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。
「ReAct Agent 死循环」找到 54 条内容
按专题浏览 →匹配正文：面试官问：“你的 Agent 如果一直调用工具不结束，怎么办？” 最常见的回答是：“设置最大循环次数。” 这句话只能证明你知道怎么止损，不能证明你知道为什么循环。最大步数像保险丝，任务失控时可以切断，但如果目标、工具结果和状态设计没有修复，下一次请求仍然会以同样方式撞上保险丝。 这道题真正考的是：ReAct 每轮究竟在更新什么，系统如何判断完成，错误怎样改变下一步，什么时候应该重试、澄清、降级或转人工。 先给出 30 秒回答 ReAct 的 while 往往没有写错，死循环更…
匹配正文：一句话:把「LLM + 一个工具循环」拼起来,就是 Agent 的本质。面试里「Agent 比直接调 LLM 多了什么」「ReAct 怎么跑」「Function Calling 怎么落地」,本质都在问这 30 行。 先建立心智:Agent = LLM + 工具循环 直接调一次 LLM,是「问一句、答一句」,模型只能用它脑子里的东西回答。 Agent 多了一个循环:模型可以说「我先去查一下」,你把它要查的工具真的执行,把结果喂回去,它再接着想——直到它觉得够了,给出最终答案。 …
匹配正文：…(看结果)→ 再思考,直到得出最终答案 对比一次性回答:每一步都有真实反馈兜底,能纠错、能拆解复杂任务、轨迹可解释 它是最经典的 Agent 执行范式,出自 2022 年的论文 ReAct 代价是多轮模型调用,延迟和 token 成本更高,还要防死循环 核心概念 ReAct 是一种让大模型把"推理过程"和"工具行动"交替进行的执行框架:模型先写下思考,再执行一个动作,观察工具返回的结果后继续思考,循环往复直到任务完成。 一个循环长什么样 以"姚明的妻子比他小几岁"为例: Th…
学习内容与项目面试，在同一条路上。