Tiny_React

检索增强生成（RAG）通过连接外部、最新的数据源，解决了大型语言模型静态知识的核心局限。该过程先检索相关信息片段，再增强用户提示，使 LLM 能生成更准确、具备上下文意识的...

本章探讨了至关重要的 Human-in-the-Loop（HITL）模式，强调其在构建稳健、安全且合乎伦理的 AI 系统中的作用。...

本章探讨“异常处理与恢复”模式，这是开发健壮且可靠的智能体的关键。该模式关注智能体如何识别并管理意外问题、采取恰当响应，以及恢复到稳定的运行状态。...

本章聚焦于目标设定与监控这一关键范式。我强调了这一概念如何将智能体从仅具反应性的系统转变为主动、以目标为导向的实体。文本突出了明确、可衡量目标的定义以及建立严谨监控流程以追...

模型上下文协议（MCP）是一项开放标准，用于促进大型语言模型（LLMs）与外部系统之间的通信。它采用客户端-服务器架构，使 LLMs 能够通过标准化的工具访问资源、使用提示...

本章探讨学习与适应在人工智能中的关键作用。智能体通过持续的数据获取与经验积累来提升性能。Self-Improving Coding Agent（SICA，自我改进编码智能体...

本章深入探讨了智能体系统中至关重要的记忆管理工作，阐明了短期上下文与长期保留知识之间的区别。我们讨论了这些类型记忆的设置方式，以及它们在构建能“记住”信息的更智能智能体时的...

本章探讨了多智能体协作模式，展示了在系统中编排多个专业化智能体的益处。我们考察了多种协作模型，强调该模式在应对跨越多种领域的复杂、多层面问题时所扮演的关键角色。...

总之，规划模式是一个基础性组件，它将智能体系统从简单的被动响应者提升为具有战略性的、以目标为导向的执行者。现代大型语言模型为此提供了核心能力，能够自主地将高层次目标分解为连...

工具使用（Tool Use）模式是一个关键的架构原则，用于将大型语言模型的功能范围扩展到其固有的文本生成能力之外。...

反思模式为智能体的工作流提供了一种关键的自我纠正机制，使其能够超越单次执行进行迭代改进。其实现方式是创建一个循环：系统生成输出，根据特定标准对其进行评估，然后利用该评估产出...

并行化模式是一种通过并发执行相互独立的子任务来优化计算工作流的方法。这种方法可以降低整体延迟，尤其适用于涉及多个模型推理或对外部服务进行调用的复杂操作。...

路由模式是在构建真正动态且响应迅速的智能体系统时的关键步骤。通过实现路由，我们超越了简单的线性执行流程，使我们的智能体能够就如何处理信息、响应用户输入以及使用可用工具或子智...

前言 欢迎阅读《Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems》。纵观当...

通过将复杂问题分解为一系列更简单、更易管理的子任务，提示链为引导大语言模型提供了一个强大的框架。这种“分而治之”的策略通过让模型一次专注于一个具体操作，显著提升了输出的可靠...

打印 print打印对象的信息，如果对象是非字符串，则调用对象的toString()方法。 断言 数值 数值的原型类是num，包含两个子类型整数int和浮点数float，数...

操作符 一元运算符 前置：expr++、expr—、()、[]、?[]、.、?. 后置：-expr、!expr、~expr、++expr、--expr、await expr...

声明 直接声明变量使用var，参数变量需要用数据类型来描述 条件控制 判断 循环 普通类 抽象类 抽象类使用abstract修饰，具有普通类所有能力，并且可以定义抽象方法，...