Tag / Cross collections

#llm

9 ENTRIES

同一标签下的全部内容:博客、知识、探索、经验与研究放在一起看。

02

知识

1 条
ReAct 循环在三类模型接口里的消息形态Chat Completions、Responses、Anthropic Messages 分别用 role 数组、item 数组、内容块表达"调用工具—回结果",差别集中在线程终止标记与思考结果能否回传LLM Agent 协议
05

研究

8 篇
Claude Code 的查询循环、工具面与三层压缩闭源 CLI 还原出的结构是单 agent tool-calling 循环加分层压缩与子 agent 隔离——query() 是 async generator,queryLoop 是 while(true),压缩阈值是公式而非百分比,子 agent 各起一个独立 query 实例。Agent LLM 源码阅读
Codex CLI 的 turn 循环、沙箱审批与自动压缩事件驱动的 turn/step 结构包住 Responses API 的 tool-calling 内核,压缩在窗口 90% 触发且可异步或远端执行,沙箱与审批是独立 crate 与决策层而不是提示词。Agent LLM 源码阅读
DeepSeek Harness 的插件图、goal 续跑与压缩没有写死的主循环,循环本身由 profile 里的 bundle 行拼出来;goal 与 goal-round-driver 提供跨轮次自动续跑,压缩由 basic 摘要与 tool-result-pruner 裁剪两层分担。Agent LLM 源码阅读
Hermes Agent 的单轮会话循环、工具面与后台复盘经典单轮 tool-calling 循环加 IterationBudget 限轮,外围是巨型工具面、多平台 gateway 与每轮结束后的后台复盘 fork,MoA 只是按轮开关,不改变循环归属。Agent LLM 源码阅读
opencode 的会话循环、inbox 调度与压缩提示词先 admit 进 inbox 再 wake 循环,输入排队与抢占是显式状态机而不是隐含行为;工具走文件、检索、执行、网络与 subagent,压缩由 Session.compact 与 admitCompaction 承担。Agent LLM 源码阅读
pi 的最小主循环与扩展机制刻意不做 sub-agent 与 plan mode,内核只有 read/bash/edit/write 四件套加会话、压缩、skill 与 RPC,缺的能力交给 extension 与 package,因此主循环是六家里最可审计的。Agent LLM 源码阅读
Rust agent 循环:自建与现成库的取舍agent loop 建议自建(200–500 行),现成库只用在 provider 客户端与 tool schema;锁死单一供应商时 async-openai + schemars 比 Rig/AutoAgents 更可控,未实测。Agent LLM Rust
专用小模型的分工地图:八个任务族的选型顺序2026 年可本地部署的专用小模型已覆盖嵌入、重排、OCR、ASR、TTS、翻译、内容守卫与时序预测,参数从 1.5M 到 3.4B;多数由 0.3–2B 小语言模型后训练而来。选型先按许可排除,再按输入输出形态定族,最后用 100 条自有样本验收,榜单名次只用来缩小候选。LLM OpenSource License