摘要: Agent设计模式学习(基于langchain4j实现)(10) - ReACT 这次我们不再讨论前文的招聘场景,而是学习一种更为广泛使用的Agent模式:ReACT (推理+行动)。先来看示意图: 这跟人类解决问题的思考方式很像:loop(思考-行动)。当我们遇到一系列问题时,通常先思考,逐个想方案(plan),然后执行(action),解决1个后(解决过程中,可能会借助工具) 阅读全文
posted @ 2026-01-31 20:24 菩提树下的杨过 阅读(46) 评论(0) 推荐(0)
摘要: Agent设计模式学习(基于langchain4j实现)(9) - 人机协同 经过前面的一系列流程,招聘来到了最重要的1个环节,AI虽然强大,但是不能完全代替人做决定,最终还是要Boss决策这个候选人的去留。从系统设计角度来说,整个AI智能体环节中,要预留人工干预的能力,也称为"人机协同"(human_in_the_loop) 示例代码: 1 @SpringBootAppli 阅读全文
posted @ 2026-01-31 19:13 菩提树下的杨过 阅读(19) 评论(0) 推荐(0)
摘要: Agent设计模式学习(基于langchain4j实现)(8) - 非AI智能体 接上节继续,前面讨论的这个AI招聘示例,并非所有环节都需要AI参与,比如:HR、经理、团队对简历分别做出评价后,【计算平均分】以及【根据平均分更新状态(比如:平均分低于0.8则拒绝)】,这2个环节完全可以用代码实现,以节省大模型算力成本。 这时候,就不需要使用类似下面的AgentServices来构 阅读全文
posted @ 2026-01-31 18:44 菩提树下的杨过 阅读(7) 评论(0) 推荐(0)