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 工具调用」找到 295 条内容
按专题浏览 →匹配正文：单智能体架构 核心模式 ReAct循环：Thought → Action → Observation，支持工具调用和推理交织 CoT/ToT：链式/树式思维，单体内完成复杂推理 Memory分层：短期工作记忆 + 长期向量记忆 适用场景：任务边界清晰、工具调用链可控、无需外部协作的闭环任务 多智能体架构 三种拓扑结构 类型 特点 代表框架 集中式 Manager统一调度，Agent专精执行 MetaGPT 分布式 Peer-to-peer协商，无中心节点 AutoGen 混合…
匹配正文：核心定位差异 框架 核心定位 设计哲学 LangChain 通用Agent编排框架 "Chain"为中心，强调组件组合与流程控制 LlamaIndex 数据增强型RAG框架 "Index"为中心，专注知识检索与上下文注入 LangChain 详解 核心抽象 Chain：将LLM调用、工具执行、数据转换串联成管道 Agent：ReAct循环，由LLM动态决策工具调用序列 Memory：对话历史的显式管理（Buffer/Window/Summary等） 适用场景 多步骤复杂工作流…
匹配正文：核心优势 能力边界突破 通过工具调用（Function Calling）突破LLM固有知识限制，实时获取信息、执行操作 典型场景：代码解释器执行计算、数据库查询、API调用外部服务 复杂任务处理 规划-执行-观察的循环架构（ReAct模式）支持多步骤推理 任务自动分解，降低单步推理难度，提升最终成功率 交互体验升级 从"问答"转向"协作"，用户只需设定目标，Agent自主完成中间过程 主要缺点 系统稳定性 链式错误传播：前期步骤出错导致后续全部失效 LLM本身的不确定性被放大…
学习内容与项目面试，在同一条路上。