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落地」找到 346 条内容
按专题浏览 →匹配口述回答：…时候该用，参数用严格的 JSON Schema 定义。再补充防御性，每个工具都要加超时、熔断和结果校验，不能让一个慢工具把整个[[Agent]]拖死。 接着说调用范式，主流两种。一种是 [[Function Calling]]，模型原生支持，一次输出结构化的调用参数，适合流程简单、工具确定的场景，比如客服填单。另一种是 [[ReAct]]，模型走思考-行动-观察的循环，可以自我纠错，适合多步推理、需要反思的任务，比如生成研报。落地时我通常两者混用，高频确定的任务用Functi…
匹配口述回答：…调用、记忆一个一个列出来，但我觉得更重要的是理解它们之间的协作关系，就像流水线一样，缺一个环节就会卡住。 先说感知和记忆。感知就是Agent的“眼睛和耳朵”，接收用户指令、环境状态、工具返回的结果，把非结构化信息转化成模型能理解的上下文。记忆呢，分短期和长期。短期就是当前对话上下文，受限于上下文窗口；长期靠 [[Vector Database]] 存历史经验、用户偏好、领域知识。这里有个边界划分：感知负责“当下看到什么”，记忆负责“过去知道什么”。落地时，如果任务依赖历史交互…
匹配追问：场景切入 假设我们团队现在要做个外卖配送的智能调度Agent，需要在线模拟各种订单压力来训练策略。从环境搭建的角度，你第一反应会设计哪些关键结构？比如状态空间、奖励反馈这些怎么落地？ 层层追问 训练RL Agent一般环境很重要，你平时怎么设计一个能支撑复杂决策的环境？……那状态空间怎么保证Agent看得全又不冗余？……如果动作反馈有延迟，比如用户满意度要到订单结束才出来，这个奖励怎么给？ 直球架构 直接说设计一个强化学习训练环境，核心要考虑状态空间建模、动作反馈机制、稳定性…
学习内容与项目面试，在同一条路上。