索引 / 标签
#AI
共 8 篇
- Ch06 神经网络基础
深度学习 (Deep Learning)
深度学习是机器学习的一个子领域——用多层神经网络从数据中自动学习"层次化表示"，不再需要人工设计特征。它是 2012 年以来 AI 革命的核心引擎。
约 5 分钟1,478 字 - Ch14 Agent原理
概念-FunctionCalling
一句话理解 Function Calling让模型不直接回答，而是输出结构化的函数调用请求——"我要调用这个工具，参数是这些"。模型不再编造答案，而是精确表达它需要什么外部信息来完成任务。 零
约 3 分钟1,010 字 - Ch14 Agent原理
概念-ReActAgent
一句话理解 ReAct Agent是Reasoning + Acting交替循环的Agent范式：Think(思考) → Act(行动) → Observe(观察) → Think(再思考).
约 3 分钟963 字 - Ch14 Agent原理
概念-ToolUse
一句话理解 Tool Use是Anthropic对Function Calling的叫法——模型选择并调用外部工具以获取实时信息或执行操作。两者本质相同（JSON Schema + 结构化调用
约 4 分钟1,219 字 - Ch14 Agent原理
概念-纯对话
一句话理解 纯对话(Pure Chat)是AI最早的交互形态：用户问，模型答，一问一答，无外部能力，无记忆。每一次对话都是独立的、无状态的文本交换。 零基础理解 就像和一个失忆的人聊天——每次
约 4 分钟1,166 字 - Ch15 Agent通信协议
概念-A2A
一句话理解 A2A (Agent-to-Agent) 是Google于2025年4月提出的Agent间通信标准协议，让不同框架、不同厂商的Agent能够互相发现、通信和协作。如果说MCP是Ag
约 4 分钟1,157 字 - Ch15 Agent通信协议
概念-MCP
一句话理解 MCP (Model Context Protocol) 是Anthropic于2024年11月提出的Agent-工具连接标准协议，让任何Agent用任何工具——就像USB协议让任
约 3 分钟1,037 字 - Ch16 多Agent协作
概念-MultiAgent
一句话理解 Multi-Agent系统是多个Agent角色分工协作，每个Agent专注一件事，通过通信协调完成复杂任务的架构模式。就像软件开发团队中的产品经理、架构师、前端工程师、后端工程师、
约 4 分钟1,418 字