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 →匹配追问：场景切入 假设我们做一个智能客服Agent，用户问“帮我查一下昨天订单”，然后又说“把它取消”——Agent需要怎么知道调用查询API还是取消API？你一般会设计哪些类型的工具来支持这类操作？ 层层追问 Agent要调用外部工具，你觉得通常有哪些类型？……那除了信息检索类的，还有没有执行类的？……比如计算、代码执行也算吧？……那如果需求是操作业务系统呢，比如下订单、发通知，这些怎么接入？ 直球架构 请列举大模型Agent系统中可以调用的工具和API类型，并说明每种类型的典型用…
匹配正文：…、分层协作、状态共享） 能结合具体框架（如AutoGen、CrewAI、LangGraph）说明实践差异 能讨论中心化vs去中心化架构的权衡 能提及容错与动态扩展等工程考量 多Agent系统的基本结构 核心组件四层结构： Agent本体层：每个Agent包含LLM推理引擎、工具集（Tools）、记忆模块（短期/长期）、角色定义（Persona） 通信层：消息总线（Message Bus）或点对点通道，支持同步/异步通信，常见模式：直接对话、广播、黑板机制 协调层：任务分解器、…
匹配追问：场景切入 假设我们做一个客服智能助手，需要让大模型自己决定调用查订单、查物流等工具。除了直接用OpenAI function calling，市面上还有哪些框架能帮我们快速搭起来？你实际落地时会选哪个？ 层层追问 你了解哪些大模型Agent框架？……它们各自的核心设计思路是什么？……假如要做一个多角色协作的软件生成任务，你觉得哪个框架更合适？ 直球架构 请直接对比LangChain、AutoGPT和MetaGPT这三个主流Agent框架，说说它们各自的特点、适用场景和主要局限…
学习内容与项目面试，在同一条路上。