Wiki
开始
AI Agent 开发
理解大模型如何结合循环、工具调用与任务规划,从只会预测下一个 token 变成能自主完成任务的智能体。
01
从聊天机器人到智能体:一个循环的差距
02
深入 ReAct 循环内部:每一步到底是怎么转的
03
为什么复杂任务撑不住:记忆与规划
04
为什么智能体在无人值守时格外危险,以及怎么给它装护栏
相关专题
看懂大模型能做什么
哪句话能直接用,哪句话必须自己查:核验 AI 回答的一条顺序
它其实不会上网:把“模型本身”和外面那层工具分开
同一句问题,为什么答案时好时坏:随机性、上下文,以及你能管的几件事
从机器人行动理解具身智能
VLA(视觉-语言-动作)模型:大模型怎样进入身体
让机器人动起来:从“算出来”到“练出来”
机器人如何“看懂”世界:从传感器信号到内部地图
让 AI 帮你写代码
审 AI 生成的代码:为什么“看着没毛病”不算通过
让 AI 先交计划:一份计划里该有什么,以及你怎么审它
需求里到底要交代哪些信息,AI 才不会自己乱猜
Transformer 的注意力机制
Encoder/Decoder 堆叠、残差连接与 LayerNorm:Transformer 为什么能堆到很深
多头注意力与位置编码:Transformer 的两块基础拼图
自注意力核心运算:QKV 与缩放点积