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。
「Agent」找到 471 条内容
按专题浏览 →匹配正文：…RAG的深度集成 不是简单拼接，而是能力融合： 层级 集成方式 检索即工具 RAG作为knowledge_retrieval工具，Agent按需调用 记忆增强 检索结果注入工作记忆，参与推理过程 主动检索 规划阶段识别知识缺口，触发预检索 双向反馈 Agent的执行日志回流优化RAG的索引策略 设计考量： 检索结果置信度低时，Agent应主动追问澄清而非直接回答 多跳推理场景：Agent分解问题→多次检索→逐步聚合答案 四、关键设计权衡 决策 选择 原因 规划粒度 动态自适应…
匹配题目：当AI Agent需要维护超长历史记忆（如数千轮对话或跨天任务上下文）时，受限于模型上下文窗口和推理效率，无法将全部历史直接传入模型。请设计一个高效且可扩展的记忆管理机制，涵盖短期与长期记忆的分层架构、基于语义与时间等维度的检索策略、记忆的动态更新与选择性遗忘机制，并说明如何结合检索增强生成（RAG）实现上下文压缩与信息保留的平衡。
匹配正文：Agent vs LLM：从"问答"到"行动" LLM是被动响应器，Agent是主动决策者。核心差异在于Agent具备目标驱动和环境交互能力——能分解任务、调用工具、根据反馈调整策略。 四大核心模块 1. 规划（Planning） 任务分解：将复杂目标拆解为可执行的子步骤（如"订机票"→查航班→选座位→支付） 推理策略：CoT（链式思考）、ToT（树状搜索）、ReAct（推理+行动交错） 动态调整：根据执行反馈重新规划（如工具调用失败时换备用方案） 2. 记忆（Memory）…
学习内容与项目面试，在同一条路上。