ReAct
含有「ReAct」共 3 篇內容
全部內容
發佈日期由新至舊
隨著 Agent 任務複雜度的提升，單純擴大上下文窗口已無法滿足需求，反而可能因計算成本和「注意力衰減」問題導致效率下降。傳統 RAG 的局限性，結合短期與長期記憶、發展情境感知檢索、上下文壓縮等策略的解決方案，對於構建更智能、更能解決複雜問題的 LLM Agent 至關重要。
本文探討早期與現代AI系統設計的差異，早期系統注重答案正確性，現代AI Agent則強調任務執行能力。文章詳細介紹了三種現代AI Agent設計模式：ReFlection Pattern、ReAct Pattern以及Plan and Solve Pattern，並說明其優缺點與應用場景。
第八天：ReAct (Reasoning and Acting) 概念
(深入了解才知ReAct是很重要的，所以今天跟Gemini很多對話，很需要知道很多。)
－－－
我：
先問個問題， ReAct，你或ＧＰＴ已經有內建了嗎？我想問的是說，現在市面上的生成式對話ＡＩ都基本配備了嗎？
G