• Geek_75ba88
    2026-07-16 来自福建
    想问下老师想这样的设计模式实际落地生产的表现形式是怎么样的,看老师的伪代码感觉好像实现起来是要自己编排复杂的流程比如langgraph去实现这一套流程,还是说通过agent加上抽象出一个skill定义好sop,结合一些自定义的tool去实际落地?基于当下流行的harness模式我偏向是后者 ,不过感觉这么复杂的流程好像又不是一个skill能搞定的,太复杂的逻辑很难保证模型一步一步按照我们的要求走,应该又要和前面课程关于记忆等等相关内容又有结合起来看,总之要实际落地还是有点懵~

    作者回复: 可以用Skill落地简单的模式实现; 但最主要的还是通过Agentic Workflow参照理论和伪代码来具体落地 从行动模块开始,我要给出完善的落地Demo和落地实操过程了,应大家要求,换个讲述方法。 如果我们举例把这一讲的落地流程说的更详细一些: 编排搭骨架——while 循环、预算上限、收敛判据、反思哨兵、交人审出口。 agent填每轮推理——propose/verify 里的判断。 skill装领域 SOP——"怎么算证据充分、假设从哪些维度提"(薪资诊断:先奖金→再社保→再入离职)。 tool接外部——查审批单/社保/入离职(verify 靠它拿真实证据)。 memory记跨轮——试过哪些假设、排除了什么、还差多少(progress ledger + failure journal),这就是"要跟记忆结合"。

    
    2
  • PatrickL
    2026-07-18 来自上海
    科学方法: 提出假设->设计验证->观察证据->修正判断->继续/收敛 Hypothesis->Verification->Evidence->Evaluation->Update / Stop 科学方法的演进: 培根的归纳法->休谟的归纳法困境->贝叶斯的证据更新信念->波普尔的证伪原则->维纳的控制论->大模型的迭代假设验证 迭代假设验证是科学方法的工程化。 迭代假设验证的三种范式: ReAct(边想边做) Self-Refine(先做再改) Plan-then-Execute(先规划后执行)
    
    
  • 哈喽
    2026-07-17 来自山东
    老师,这块儿能举一些真实AI Agent的代码示例吗,更容易理解消化
    
    