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。
「Memory 机制」找到 67 条内容
按专题浏览 →匹配正文：答案要点 明确Agent四大核心组件（规划、记忆、工具、执行）的定义与职责 阐述模块间数据流与协作机制（如观察-思考-行动的循环） 说明记忆的分层设计（短期/长期/外部知识） 体现对实际工程权衡的思考（同步vs异步、容错机制） 核心架构：ReAct范式扩展 智能Agent的本质是**"观察-思考-行动"的闭环系统**，我将其拆解为四个核心模块： 1. 规划模块（Planning） 职责：将用户目标拆解为可执行的子任务，选择策略（单步/多步/树状搜索） 关键设计：支持Plan-…
匹配正文：…ght → Action → Observation，支持工具调用和推理交织 CoT/ToT：链式/树式思维，单体内完成复杂推理 Memory分层：短期工作记忆 + 长期向量记忆 适用场景：任务边界清晰、工具调用链可控、无需外部协作的闭环任务 多智能体架构 三种拓扑结构 类型 特点 代表框架 集中式 Manager统一调度，Agent专精执行 MetaGPT 分布式 Peer-to-peer协商，无中心节点 AutoGen 混合式 分层管理，局部集中+全局分布 CrewAI …
匹配正文：…tialChain） 固定步骤的流水线任务 Agents 动态决策：LLM自主决定调用哪个工具、下一步动作 多工具协作的复杂任务 Memory 对话历史的存储与注入 多轮对话、长期个性化 关键集成机制 工具绑定（Tools） 工具 = 函数签名描述（name/description）+ 实际执行体 LLM通过Function Calling或ReAct提示解析用户意图，输出工具调用JSON Agent循环：Thought → Action → Observation → ..…
学习内容与项目面试，在同一条路上。