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。
「ReAct 范式」找到 39 条内容
按专题浏览 →匹配正文：答案要点 Agent调优的三种主要范式（SFT、RL、Prompt工程）及其适用场景 工具调用能力的专项优化方法 当前主流Agent应用的技术架构特点 多Agent系统的协作机制设计 Agent系统调优的三大路径 1. 监督微调（SFT） 工具调用数据构造：收集高质量的工具调用轨迹（trajectory），包括思考过程（thought）→工具选择→参数填充→结果观察的完整链条 ReAct格式微调：用"Thought: ... Action: ... Observation: …
匹配正文：…n Calling，完成单步或简单多步任务（订机票、写代码） 核心挑战：工具描述的准确性、参数填充的可靠性、错误恢复机制 突破点：ReAct范式（推理+行动交错）、工具学习（Tool Learning）、多模态工具理解 阶段二：复杂规划与分解（正在探索） 特征：自主拆解复杂目标，动态调整执行计划 核心挑战：规划的可验证性、长期任务中的状态跟踪、资源消耗控制 突破点：Hierarchical Planning（如HuggingGPT）、反思机制（Self-Refine）、世界模…
匹配正文：答案要点 明确Agent核心能力边界（规划、记忆、工具、执行） 阐述ReAct/CoT等推理范式选择依据 设计可扩展的工具注册与调用机制 说明记忆模块的分层设计（短期/长期） 考虑安全与异常处理机制 整体架构：分层解耦的模块化设计 ┌─────────────────────────────────────┐ │ 交互层 (API/GUI) │ ├─────────────────────────────────────┤ │ 推理引擎层 │ ReAct/CoT规划器 │ │…
学习内容与项目面试，在同一条路上。