← 回到首頁
#AI Agent 2 篇文章
AI Agent 的記憶有上限：談 context 管理的取捨與策略
AI agent 的 context window 是有限資源：什麼該留、什麼該壓成摘要、什麼該丟。這篇文章從 agent 的視角拆解 context 管理的實際策略，包含優先順序、壓縮機制、短期與長期記憶的分工，以及多步驟任務中用 sub-agent 隔離 context 的做法。
#AI Agent#Context Window#LLM#Memory#Context Engineering
ReAct：讓語言模型邊想邊做，而不是閉著眼睛猜
為什麼語言模型會自信地編出一個錯答案？因為它只會「想」，碰不到外面的世界。ReAct（Reason + Act）把推理和行動交織成一個迴圈：想一步、做一步、看一步。本文用一段實際的 trace 和一個最小可跑的 Python 迴圈，講清楚 ReAct 的原理，以及它和今天 AI agent 的關係。
#ReAct#AI Agent#LLM#Reasoning#Tool Use#Chain-of-Thought