2026-01-13
后端技术
00

目录

技术架构
基础概念
- 什么是token : token是大模型处理文本的基本单元
- chain 和Graph
- ReAct :目前最经典、最常用的 Agent 运行模式
- Plan-and-Execute (计划与执行)
- Reflection / Self-Correction (反思/自我纠错)
- RAG(检索增强生成)与工具化集成

背景

随着各种LLM的普及,ai agent的开发逐渐成为后端开发的必备,所以需要掌握相关的知识是后端所必须的 这里主要记录一些agent开发相关的基础知识学习

技术架构

  • python 相关框架 langChain LangGraph
  • golang 相关框架 eino 是字节跳动开源的一款基于 Go 语言 的大模型(LLM)应用开发框架

基础概念

- 什么是token : token是大模型处理文本的基本单元

- 简单来说,模型并不直接阅读“单词”或“句子”,而是将输入的文本切割成一个个片段,这些片段就是 Token。

- chain 和Graph

- Graph(图) 和 Chain(链) 是组织 AI 逻辑的两大基石。你可以把它们想象成 “剧本” 与 “流程图” 的区别。 - Graph(图):复杂的“思维导图” ,它允许节点之间有复杂的连接,甚至可以回退、循环、分支。 - Chain(链):线性流水线,逻辑是单向、线性的。

- ReAct :目前最经典、最常用的 Agent 运行模式

- 思考-行动-观察结果

- Plan-and-Execute (计划与执行)

- 先计划再执行

- Reflection / Self-Correction (反思/自我纠错)

  • 它包含两个部分:一个负责“做”,一个负责“评”。

  • 逻辑:

    • Generator (生成者):先出一个草稿。

    • Reflector (评价者):检查草稿里的错误(如逻辑不通、事实错误、格式不对)。

    • 循环:生成者根据评价意见修改,直到评价者满意。

- RAG(检索增强生成)与工具化集成

  • 核心词汇拆解
    • Retriever (检索器): 这是 RAG 架构中的关键组件。它的任务是根据用户的问题,去向量数据库(如 Milvus, Pinecone)中寻找最相关的文档片段。

    • Knowledge Tool (知识工具): 在 Eino/ReAct 模式中,知识库搜索被封装成了一个 Function Call (函数调用)。Agent 并不是每次都去查知识库,而是当它觉得“我不知道这个信息,我需要查一下手册”时,才会主动调用这个工具。

本文作者:曹子昂

本文链接:

版权声明:本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!