Agent学习笔记（一）Agent设计中的几个问题
以现有的技术调研流程为参照，讨论换成 Agent 后可以借鉴哪些经验，以及需要重新设计哪些机制。
阅读笔记 →THE COLLECTION
Agent。
从基本概念与论文机制出发，按模型接入、执行编排、检索、记忆和多 Agent 协作比较实现方案。
8 篇 · 按阅读顺序排列
从第一篇开始 →阅读目录
Agent学习笔记（二）从记住经历到管理上下文
从经历日志与 RAG 出发，解释 MemGPT 的两层存储、消息队列，以及 Letta Memory Blocks 的挂载、读写和共享。
阅读笔记 →Agent学习笔记（三）从 ReAct 到反思与搜索
沿着一次执行、失败重试和分支搜索，比较 ReAct、Reflexion 与 LATS，并讨论重规划、恢复和预算。
阅读笔记 →Agent学习笔记（四）工具调用如何学会，又如何验收
先讲 Toolformer、Gorilla 的工具学习与调用生成方法，再介绍 BFCL benchmark 的题目与判分，区分方法设计和能力评测。
阅读笔记 →Agent学习笔记（五）模型接入与执行编排：从 SDK 到 LangChain、LangGraph
从直接 HTTP 调用解释 API、SDK 与兼容接口，再比较工具调用循环及 LangGraph 的状态、并行、暂停和恢复。
阅读笔记 →Agent学习笔记（六）资料检索与 RAG：LlamaIndex、LangChain 与托管检索
先拆解资料解析、索引、检索与答案生成，再比较 LlamaIndex、LangChain 和模型服务的接入方式。
阅读笔记 →Agent学习笔记（七）记忆管理：会话、压缩与跨任务记忆
区分会话保存、上下文压缩与跨任务记忆，比较 LangGraph、Letta、Mem0 及 OpenAI、Anthropic 的相关接口。
阅读笔记 →Agent学习笔记（八）多 Agent 协作：任务委派、交接与团队调度
从职责、上下文和控制权出发，比较 LangGraph、OpenAI 与 Claude Agent SDK、AutoGen、CrewAI 的协作实现。
阅读笔记 →
没有找到相关文章，试试其他关键词。