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」找到 206 条内容
按专题浏览 →匹配正文：…权限/监控/成本 文档解析 → 分块 → bge 向量检索 + 重排两路召回,加检索失败兜底与查询改写,接入调用日志监控单次成本 ReAct 迭代循环 + 工具注册(搜索/抓取/计算),长程记忆做上下文压缩,关键工具调用加权限确认与 trace 回放 业务维度 场景/用户/数据源/约束/边界 面向某垂直领域内部文档问答,数据源是几百篇 PDF/网页,约束是必须给引用出处、不许编造 面向研究简报生成,用户是需要多源交叉的分析岗,约束是可追溯来源、控制单次任务 token 预算 …
匹配正文：…:检索链路(切块策略、嵌入选型、混合检索、重排)、评估指标。 Agent 方向:工具调用与规划(Function Calling、ReAct、失败恢复、多步编排)。 微调方向:LoRA/QLoRA 原理、数据构造、灾难性遗忘。 推理方向:KV Cache、量化、批处理与吞吐优化。 这些在领域八股速通里按模块整理好了,题库入口在 /questions,每道题有书面答案和口语版讲法。练的重点是「能顺畅讲出来」,不是「看懂点头」——面试是口试,看懂和讲清楚之间差一个数量级。 技术二…
匹配正文：…框架」 用过其一即可,更看重你知道框架替你做了什么 用框架重写一遍你的最小 RAG 「熟悉 Function Calling / ReAct / MCP」 Agent 岗核心项,会追问实现细节 MCP 入门、工具调用 「熟悉大模型微调」 应用岗通常只考 LoRA/SFT 概念与「何时微调 vs 何时 RAG」 题库「模型微调」模块的判断类真题 「熟悉推理优化(vLLM、量化、KV Cache)」 部署方向核心项,其他方向是加分项 题库「推理优化」模块 「良好的工程能力」 代码…
学习内容与项目面试，在同一条路上。