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。
「RAG Agent」找到 201 条内容
按专题浏览 →匹配正文：…区分短期记忆（上下文窗口）与长期记忆（外部存储）的技术路径 至少提及2-3种具体架构方案（如Memory Bank、MemGPT、RAG-based Memory） 说明记忆检索的关键设计（索引策略、相关性计算、遗忘机制） 体现对Agent任务持续性的理解（多轮状态保持、目标追踪） 有实际落地考量（延迟、存储成本、一致性） 核心思路 大模型记忆机制的本质是突破固定上下文窗口的限制，实现信息的跨会话持久化与高效检索。我从三个层面展开： 一、架构层：原生上下文扩展 长上下文模型 …
匹配正文：产品选择：阿里通义千问（C端）+ 科大讯飞星火（B端场景） 一、技术架构对比 维度 通义千问 讯飞星火 核心架构 RAG为主，轻量Agent能力 Agent为主，深度RAG融合 技术侧重 搜索增强生成（实时信息） 任务规划+工具调用（办公自动化） 典型能力 联网搜索、文档解析、代码生成 插件生态、API编排、多轮任务执行 关键差异：通义的RAG强调"知识广度"（覆盖全网+上传文档），星火的Agent强调"行动深度"（理解意图→拆解步骤→调用工具→完成闭环）。 二、场景与体验分…
匹配正文：…趣初筛，否则用户流失 生成内容可解释：展示"因为你选择了XX"增强信任 降级策略：所有辅助信息缺失时，退化为"热门+多样性"混合，Agent记录失败原因用于后续优化 学习建议 掌握推荐系统基础，重点学习冷启动策略、生成式模型与RAG/Agent的结合应用，通过项目实践理解探索与利用的平衡。
学习内容与项目面试，在同一条路上。