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 长期记忆」找到 77 条内容
按专题浏览 →匹配正文：答案要点 Reflection机制的定义与作用：自我评估、错误修正、策略优化 Memory的分类与功能：短期记忆（上下文）、长期记忆（知识库/经验） 两者对决策质量的影响：减少重复错误、提升推理深度 对协同效果的影响：共享记忆促进协作、反思机制避免集体偏差 实际落地中的挑战：记忆一致性、反思开销、信息过载 Reflection（反思）机制 核心作用：自我修正与策略迭代 执行后反思：智能体完成任务后，评估结果与预期的差距，识别失败原因 过程中反思：在推理链中间步骤暂停，检查当前…
匹配正文：…exion、Self-Refine等框架） 提及与ReAct、CoT的区别与结合 Reflection机制的核心功能 本质定义：让智能体具备"自我观察→评估→修正"的元认知能力，形成执行-反馈-改进的闭环。 单智能体层面 错误识别：检测自身输出的事实错误、逻辑漏洞或目标偏离 策略优化：基于执行轨迹反思规划路径是否合理，如"刚才工具调用顺序是否有问题" 记忆沉淀：将反思结论写入长期记忆，避免重复犯错 多智能体协作层面 通信校准：反思自身表达是否被其他智能体正确理解，减少歧义 角…
…统时，比如既要查数据库又要调API，ReAct 的规划能力会受限于模型的上下文窗口，这时候怎么分治？我倾向于引入 [[Multi-Agent]] 架构，每个[[Agent]]负责一个子任务，通过消息传递协作。这个方案目前还在探索，但我觉得是未来处理复杂工作流的关键。 所以整体上，我不会把任何一种方法当成银弹。我更倾向先分析任务的特性：工具调用频率、步骤确定性、是否需要长期记忆，然后组合一个最轻量的方案。 定位问题本质：规划方法与工具调用范式的取舍 四种方法的核心差异与边界划分…
学习内容与项目面试，在同一条路上。