搜索大模型内容

#Agent#架构与规划#Agent 和 Workflow 区别

LLM、Workflow 和 Agent 怎么选？什么任务根本不该做成 Agent

匹配正文：…选型不是先问用哪个框架，而是先找到最小、可验证、可约束的自治范围。真实系统更常见的是混合架构把 LLM、Workflow 和 Agent 画成三个互斥选项，会误导设计。更实用的方式是把一个任务拆成不同责任层。最外层：代码定义不可越过的边界包括身份认证、租户隔离、数据权限、可用工具、总耗时、最大步数、Token 预算、危险操作确认和审计。这些规则不应该只写在 Prompt 里。Prompt 可以提醒模型遵守，但后端必须再次执行确定性检查。中间层：Workflow 固定…

Agent Planner 生成的计划为什么不能直接执行？怎么校验和动态重规划

匹配正文：…这类规则不应仅依赖 Planner 自觉生成，应由模板或 Policy 检查器强制验证。第五层：权限与副作用用户能否访问数据，Agent 是否有权调用工具，动作是只读还是写入，是否需要人工确认，全部由后端判断。模型写在计划里的 risk=read_only 只是请求声明，系统要按真实工具元数据重新计算。第六层：预算与可完成性估计节点数量、串并行关系、必需工具和剩余预算。如果计划明显超出任务允许的总耗时或工具次数，应要求缩减、拆分或转异步，而不是执行到一半才发现无法完成…

#Agent#架构与规划#Agent 计划校验

Agent 反思机制怎么落地？Reflector 和 Critic 不能只让模型“再想一次”

匹配正文：…试的修复、剩余风险和建议选择，让接手者能从明确状态继续。人工结论也要写回状态，并标明由谁在什么规则版本下作出决定。人工介入不是 Agent 失败的遮羞布，而是设计好的安全出口。评估时要记录什么缺陷最常触发人工，区分合理升级和自动化能力缺口。没有真实数据时，只定义记录字段，不预填介入率目标。若人工经常重复做同一种确定判断，可以把它沉淀成规则；若判断依赖领域责任和风险承担，则不应为了提高自动化比例强行交回模型。面试官会怎样连续追问追问一：Reflector 和 Criti…

#Agent#架构与规划#Agent 反思机制

#Deep Research#研究工具与稳定性#Deep Research 工具路由

Deep Research 有 Search、Visit、Scholar 和 Python，Agent 怎样选对工具？

匹配正文：给 Agent 接上四个工具，并不等于它真的会做研究。 Search 适合发现候选来源，Visit 适合读取正文，Scholar 适合寻找论文元数据与学术出处，Python 适合计算和数据处理。它们看起来分工明确，实际运行时却经常被混用。模型可能只看搜索摘要就下结论，也可能没有 URL 便直接调用 Visit；本来查官方文档的问题，它反复使用 Scholar；一个简单换算，它不用计算工具而是凭语言模型心算；工具失败后，又不停重试同一路径。这些错误不会总表现为接口报错。很多…

大模型技术栈全景:RAG / Agent / 微调 / 推理 / 评估各是什么、面试考多少、怎么学

匹配正文：大模型应用开发不是学"一个东西",而是一张地图:RAG、Agent、Prompt 与上下文、评估与监控、重排与检索、模型微调、推理部署几个方向,各自解决不同问题、考察热度也差很多。转行者最该避免的坑是"全都学一遍",正确做法是按面试频率和自己的背景挑一条主线做深。这一页就是全站技术地图的枢纽,帮你先看清全貌再决定学哪条。作者:吴师兄 | 适合:刚决定转大模型、面对一堆名词不知从哪下手的人 | 前置:知道应用岗和算法岗的区别,看过路线图大模型技术栈到底有哪些方向一句话结论…

#Agent#工具调用与安全#Agent 工具成功判断

Agent 工具返回成功就算完成了吗？调用、执行、业务成功要分三层判断

匹配正文：…目标仍然没有完成。反过来，工具返回空结果不一定是系统故障，也可能是合法业务结果。若所有情况都压成一个 success: true，Agent 就无法判断下一步，监控也会把大量业务失败算成成功。更稳的设计，是把成功拆成三层：调用协议成功、工具执行成功、业务目标成功。三层分别由不同证据判断，也对应不同责任人和失败出口。只有把它们分开，才能解释“接口没报错但答案错了”“工具查到了数据但任务没完成”以及“工具返回空为什么不该无限重试”。先给出 30 秒回答 Agent 工具成功至…

#Agent#工具调用与安全#Agent 写操作幂等

Agent 调用写操作怎么防误执行？副作用分级、幂等、确认和审计怎样做

匹配正文：面试官可能会问：“如果 Agent 能发消息、改配置、创建订单，模型重复调用或者参数填错怎么办？” 把 API 接通只解决了工具调用的起点。更困难的工作，是让错误动作没有机会变成真实损失。读一次公开网页和删除一条业务记录，不能使用同一套权限、重试和确认策略。模型输出结构化 tool call，也不代表它理解业务后果，更不代表后端应该直接执行。安全设计的核心是把决策权拆开：模型可以提出动作，策略层判断这个动作当前是否允许，用户或审批人确认高风险意图，执行层使用幂等和状态机保证…

做一个 Agent 项目怎么做:从最小 Agent 到 Deep Research

匹配正文：…。证据具体产物面试会怎么追问 ① 任务定义这个 Agent 解决什么任务、输入输出边界、什么算成功 "为什么这个任务需要 Agent 而不是一次 RAG 就够?" ② tool schema / 工具注册每个工具的名字、参数 JSON schema、描述 "模型怎么知道该调哪个?描述写不好会怎样?" ③ agent loop 决策—调用—观察—再决策的主循环,带步数上限 "循环不收敛怎么办?最大步数设几、为什么?" ④ memory 设计短期(对话/中间结果)与长…

#Agent#工具调用与安全#MCP 和 Function Calling 区别

MCP 和 Function Calling 有什么区别？Agent 工具接入时两者怎样配合

匹配正文：…ost 侧认证当前用户；根据任务与权限过滤 Server 和工具；限制模型可见能力；对高风险 tool call 做确认；控制 Agent 总步数、时间和预算。 Client 侧管理连接、Server 身份、协议版本、超时和错误；为调用附加可信上下文；避免把凭证暴露给模型。 Server 侧再次鉴权与授权；校验参数和资源范围；隔离数据；执行限流、沙箱、幂等和审计；拒绝越权调用。模型侧遵守工具说明、选择工具和使用结果，但不承担最终安全责任。Prompt 中的限制是辅助…

#Agent#记忆与存储#Agent 记忆写入机制

Agent 长期记忆什么时候写入？从候选提取到更新、冲突和遗忘的完整生命周期

匹配正文：面试官可能会问：“用户随口说了一句偏好，Agent 要不要立刻记住？” 这不是一道“接个向量数据库就行”的题。真正困难的是决定什么值得跨会话保存，谁有权保存，旧信息怎样被更新，冲突时相信哪一条，以及用户要求忘记后怎样确保它不再被召回。如果 Agent 把每轮对话都写成长期记忆，临时要求、错误推断和敏感信息会不断积累。下一次检索虽然能找到“相似内容”，却可能把已经过期的偏好当成当前事实。反过来，如果系统什么都不写，跨会话体验又会从零开始。因此，回答应围绕一条可审计的记忆生命…

#Agent#记忆与存储#Agent 记忆检索排序

Agent 从海量记忆里怎么找对内容？相关性、时间性和重要性怎样组合

匹配正文：…图、过滤、候选、重排、注入和最终引用 Trace。正确条目未入候选是召回问题，入候选未进预算是排序问题，已注入但未使用是生成或任务设计问题。怎样口述一条可信的记忆检索链路我会把 Agent 记忆检索分成硬过滤、候选生成、软重排和上下文注入四层。先从当前任务提取主体、项目、记忆类型和时间范围，用租户、权限、有效状态、版本与用途做硬过滤；再结合结构化查询、关键词和向量生成候选。重排时综合语义相关性、实体与作用域、时间性、业务重要性、来源可信度和条件匹配，不给所有记忆类型套一组…

#Deep Research#数据构造与训练#Deep Research 工具选择

训练数据里 Search 太多，为什么 Agent 遇到什么都想先搜？

匹配正文：一个调研 Agent 面对“水的化学式是什么”，先调用 Search；面对简单乘法，也想搜网页；真正需要访问原文时，却停在搜索摘要。很多团队会先怀疑 Prompt 没写好，或者模型太小。但如果训练轨迹里大量任务都以 Search、Visit 开头，模型可能只是忠实模仿了高频动作。它没有学会判断“当前缺什么信息”，而是把“收到问题”与“先搜索”绑定在一起。相关首次训练记录里，就出现了简单问题仍偏 Search 的现象，材料同时指出 Search、Visit 轨迹偏多可能是…

#Deep Research#数据构造与训练#Deep Research 多阶段训练

Deep Research Agent 训练中，CPT、SFT 和 GRPO 应该怎样取舍？

匹配正文：…励比较任务完成、格式、证据与过程。但直接让一个连工具格式都不会的基座做 RL，采样可能几乎都无法执行，组内也缺少有效差异。多阶段设计就是把“建立偏置”“学会规矩”“优化策略”拆开，让每一层拥有更匹配的训练信号。单次 SFT 与多阶段训练的能力差别 SFT 负责建立可执行起点，环境策略优化解决示范之外的选择。阶段零：Agentic CPT 在打什么底子？ CPT 是持续预训练。Agentic CPT 让基础模型更多接触 Agent 相关行动和决策结构，目标并非教会某一道具…

#Agent#多智能体与评估#单 Agent 和多 Agent 区别

复杂任务一定要拆成多 Agent 吗？单 Agent 与多 Agent 怎么选

匹配正文：…int 和失败恢复。它的关键特征是：主要决策由同一个角色和一套核心上下文完成，目标、工具结果和后续动作都在同一控制循环里。这套设计的优势是状态路径短。模型不需要把中间结论翻译成另一个 Agent 的输入，调试时可以沿同一 Trace 看计划、工具和答案。对于目标明确、步骤不多、工具集合可控、上下文共享度高的任务，单 Agent 通常是最小可行方案。不要为了“看起来像 Agent 团队”，把同一个 Prompt 复制三份再换名字。若三个角色使用相同模型、相同上下文、相同工…

领域八股速通:RAG / Agent / 评估 / 微调高频考点地图

匹配正文：…什么你能不能设计工具调用、管好上下文与记忆、处理失败与死循环、控成本,让多步任务稳定收敛先看哪个 Deep Research Agent 教程:从 ReAct、工具、记忆到评估代表题型 "Agent 怎么规划任务""工具调用失败怎么重试""上下文爆了怎么办""怎么防止 Agent 陷入死循环" 项目里怎么体现讲你的工具注册与权限确认、trace/replay 怎么做、失败恢复和成本控制的具体机制刷题去 Agent 题库。 Prompt 工程(77 题):验证你会不会…

#Agent#多智能体与评估#多 Agent 编排模式

多 Agent 怎么编排？固定流水线和 Supervisor 监督模式怎么选

匹配正文：…口，关键事实无来源则阻止报告进入发布。合并节点比 Supervisor 更适合执行这些确定性条件。没有真实运行数据时，只描述并行设计和观测口径，不承诺具体时延收益。 Supervisor 怎样避免无限循环动态调度最常见的故障是 Worker 返回信息不足，Supervisor 再派同一任务，两个角色不断改写措辞却没有新增证据。系统需要硬预算：最大调度轮次、每个角色调用次数、工具预算、时间或 Token 上限。达到上限后进入降级、人工确认或带缺口结束，不能只在 Promp…

大模型系统设计和编码环节怎么准备

匹配正文：…目考察重点站内承接设计一个企业知识库问答系统(RAG) 切块/检索/重排、防幻觉、引用、评估闭环 RAG 系统怎么从零搭起设计一个多步 Agent / 工作流(如深度调研助手) 任务拆解、工具调用、记忆、循环终止、失败重试 Deep Research 这类 Agent 怎么设计设计一个高并发大模型推理服务批处理、KV Cache、并发调度、显存、限流降级服务化章和推理优化题库设计一个带评估的内容审核/分类系统 Prompt 分类 vs 微调、评估指标、误报…