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 任务」找到 384 条内容
按专题浏览 →匹配正文：…系统架构层面：四层分离设计 感知层（Perception） 统一输入网关：处理多模态输入、用户意图识别、安全过滤 关键决策：是否走Agent链路 vs 直接回复（简单问答短路） 决策层（Planning） 核心模块：任务分解、工具选择、执行计划生成 支持多范式：ReAct、Plan-and-Solve、Reflexion自我修正 执行层（Action） 工具注册中心：标准化Tool Schema（OpenAI Function格式） 执行沙箱：超时控制、并发限制、结果缓存 记…
匹配口述回答：…出了问题能回溯。 一个常见的坑是工具列表太长，上下文窗口被无关工具占满，LLM决策质量下降。所以我上线前会做工具按需加载，根据当前任务只加载可能用到的工具。 举个例子，在客服退款场景里，[[Agent]]需要查订单、查退款规则、执行退款。规划层会先分解：先查订单状态，再匹配退款政策，然后判断是自动退还是转人工。执行层分别调订单系统、规则引擎。如果中间某个步骤失败，比如订单查不到，规划层要能触发重规划，而不是卡死。 记忆机制上，短期记忆就是对话历史，但我会用[[滑动窗口]]控制…
匹配正文：…述ReAct/CoT等推理范式及其作用 说明工具调用（Function Calling）的实现机制 列举至少2个典型应用场景并分析Agent的核心价值 提及多Agent架构或当前主流框架（如LangChain、AutoGPT等） 核心概念 AI Agent是以大模型为"大脑"的自主智能体，与传统LLM的关键区别在于： 特性 传统LLM AI Agent 交互模式 单次问答，被动响应 多轮迭代，主动规划 信息获取 依赖预训练知识 可实时调用外部工具 任务执行 仅生成文本 可分解…
学习内容与项目面试，在同一条路上。