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 适用场景」找到 107 条内容
按专题浏览 →匹配正文：…：按Schema输出结构化参数（通常是JSON） 执行与回填：外部执行工具，结果返回给模型生成最终回复 实现方式对比 方案 特点 适用场景 Prompt-based 工具描述写入system prompt，靠模型遵循指令输出固定格式 快速验证、轻量场景 Native Fine-tuned 模型专门训练识别<tool_call>等特殊token，输出更稳定 生产环境（GPT-4、Claude等） ReAct模式 Thought → Action → Observation循环，…
匹配正文：…特性 给出具体场景选型建议 主流框架对比 LlamaIndex — "数据索引优先" 核心定位：从RAG工具包演进为"数据框架"，Agent是索引能力的自然延伸 关键设计：索引（Vector/KG/Document）是first-class citizen，Agent通过query_engine/chat_engine封装检索+推理 适用场景：知识密集型任务，如企业文档问答、研报分析 优势：数据接入极丰富（100+ loaders），检索链路优化深入 AutoGPT / Ba…
…说‘帮我查一下上个月的订单’，你打算怎么设计？是先规划好所有步骤再执行，还是边想边问系统拿数据？这两种思路你比较过吗？ 层层追问 Agent做决策时，你觉得是先计划再执行好，还是边推理边行动好？……如果环境会变化，比如查价格时库存突然变了，哪种更稳？……那长任务比如行程规划呢，会不会出现走偏的问题？ 直球架构 从设计理念到流程，对比ReAct和传统Planning在Agent行为决策中的差异，包括优缺点和适用场景。你先讲核心区别，再分析各自在什么情况下更优。
学习内容与项目面试，在同一条路上。