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 选型」找到 124 条内容
按专题浏览 →匹配口述回答：…数据分析假设中，生成 SQL 只是中间产物。系统还要限定可访问的数据集、最大扫描量、超时、敏感列和只读事务；查询结果为空或异常时，Agent 应返回证据不足，而不是改写结论。自然语言解释需要携带口径与查询版本，方便复现。若用户要求写入或发送报告，则进入新的授权动作，不能沿用只读权限。 对比实验不仅看任务是否完成，还要看错误动作的严重度。工作流可能覆盖率低但稳定，Agent 可能覆盖更多长尾却增加不可预测错误；多 Agent 可能并行但状态同步更难。选型应根据风险加权任务成功、…
匹配口述回答：…一个最大重试次数，超时了就主动告知用户“查询暂时不可用”，而不是让Agent一直等。 对了，还有一个点值得聊：当任务特别复杂时，单Agent可能不够，需要[[Multi-Agent]]协作，一个负责规划，一个负责执行，一个负责校验。不过这会引入通信开销和一致性维护的问题，具体怎么设计要权衡。 所以总的来说，我更倾向把LLM看成Agent的“大脑”，而Agent本身是一个完整的智能体系统。选型的时候，我会先判断任务是否需要多步交互和外部数据，如果是，就上Agent，否则纯LLM…
…说白了，不是搭个仿真跑通就行，而是要考虑状态、反馈、扩展、安全这些环节怎么选型、怎么取舍。 先说状态空间建模。核心是区分环境状态、Agent观测与历史依赖。先区分环境的真实状态与给Agent的观测，部分可观测任务不要求Agent看到所有真实状态，比如自动驾驶，光有摄像头图像不够，还得有速度、转向角、GPS这些。但也要区分是完全可观测还是部分可观测，比如棋类是完全的，但机器人抓取，视觉有遮挡，就需要用状态堆叠或者RNN隐状态来引入历史信息。这里有个坑：状态不是越多越好，冗余信息…
学习内容与项目面试，在同一条路上。