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。
「长期决策 Agent」找到 2 条内容
按专题浏览 →匹配正文：…emory如何解决LLM上下文窗口限制 阐述记忆检索与经验积累对决策优化的价值 提及多智能体间记忆共享与协作机制 Memory在多智能体系统中解决三个核心问题：突破上下文限制、积累领域经验、实现协作共享。 核心作用分层 短期记忆（工作记忆） 维护当前对话/任务的上下文状态 弥补LLM有限的上下文窗口（通常4K-128K） 支持多轮推理中的信息连贯性 长期记忆（经验存储） 沉淀历史决策轨迹与结果反馈 存储领域知识和成功案例 形成可检索的"技能库"供复用 对长期决策的价值 机制 …
匹配正文：答案要点 Agent调优的三种主要范式（SFT、RL、Prompt工程）及其适用场景 工具调用能力的专项优化方法 当前主流Agent应用的技术架构特点 多Agent系统的协作机制设计 Agent系统调优的三大路径 1. 监督微调（SFT） 工具调用数据构造：收集高质量的工具调用轨迹（trajectory），包括思考过程（thought）→工具选择→参数填充→结果观察的完整链条 ReAct格式微调：用"Thought: ... Action: ... Observation: …
学习内容与项目面试，在同一条路上。