- 博客(4)
- 收藏
- 关注
RSS订阅原创 Plan and Solve 范式实战指南：从任务建模到执行监控
Plan and Solve 适用于步骤明确、逻辑清晰的复杂任务，核心价值在于结构化执行而非动态推理Planner与Executor必须通过标准化接口（如JSON Schema）传递计划与结果，确保错误可追溯Replanner不是万能补丁，其触发应基于明确条件（如数据缺失），且需记录已执行状态避免重复开销。
2026-03-02 22:20:09
956
原创 Agent经典范式（一）：ReAct
ReAct = Reasoning（推理） + Acting（行动），是一种让大语言模型在解决任务时交替进行思考与外部操作的智能体设计范式。它并非仅生成连贯文本，而是通过结构化循环主动获取真实世界信息。该范式正式提出于论文《REACT: SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS》，标志着 Agent 能力从被动回答向主动交互的关键演进。ReAct 通过 Thought-Action-Observation 循环实现推理与行动的深度结合。
2026-03-01 02:45:54
708
原创 Agent核心组件拆解：从非确定性到生产级落地
Agent失败主因是非确定性与过程依赖，需从‘验证输出’转向‘理解过程’生产级Agent需五大组件：模型、工具、指令、编排、记忆，并辅以评估与约束Anthropic通过评估前置与Orchestrator-Workers架构解决协同与能力定义问题Claude Agent SDK提供18+工具与上下文管理，支持可验证的全生命周期开发。
2026-03-01 02:10:06
1197
原创 Transformer核心原理精解：从自注意力到高效变体
方案参数量外推能力相对位置建模典型应用场景正弦/余弦0强（理论支持）弱（隐式）早期 Transformer可学习嵌入无弱（依赖绝对位置）机器翻译、BERTRoPE0（仅依赖 ( \theta_i )）强（实证验证）显式建模LLaMA、长文本生成[IMAGE: comparison - 对比三种位置编码方式：固定正弦波形、可学习向量、RoPE的旋转向量表示]自注意力机制通过Q/K/V动态建模全局依赖，是Transformer的核心创新。
2026-02-27 01:45:06
430
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人