智能体2.0的崛起:从简单循环到深度思考的演进

一、原文:https://www.philschmid.de/agents-2.0-deep-agents二、译文:智能体2.0的崛起:从简单循环到深度思考的演进过去一年里,构建人工智能智能体(Agent)通常只有一种模式。举个例子,它就像一个简单的“循环”程序。它接收用户的指令。然后,它把指令发给大型语言模型(LLM)。模型解析出要用的工具调用(Tool Call)。它执行这个工具。最后,把结果反馈回去。接着,它就不断重复这个过程。我们把这称为“浅层智能体”(Shallow Agent),也就是智能体1.0时代的产品。这种架构处理交易型的简单任务简直完美。比如,“告诉我东京的天气,我该...

第1部分:重新定义上下文工程——专用记忆架构的创新1.1 上下文工程:从提示管理到动态系统设计早期的上下文工程被定义为对输入大型语言模型(LLM)的文本信息进行精心设计与管理,以引导模型输出更可靠、可控且符合预期的结果。该方法在LLM发展的初期阶段成为性能优化的关键手段。然...

《Context Engineering 101》——让AI代理在有限注意力下高效行动🔑 核心洞见AI代理不是靠“更好提示”变聪明,而是靠“更精炼上下文”活下去。LLM的注意力是有限资源(n²复杂度),不是无限记忆。上下文 ≠ 所有信息,而是“最值得看的那几行”。🔄 上下文...