跳到主要内容
SUN / 笔记

BLOG / 766 ARTICLES

技术笔记

计算机基础、AI、后端与客户端开发笔记

#Agentic · 38 篇文章清除筛选
6 分钟
AI

上下文工程

上下文工程关注的不是“模型能装下多少 Token”,而是:在当前这一步,模型应该看到哪些信息,才能以最低噪声完成正确决策。

7 分钟
AI

记忆管理(Memory Management)

智能体系统需要记住过往交互信息,才能完成复杂任务并提供连贯体验。没有记忆机制,智能体就是无状态的,无法保持对话上下文、学习经验或个性化响应,仅能处理简单的一问一答,无法应对多步骤流程或用户需求变化。

7 分钟
AI

目标设定与监控(Goal Setting & Monitoring)

要让智能体真正高效且有目标地工作,仅仅具备信息处理或工具使用能力是不够的;它们还需要明确的方向感,以及判断自己是否取得成功的方法。这正是目标设定与监控模式的核心:为智能体设定具体目标,并赋予其追踪进度、判断目标是否达成的能力。

2 分钟
AI

RAG 专题导航

RAG 不是“向量数据库 + 大模型”的简单拼接,而是把数据治理、检索、证据组织、受证据约束的生成和持续评测组合成一套系统。

3 分钟
AI

提示链模式(Prompt Chaining)

提示链模式(Prompt Chaining),又称流水线模式(Pipeline),是将复杂任务分解为多个简单子任务,每个子任务对应一次 LLM 调用,前一步的输出作为下一步的输入,依次串联执行。

9 分钟
AI

反思模式(Reflection)

在前几章中,我们已经探讨了基础的智能体模式:链式执行(Chaining)、路径选择(Routing)和并行化(Parallelization)。这些模式让智能体能够更高效、更灵活地完成复杂任务。然而,即使拥有复杂的工作流,智能体的初始输出或计划也可能并不理想、准确或完整。这时,反思(Reflection)模式就发挥了作用。

页