匹配正文：…and-Execute是先完整规划适用：复杂多步骤任务（如旅行规划）、需要成本预估的场景 4. Reflexion 核心：执行后自我反思，将失败经验写入记忆 vs ReAct：ReAct是即时反思，Reflexion是事后总结+长期记忆适用：需要持续学习的长期任务、代码生成优化选型建议场景特点推荐方案工具调用频繁、需实时反馈 ReAct 解空间大、需探索多种可能 ToT 步骤明确、追求执行效率 Plan-and-Execute 长期迭代、需积累经验 Reflexi…

#商汤科技#Agent#ReAct 替代方案

面试题·Agent· 淘天

传统 RAG 有哪些痛点?

匹配正文：…索-拼接-生成"的线性范式。学习建议掌握RAG基本流程，结合实际案例理解检索与生成间的瓶颈，对比进阶方法如Graph RAG、Agent增强。

#淘天#Agent#RAG 痛点

面试题·评估· 字节

ReAct vs 传统规划怎么选?

匹配口述回答：…的，比如智能客服，用户意图可能中途变，那Planning的全局规划很容易失效。这时候可以引入 [[Reflexion]] 机制，让Agent在每次执行完一个子任务后自我反思，把反思结果反馈回规划层动态调整。这其实就是把两种思路进一步融合了。所以我的判断是：ReAct和Planning不是互斥的，而是互补的。我更倾向根据任务复杂度、环境确定性和实时性要求来动态选择。比如简单任务直接用ReAct，复杂但稳定的任务用Planning，复杂且动态的任务就用混合架构。上线前我会特别关…

← 上一页第 2 / 2 页

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

#字节#百度#评估与监控

面试题·模型微调· 滴滴

大模型落地技术范式怎么选?

匹配口述回答：…具调用、记忆和规划，去完成复杂多步任务。比如订单异常处理，模型可能需要先查订单系统、再调地图服务、最后发通知，每一步都要自主决策。Agent的上限很高，但稳定性是个大问题，工具调用失败、规划不合理、安全风险，都是常见失败场景。所以我的判断是，Agent适合那些流程确定但步骤多的任务，而且上线前一定要做好异常兜底和人工复核。说到Agent，我最近比较关注它的自我反思能力，比如 [[Reflexion]] 这类机制，模型执行完任务后能回顾自己的错误并修正，这在一定程度上缓解了稳…

#滴滴#模型微调#Agent

面试题·Prompt· 美团

ReAct 框架怎么工作？

匹配口述回答：…链天然提供了可解释性，但同时也暴露了模型的推理路径，如果中间某步推理错了，整个答案可能就偏了。我比较关注怎么在ReAct基础上加入自我反思机制，比如让模型在Observation之后多一步校验，确认结果是否合理，不合理就回溯重来。这个方向其实已经有一些工作在做，比如[[Self-Refine]]或者[[Reflexion]]，通过引入外部反馈来修正推理轨迹。所以整体上，我会把ReAct看作[[Agent]]任务的基础框架，它解决了『想和做脱节』的核心矛盾。但在实际工程里，我…

#美团#Agent#ReAct 框架

面试题·评估· 小红书

RAG 有哪些主要缺陷?

匹配口述回答：…dge Graph]] 做结构化推理。但这也引入新风险，Agent 可能陷入死循环，所以上线前我会特别关注超时和重试策略。说到 Agent，其实 RAG 的下一步就是 [[Agentic RAG]]，让模型自己决定什么时候检索、检索什么、怎么整合。但这里有个关键问题：怎么保证 Agent 的决策是可靠的？比如它可能因为一次错误检索就放弃正确答案。我最近在关注 [[Self-RAG]] 和 [[Corrective RAG]]，让模型在生成过程中自我反思，发现矛盾就重新检索。…

#小红书#RAG 局限性#RAG 缺陷