务（如数据分析报告生成）优点：全局最优，减少重复调用缺点：计划僵化，环境变化时难以调整；初始计划错误代价高 3. 记忆增强型短期记忆：对话历史、滑动窗口上下文长期记忆：向量数据库存储经验，检索增强决策适用：个性化助手、持续学习场景关键：记忆召回的准确性直接影响Agent表现 4. Multi-Agent协作设计：多个专精Agent分工（规划者、执行者、验证者）适用：复杂系统任务（代码生成+测试+修复）选型建议场景推荐方案工具链明确、步骤不确定 ReAc…

#字节#评估与监控#Agent

面试题·评估· 得物

AI Agent 核心能力现状与差距

匹配正文：…差距明显已相对成熟的领域工具调用：OpenAI Function Calling、Claude工具使用已较稳定，格式遵循率高短期记忆：上下文窗口扩展至128K-1M tokens，RAG检索增强基本可用关键短板规划稳定性：ReAct/CoT在5步以上任务中错误累积严重，"一步错步步错" 长期记忆：向量数据库检索精度有限，缺乏真正的经验学习与技能沉淀反思能力：多为"伪反思"——LLM生成自我批评文本，而非基于执行反馈的实质性策略更新典型案例对比 AutoGPT：早…

#得物#Agent#AI Agent 核心能力

面试题·模型微调· 字节

架构与训练怎么提升多轮一致性?

匹配正文：…长对话历史分层编码：短窗口做token-level注意力，长历史用sentence/turn-level压缩表示显式记忆机制短期记忆（Context Window）：最近K轮完整对话长期记忆（External Memory）：关键信息向量库（摘要、实体、用户画像）记忆写入：每轮用轻量encoder提取关键信息，更新至FAISS/HNSW索引记忆读取：当前query检索Top-N相关记忆，拼接至输入二、训练策略优化多阶段训练阶段目标数据特点预训练长文档…

#字节#模型微调#多轮对话一致性

面试题·Prompt· 百度

Agent系统架构怎么选？

匹配正文：…限流 3. 记忆分层：三级缓存策略层级载体用途实现工作记忆 Context Window 当前对话滑动窗口+摘要压缩短期记忆 Redis/内存会话级最近N轮 + 实体提取长期记忆向量库用户画像定期反思生成+embedding 4. 规划与反思：自我修正机制执行前：分解子任务，生成依赖图（DAG检查循环依赖）执行中：超时/异常触发重规划，最多3次回溯执行后：成功/失败样本入库，用于后续SFT 关键设计决策决策点选择原因单Agent vs …

#百度#评估与监控#Agent

面试题·Prompt· 字节

Agent架构设计原则？

匹配正文：…API Schema）执行器：并行/串行调用、超时重试、结果解析安全沙箱：敏感操作人工确认、权限管控记忆层（Memory）短期记忆：对话窗口、工作记忆（Working Memory）长期记忆：向量数据库存储经验、用户画像记忆检索：相关性召回 + 时效性过滤 Prompt设计核心原则结构化模板 ## Role: {角色定位} ## Context: {背景信息 + 历史摘要} ## Tools: {可用工具列表，含参数Schema} ## Instruction:…

#字节#Prompt工程#Agent

面试题·Prompt· 百度

LLM Agent组件有哪些功能?

匹配正文：…链式思考）、ReAct（推理+行动交替）、ToT（树状搜索）输出：执行计划或下一步Action 2. 记忆模块（Memory）短期记忆：当前对话上下文、多轮交互历史长期记忆：向量数据库存储的知识、用户画像、过往经验作用：打破上下文长度限制，实现个性化服务 3. 工具模块（Tools）外部能力接口：搜索引擎、代码解释器、数据库、API等通过Function Calling或Tool Learning实现标准化调用关键：工具描述（description）要清晰，让模…

#百度#Agent#Agent 系统组件

面试题·Prompt· 百度

Agent 核心组件怎么协作?

匹配正文：…模块的推理方式（如CoT、ReAct、ToT）说明工具调用的实现方式（Function Calling/Tool Use）区分短期记忆（上下文）与长期记忆（向量存储）能举例说明各模块如何协作完成复杂任务 Agent核心工作原理 Agent = 大模型 + 规划能力 + 工具使用 + 记忆机制，形成"感知→规划→行动→记忆"的闭环。三大核心组件 1. 规划模块（Planning）作用：将复杂任务拆解为可执行的子步骤典型方案： CoT（思维链）：单线推理，适合简单任务…

#百度#Agent#Agent 核心组件

面试题·Prompt· 百度

AI Agent组件如何协同工作?

匹配正文：…（思维链）、ReAct（推理+行动交替）、ToT（思维树）等模式动态调整计划，根据反馈迭代优化 3. 记忆系统（Memory）短期记忆：当前对话上下文、会话窗口内的信息长期记忆：向量数据库存储的历史经验、用户画像、领域知识通过检索增强实现跨会话的个性化服务 4. 工具/行动模块（Tools & Action）工具注册：外部API、数据库、计算引擎等工具选择：根据规划结果动态选择合适工具参数解析：将自然语言转化为结构化调用参数（Function Calling） …

#百度#Agent#AI Agent 核心组件

面试题·Prompt

AI Agent 核心概念与架构

匹配正文：…行工具 → 结果反馈 → LLM综合回答依赖模型原生Function Calling能力或Prompt工程实现 3. 记忆模块短期记忆：对话上下文长期记忆：向量数据库存储历史经验 4. 多Agent架构分工型：不同Agent负责规划、执行、验证竞争型：多方案投票选出最优解典型应用场景场景 Agent价值代表产品智能客服自主查询订单/物流/退款，无需人工介入阿里小蜜数据分析自动写SQL、生成图表、解读结论 ChatGPT Code Interprete…

#Agent 架构#工具调用#AI Agent 架构

面试题·Prompt· 百度

AI Agent 三大组件原理

匹配正文：…流程：模型生成调用参数 → 系统路由到对应函数 → 结果返回给模型继续决策 3. 记忆系统（Memory）类型作用实现方式短期记忆当前对话上下文滑动窗口的Conversation Buffer 长期记忆跨会话知识积累向量数据库（如Milvus/Chroma）+ Embedding检索实体记忆关键信息抽取结构化存储（知识图谱/数据库）典型运行流程用户输入 → 规划模块拆解任务 → 循环执行（推理→选工具→调用→观察） ↓ 记忆模块实时读写 ← 完成/失…

#百度#Agent#AI Agent 设计

面试题·Prompt· 美团

Agent 四大基础能力详解

匹配正文：…层规划：高层抽象策略 + 低层具体动作 3. 记忆（Memory）作用：存储上下文信息，分三类：工作记忆：当前对话/任务窗口短期记忆：会话级上下文（如RAG检索的片段）长期记忆：用户画像、历史经验（需向量库存储）重要性：支撑个性化和持续学习，避免"金鱼式"交互 4. 工具调用（Tool Use）作用：通过Function Calling与外部系统交互（搜索、计算、数据库、API）重要性：突破模型参数知识的边界，实现行动落地。需设计：工具描述的标准化（OpenA…

#美团#评估与监控#Agent

面试题·Prompt· 百度

Agent 性能优化：架构与推理陷阱

匹配正文：…层、工具层，降低耦合采用多Agent协作：主Agent负责任务分解，子Agent并行执行子任务，通过消息总线通信记忆机制设计短期记忆：对话上下文窗口管理，关键信息提取长期记忆：向量数据库存储历史经验，支持RAG式检索工作记忆：当前任务相关的临时状态维护推理策略优化推理范式选择 CoT（思维链）：复杂推理任务，显式生成中间步骤 ReAct：需要工具调用的场景，推理与行动交替进行 ToT（思维树）：多路径探索，用投票或评估选择最优解效率优化自适应推理深度：简单任…

#百度#Agent#Agent 性能优化

面试题·Agent· 百度

Agent模块协作机制与失败场景

匹配口述回答：…规划，比如退款、发券、改订单，必须走状态机或审批流；模型可以负责解释和参数建议，但最终执行路径由系统约束。记忆模块分短期和长期。短期记忆保存当前任务上下文、已完成步骤、工具 observation；长期记忆保存用户偏好、历史工单、领域知识和工具经验。长期记忆可以用[[向量库]]、关系库或图数据库，但写入时要做重要性评分和去重，不然越存越乱。读取时也要带权限和时间过滤，避免拿到过期或无权访问的信息。行动模块负责工具调用。每个工具都要有 schema、权限等级、超时配置、是否…

#百度#Agent#Agent 系统架构

面试题·Agent· 快手

Agent 系统实现流程与核心组件

匹配追问：…？直球架构请画出大模型Agent系统的整体架构图，详细说明任务规划、工具调用和记忆管理这三个核心模块的设计思路和交互流程，包括短期记忆和长期记忆如何区分、ReAct模式怎么落地。

#快手#Agent#Agent 系统实现

面试题·Agent· 商汤科技

ReAct 与 CoT 怎么选？

匹配口述回答：…的异常恢复机制，比如连续失败多少次后应该主动上报人工。另外，记忆管理也是个大坑，长对话中Agent容易忘记前面的上下文，需要设计好短期记忆和长期记忆的切换策略。还有一个方向我最近比较关注，就是[[Multi-Agent]]协作。当单个Agent面对复杂任务时，往往需要多个专业Agent分工，比如一个负责规划、一个负责检索、一个负责验证。但如何协调它们之间的通信和冲突，目前还没有特别成熟的方案，这也可能是未来Agent落地的关键瓶颈。所以总的来说，我会把Agent模式看成一…

#商汤科技#Agent#AI Agent 行为模式

面试题·Agent· 美团

Agent 主流架构怎么选?

匹配口述回答：…nt加意图分层路由，但前提是每个Agent的边界要划清楚，不然协调成本比收益还高。另外还有几个组件我觉得很关键。一个是记忆模块，短期记忆就是对话历史，长期记忆得用[[向量库]]存，不然上下文一长就丢。另一个是反思机制，像 [[Self-Refine]] 和 [[Reflexion]]，让Agent自己检查结果对不对，错了重来。但反思不是白送的，它多一次LLM调用，延迟和成本都在涨，得看场景值不值得。其实现在还有一个趋势，就是把Agent和 [[RAG]] 结合起来，叫[[…

#美团#Agent#Agent 架构设计