Afterglow Papers

Research notes on AI, agents & cognitive systems

Issue 017

Agent 的核心循環：ReAct、Plan-and-Execute 與 Reflection

深入三種主流 Agent 設計模式，用 Python 程式碼演示它們如何讓 LLM 從被動回答變成主動解決問題。

Agent 18 min
Series
全部系列 →
Series

LLM Agent 核心原理

10 篇
  1. 01 什麼是 LLM Agent？從 Chatbot 到自主行動
  2. 02 Agent 的核心循環：ReAct、Plan-and-Execute 與 Reflection
  3. 03 工具呼叫與 Function Calling：讓 LLM 連接外部世界
  4. 04 從零打造一個最基礎的 Agent：LLM + 工具 + 迴圈
  5. 05 Agent 的記憶機制：短期、長期與向量資料庫
  6. 還有 5 篇 →
Series

LLM 核心原理

7 篇
  1. 01 從文字到向量：NLP 向量化與 Token 的演進
  2. 02 詞嵌入與位置編碼：模型如何理解語意與順序
  3. 03 注意力機制入門：QKV、Mask 與縮放點積
  4. 04 Transformer 的心臟：多頭注意力與 FFN
  5. 05 大模型如何運作：從自回歸生成到推理採樣
  6. 還有 2 篇 →
Recent Notes
Agent 的安全與護欄：Prompt Injection、權限控制與人類審核 Security 24 min RAG 完整解析：檢索、重排、生成 RAG 24 min 什麼是 LLM Agent？從 Chatbot 到自主行動 Agent 14 min 完整 Agent 實作：整合工具、記憶、RAG、護欄與可觀測性 Agent 30 min 多 Agent 協作：角色分工、辯論與 Swarm Multi-Agent 26 min Agent 的記憶機制：短期、長期與向量資料庫 Memory 20 min Agent 的評估與可觀測性：Trace、Log、指標與失敗模式 Evaluation 26 min 工具呼叫與 Function Calling：讓 LLM 連接外部世界 Artificial Intelligence 18 min 從零打造一個最基礎的 Agent：LLM + 工具 + 迴圈 Agent 16 min 大模型為什麼難訓練？三項關鍵技術Normalization、Residual 與 Dropout Artificial Intelligence 14 min 大模型如何運作：從自回歸生成到推理採樣 Artificial Intelligence 12 min 大模型如何計算 Loss：訓練與推理的差異 Artificial Intelligence 14 min 注意力機制入門：QKV、Mask 與縮放點積 Artificial Intelligence 13 min Transformer 的心臟：多頭注意力與 FFN Artificial Intelligence 13 min 詞嵌入與位置編碼：模型如何理解語意與順序 Artificial Intelligence 13 min 從文字到向量：NLP 向量化與 Token 的演進 Artificial Intelligence 10 min