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。
「LLM Agent 协同」找到 54 条内容
按专题浏览 →匹配题目：请解释多智能体系统（Multi-Agent System）的基本概念，深入分析多个大语言模型驱动的智能体协同工作相较于单一智能体在分工协作、容错能力、执行效率等方面的优势，并系统讨论由此带来的关键挑战，如通信开销、一致性维护、冲突解决、协调与调度机制设计等问题。
匹配正文：Agent核心架构：感知-规划-行动-反馈的闭环 大模型Agent的本质是以LLM为"大脑"的自主决策系统，通过环境交互完成复杂任务。核心模块协同如下： 1. 规划模块（Planning） 作用：将复杂目标拆解为可执行的子任务 关键范式： CoT（思维链）：逐步推理，适合数学/逻辑题 ReAct：推理（Reasoning）+ 行动（Acting）交替，"我想→我做→我观察"循环 ToT（思维树）：多路径探索，保留最优解 2. 记忆模块（Memory） 类型 功能 典型实现 短…
匹配题目：当AI Agent需要处理超长历史记忆（如数千轮对话或跨天任务上下文）时，受限于大模型的上下文窗口长度和推理效率，应如何设计高效、可扩展的记忆管理机制？请结合实际场景，系统阐述记忆的分层存储、摘要生成、检索策略、更新与刷新机制，并说明各组件的协同方式与权衡考量。
学习内容与项目面试，在同一条路上。