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。
「AI Agent 理解」找到 286 条内容
按专题浏览 →匹配正文：答案要点 Agent与LLM的本质区别（自主决策vs被动响应） 核心组件：规划、记忆、工具、行动 主流架构模式：ReAct、Plan-and-Execute、Multi-Agent 当前瓶颈：可靠性、长程规划、成本效率 未来趋势：从单Agent到多Agent协作、从工具调用到环境交互 我对AI Agent的理解 Agent vs LLM的本质区别 LLM是"大脑"：被动响应输入，单次推理 Agent是"完整智能体"：具备感知→规划→行动→记忆的闭环，能自主调用工具、分解任务、…
匹配正文：一、任务分解与Agent架构 采用分层规划+迭代优化的三层架构： 层级 Agent名称 核心职责 理解层 需求解析Agent 提取用户偏好（预算、风格、体力）、约束条件（时间、必去点）、隐性需求 规划层 行程编排Agent 基于约束求解生成初步日程（景点-交通-餐饮-住宿的时空组合） 执行层 验证优化Agent 检查可行性（开放时间、路程合理性）、成本估算、生成备选方案 协作机制： 主控Orchestrator维护共享状态树（用户画像、当前行程草案、待确认事项） 层内并行（如…
匹配正文：自主调研 Agent:搜索 → 读 → 交叉验证 → 生成带引用的调研报告 这是公开化教学案例。文中的场景与指标用于理解项目实现；简历应填写自己实际完成的工作与测量结果。 执行框架 ReAct 为什么在长程研究里上下文爆炸 IterResearch:用「演进报告」压缩需要保留的工作状态 把研究过程拆成状态、动作与可验证的停止条件 工具与长程记忆 Search / Visit / Scholar / Python 统一工具网关 + 容错 + 缓存 用 ReSum 动态摘要压缩轨…
学习内容与项目面试，在同一条路上。