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 推理策略」找到 5 条内容
按专题浏览 →匹配正文：…深度 工具层面：工具选择策略、并行调用、结果缓存与容错 系统层面：延迟优化、成本控制和可观测性 架构设计优化 模块化与分层架构 将Agent拆分为规划层、执行层、记忆层、工具层，降低耦合 采用多Agent协作：主Agent负责任务分解，子Agent并行执行子任务，通过消息总线通信 记忆机制设计 短期记忆：对话上下文窗口管理，关键信息提取 长期记忆：向量数据库存储历史经验，支持RAG式检索 工作记忆：当前任务相关的临时状态维护 推理策略优化 推理范式选择 CoT（思维链）：复杂…
匹配正文：Agent vs LLM：从"问答"到"行动" LLM是被动响应器，Agent是主动决策者。核心差异在于Agent具备目标驱动和环境交互能力——能分解任务、调用工具、根据反馈调整策略。 四大核心模块 1. 规划（Planning） 任务分解：将复杂目标拆解为可执行的子步骤（如"订机票"→查航班→选座位→支付） 推理策略：CoT（链式思考）、ToT（树状搜索）、ReAct（推理+行动交错） 动态调整：根据执行反馈重新规划（如工具调用失败时换备用方案） 2. 记忆（Memory）…
匹配正文：…） 每个组件的功能描述准确 能说明组件间的协作关系 提及主流架构模式（如ReAct、CoT） 有实际框架或项目经验加分 一个完整的AI Agent系统通常包含以下核心组件： 1. 感知模块（Perception） 接收外部环境输入：用户query、多模态数据、工具返回结果等 负责信息解析和预处理，转化为模型可理解的格式 2. 规划模块（Planning） 任务分解：将复杂目标拆解为可执行的子步骤 推理策略：支持CoT（思维链）、ReAct（推理+行动交替）、ToT（思维树）等…
学习内容与项目面试，在同一条路上。