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。
「LLM Agent 架构」找到 269 条内容
按专题浏览 →匹配正文：…，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。很多调用在程序上成功，研究结果却没有新增可靠证据。 所以面试官问“Agent 怎样选择工具”时，真正想听的是： 工具能力怎样描述，前置条件和输出证据等级怎样建模，路由由模型还是规则决定，如何处理失败、重复和权限，以及怎样评测工具选得对不对？ 四个工具解决的是四种不同问题 …
匹配正文：后端工程师是转大模型应用开发最有优势的人群。服务化、数据处理、性能优化、系统设计这些存量能力,占大模型应用岗日常工作的一半以上,真正要补的只有「模型这一层」:LLM 怎么工作、RAG/Agent 两套范式,以及一套从「确定性对错」换成「概率 + 评估」的新直觉。别推倒重来,把已有经验翻译成大模型系统的语言就够了。 作者:吴师兄 | 适合:Java/Go/Python 后端、数据开发、想转大模型应用岗的在职工程师与在校后端方向学生 | 前置:写过服务化项目,了解应用岗和算法岗的…
匹配正文：大模型简历的核心不是堆名词,而是让每个项目从三个维度都立得住:工程维度(你搭了什么)、业务维度(为谁解决什么)、结果维度(用什么指标证明有效)。三维齐全、数字可追问,面试官才信你真做过,一面才不会穿。反过来,只写"熟悉 RAG / Agent / LangChain"而没有一个场景、一个数字,HR 和面试官都无法判断你是做过还是背过,直接归到"背名词"那一档。 作者:吴师兄 | 适合:准备投大模型岗、卡在项目怎么写的在校生和转行后端 | 前置:手上已有或正在做一个 RAG /…
学习内容与项目面试，在同一条路上。