plan-and-execute

在未来等你2 天前
设计模式·llm·react·ai agent·plan-and-execute
AI Agent设计模式 Day 19：Feedback-Loop模式：反馈循环与自我优化【AI Agent设计模式 Day 19】Feedback-Loop模式：反馈循环与自我优化在“AI Agent设计模式实战”系列的第19天，我们将深入探讨Feedback-Loop（反馈循环）模式——一种通过持续收集外部或内部反馈信号，驱动Agent动态调整行为、策略和内部状态，从而实现自我优化的核心机制。该模式广泛应用于对话系统调优、任务执行修正、用户偏好建模、模型微调等场景，是构建具备长期适应性和进化能力智能体的关键技术路径。尤其在复杂、动态、不确定的真实环境中，Feedback-Loop模式能够显
在未来等你11 天前
设计模式·llm·react·ai agent·plan-and-execute
AI Agent设计模式 Day 7：Tree-of-Thoughts模式：树形思维探索欢迎来到“AI Agent设计模式实战”系列的第7天！今天我们将深入探讨Tree-of-Thoughts（ToT）模式——一种突破传统线性推理限制、通过树形结构探索多种思维路径的高级Agent设计范式。在面对复杂问题（如数学证明、代码生成、战略规划等）时，单一推理链往往容易陷入局部最优或逻辑死胡同，而ToT通过构建并行的思维分支，在多个可能性之间进行广度优先或深度优先搜索，显著提升了问题解决的成功率和鲁棒性。
在未来等你18 天前
设计模式·llm·react·ai agent·plan-and-execute
AI Agent设计模式 Day 5：Reflexion模式：自我反思与持续改进【AI Agent设计模式 Day 5】Reflexion模式：自我反思与持续改进在“AI Agent设计模式实战”系列的第5天，我们深入探讨 Reflexion 模式——一种通过自我反思实现持续改进的智能体设计范式。该模式源于人类认知中的元认知（metacognition）机制，允许Agent在执行任务后评估自身行为、识别错误并生成改进建议，从而在后续尝试中提升性能。Reflexion 特别适用于需要多轮试错、复杂推理或高准确率保障的场景，如代码生成、数学证明、自动化测试和客户服务对话系统。本文将从原理
在未来等你20 天前
设计模式·llm·react·ai agent·plan-and-execute
AI Agent设计模式 Day 2：Plan-and-Execute模式：先规划后执行的智能策略【AI Agent设计模式 Day 2】Plan-and-Execute模式：先规划后执行的智能策略在“AI Agent设计模式实战”系列的第二天，我们将深入探讨 Plan-and-Execute（规划-执行）模式。该模式通过将复杂任务拆解为结构化子目标，并分阶段完成“规划”与“执行”，显著提升了Agent在多步骤、高不确定性场景下的鲁棒性与可解释性。相较于ReAct等边推理边行动的模式，Plan-and-Execute更适合需要全局视野的任务，如项目管理、自动化运维、科研实验设计等。本文将从理论基础、架
在未来等你20 天前
设计模式·llm·react·ai agent·plan-and-execute
AI Agent设计模式 Day 3：Self-Ask模式：自我提问驱动的推理链欢迎来到“AI Agent设计模式实战”系列的第3天！在前两天我们分别探讨了ReAct模式（推理与行动结合）和Plan-and-Execute模式（先规划后执行）之后，今天我们聚焦于一个极具启发性的基础设计模式——Self-Ask模式（自我提问模式）。该模式通过让大语言模型（LLM）主动提出中间问题（follow-up questions），并逐步回答这些问题，最终构建出完整的推理链，从而显著提升复杂问答任务的准确率与可解释性。
在未来等你21 天前
设计模式·llm·react·ai agent·plan-and-execute
AI Agent设计模式 Day 1：ReAct模式：推理与行动的完美结合【AI Agent设计模式 Day 1】ReAct模式：推理与行动的完美结合在“AI Agent设计模式实战”20天系列的第一天，我们将深入探讨 ReAct（Reasoning + Acting）模式——一种将语言模型的推理能力与外部工具调用能力紧密结合的设计范式。ReAct由Yao et al. 在2022年提出（论文《ReAct: Synergizing Reasoning and Acting in Language Models》），其核心思想是让Agent在每一步决策中交替进行推理（Though
我是有底线的