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。
「ReAct 工具调用」找到 160 条内容
按专题浏览 →匹配口述回答：…的模型做底座，再在关键环节接入RAG，既保留了领域能力，又解决了实时性问题。 最后是Agent系统。这个范式是把模型当成大脑，配合工具调用、记忆和规划，去完成复杂多步任务。比如订单异常处理，模型可能需要先查订单系统、再调地图服务、最后发通知，每一步都要自主决策。Agent的上限很高，但稳定性是个大问题，工具调用失败、规划不合理、安全风险，都是常见失败场景。所以我的判断是，Agent适合那些流程确定但步骤多的任务，而且上线前一定要做好异常兜底和人工复核。 说到Agent，我最近…
匹配口述回答：…ct反而浪费token。所以我会设计一个意图分类器，根据任务复杂度自动路由，简单任务走Function Calling，复杂任务走ReAct，阈值可以调。 再说工具系统。我把它设计成动态注册加契约化描述。每个工具自己声明名字、描述、参数schema，用JSON Schema描述，LLM看到就能理解怎么用。这样新工具接入时不用改代码，注册一下就行。但这里有个坑：工具调用不能直接暴露给外部，必须隔离。比如执行层我会用沙箱，敏感操作比如写数据库或发消息，要额外鉴权。网络请求也要限流…
…摘要压缩，控制上下文窗口长度。这个压缩很关键，不然对话一长，模型就分不清重点了。 然后是规划层，这是Agent的大脑。我会用 [[ReAct]] 或者 [[Chain-of-Thought]] 模式让模型一步步推理，把复杂任务拆成子任务。比如客服退款场景，用户说“我买的东西没收到，我要退款”，规划层会把任务拆成：先查订单状态，再确认物流信息，然后判断是否满足退款条件，最后执行退款操作。这里有个边界问题：ReAct适合单步推理，[[Tree-of-Thoughts]] 适合多路…
学习内容与项目面试，在同一条路上。