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 Agent」找到 197 条内容
按专题浏览 →匹配正文：…ll_tool" 关键约束：结构化输出（JSON Mode/Constrained Decoding），确保参数可解析 执行流程（ReAct简化版） 用户输入 → 模型决策 → [需工具?] → 生成调用参数 → 执行工具 ↓ 返回观察结果 → 拼接上下文 → 模型再决策 → 最终输出 循环终止条件：模型输出不含工具调用标记，或达到最大迭代次数 工程要点 工具描述质量：直接影响调用准确率，需清晰说明功能边界和参数含义 错误处理：工具执行失败时，将错误信息反馈给模型，支持自我修…
匹配正文：核心定义 反思机制是让Agent具备元认知能力——不仅能执行任务，还能审视自己的执行过程并主动纠错。区别于简单的"重试"，反思是对思维链本身的再思考。 设计原理：三层闭环结构 层级 功能 典型输出 执行层 生成行动/推理 代码、工具调用、中间结论 观察层 收集执行反馈 执行结果、环境状态、错误信息 评估层 批判性审视 判断正确性、定位错误根因、提出修正策略 关键设计：显式化反思过程——让模型把"我错在哪、为什么错、怎么改"说出来，而非隐式内化。 在推理中的作用 错误识别：区分…
匹配正文：典型应用场景 LangGraph适合需要循环、条件分支和状态持久化的复杂Agent场景： 场景 为什么适合 多轮对话Agent 支持循环边实现"思考-行动-观察"的ReAct循环，状态持久化保留对话上下文 代码生成与调试 写代码→执行→报错→修复的循环工作流，需要回溯和重试机制 研究/搜索Agent 搜索→阅读→判断信息是否足够→决定继续搜索或终止的循环决策 审批工作流 多级审批、驳回重提、人工介入等复杂状态流转 多Agent协作 不同Agent节点间通过共享状态池通信，支持…
学习内容与项目面试，在同一条路上。