Auntilz墨痕

索引 / 标签

#Agent

共 7 篇

  1. Ch13 RAG

    对比-AgenticRAGvsGraphRAG

    Agentic RAG 和 Graph RAG 是 RAG 进化树上的两个高级分支。Agentic RAG 让模型动态决定检索策略，Graph RAG 利用知识图谱的结构化推理能力增强检索。

    约 2 分钟545 字
  2. Ch14 Agent原理

    对比-StaticvsDynamicvsAgenticWorkflow

    概述 Static、Dynamic 和 Agentic Workflow 是 LLM 应用编排的三种模式，代表了从"完全确定性"到"完全自主"的连续谱。 核心对比 | 维度 | Static

    约 2 分钟496 字
  3. Ch14 Agent原理

    Agent 原理与 ReAct

    Agent = 感知 (Perceive) + 思考 (Think) + 行动 (Act) + 观察 (Observe) 的自主循环系统。Agent 不是"被程序控制的工具"，而是"能自主决策和执行的数字实体"——它感知环境、推理下一步、执行动作、观察结果，然后根据观察调整策略，

    约 5 分钟1,502 字
  4. Ch14 Agent原理

    Function Calling 演化

    一句话理解 从无 Function Calling 时代的提示词注入 Hack，到 2026 年 MCP (Model Context Protocol) 标准化——Function Call

    约 4 分钟1,346 字
  5. Ch14 Agent原理

    对话到 Agent 演化

    一句话理解 从一问一答的纯对话，到自主多步执行的 Agent——AI 交互模式经历了六个阶段的演化：纯对话 → ReAct → Function Calling/Tool Use → Mult

    约 5 分钟1,470 字
  6. Ch15 Agent通信协议

    对比-MCPvsA2A

    概述 MCP（Model Context Protocol）和 A2A（Agent-to-Agent Protocol）是 2025-2026 年涌现的两个关键协议，分别解决 Agent 生态

    约 1 分钟402 字
  7. Ch15 Agent通信协议

    对比-ToolUsevsFunctionCalling

    概述 Tool Use（Anthropic）和 Function Calling（OpenAI）是让 LLM 调用外部工具/API 的机制。两者在技术本质上高度相似，但命名和部分细节存在差异。

    约 2 分钟507 字