Strict Frog's Blog

CAMEL框架详解与思考

CAMEL

背景 CAMEL是首个基于大模型的多Agent框架,其设计是多个角色扮演,互相对话,来达成共同的用户任务. CAMEL原文讲解 人类的一个idea,通过”Task Specifier“ 翻译,补充,明确化成一个具体的任务. 根据这个任务,设置2个不同的角色扮演:AI 助手 和 AI 用户. 通过这2个角色互相之间多轮对话直到 AI 用户觉得任务完成了 或者达到最大限度的对话...

Posted by LuochuanAD on February 22, 2026

CAMELフレームワークの詳細解説と考察

キャメル

背景 CAMELは大規模モデルに基づく初のマルチエージェントフレームワークであり、その設計は複数の役割を演じながら相互に対話し、共通のユーザータスクを達成することを目的としています。 CAMEL原文解説 人間のアイデアとして、「Task Specifier」を通じて翻訳・補完・具体化されたタスクに基づき、2つの異なる役割を設定します：AIアシスタントとAIユーザー。この2つ...

Posted by LuochuanAD on February 22, 2026

Detailed Explanation and Reflection on the CAMEL Framework

CAMEL

Background CAMEL is the first large-model-based multi-agent framework designed with multiple role-playing agents that converse with each other to achieve a shared user task. Explanation of CA...

Posted by LuochuanAD on February 22, 2026

财务报表分析AIAgent的搭建与思考:ReAct RAG Agent

Architecture

背景 没有复杂的RAG设计, 仅仅通过LlamaIndex的ReAct RAG Agent框架来实现财务报表的分析,就可以达到和初级商业分析师一样的水平. 但也是有许多的不足.个人觉得仅仅适合微小型企业来使用. 财报分析结构图 1, 加载A, B, ……公司的财务报表文件 from llama_index.core import SimpleDirectoryReader ...

Posted by LuochuanAD on February 21, 2026

财務諸表分析AIAgentの構築と考察ReAct_RAGエージェント

アーキテクチャ

背景 複雑なRAG設計なしに、LlamaIndexのReAct RAG Agentフレームワークを使って財務諸表の分析を行うだけで、初級のビジネスアナリストと同レベルの成果が得られます。しかし、多くの制限もあります。個人的には、小規模な企業向けに適していると考えています。 財務分析構造図 1. A社、B社などの財務諸表ファイルの読み込み from llama_index.c...

Posted by LuochuanAD on February 21, 2026

Building and Reflections on a Financial Statement Analysis AI Agent for ReAct RAG Agent

Architecture

Background Without complex RAG design, simply using LlamaIndex’s ReAct RAG Agent framework to analyze financial statements can achieve a level comparable to a junior business analyst. However, t...

Posted by LuochuanAD on February 21, 2026

AIAgent之完整的系统架构

Architecture

完整的架构结构 Architecture 1. Intent Layer 2. Planning Layer 3. Execution Layer 4. Tool Layer 5. Memory Layer 6. Knowledge Layer 7. Policy & Guardrail Layer 8. Observability Layer 9. Persistence Laye...

Posted by LuochuanAD on February 19, 2026

AIAgentの完全なシステムアーキテクチャ

アーキテクチャ

完全なアーキテクチャ構造 Architecture 1. Intent Layer 2. Planning Layer 3. Execution Layer 4. Tool Layer 5. Memory Layer 6. Knowledge Layer 7. Policy & Guardrail Layer 8. Observability Layer 9. Persistence...

Posted by LuochuanAD on February 19, 2026

Complete System Architecture of AIAgent

Architecture

Complete Architecture Structure 1. Intent Layer 2. Planning Layer 3. Execution Layer 4. Tool Layer 5. Memory Layer 6. Knowledge Layer 7. Policy & Guardrail Layer 8. Observability Layer 9. Persi...

Posted by LuochuanAD on February 19, 2026

企业级AIAgent:Router + ReAct + Function Calling

Architecture

背景 用户的Query既有简单的信息搜索又有工具调用,那么就需要设计一个通用可复用的成熟的系统架构 架构结构 Architecture User Query       ↓ 1️⃣ Intent Router       ↓ ┌───────────────┬──────────────────┐ │ Simple QA     │ Tool Required     │ │ (L...

Posted by LuochuanAD on February 18, 2026

企業向けAIAgent：ルーター + ReAct + 関数呼び出し

アーキテクチャ

背景 ユーザーのクエリには単純な情報検索とツール呼び出しの両方が含まれるため、汎用かつ再利用可能な成熟したシステムアーキテクチャの設計が必要です。 アーキテクチャ構造 Architecture User Query       ↓ 1️⃣ Intent Router       ↓ ┌───────────────┬──────────────────┐ │ Simple QA  ...

Posted by LuochuanAD on February 18, 2026

Enterprise-level AI Agent for Router + ReAct + Function Calling

Architecture

Background User queries include both simple information retrieval and tool invocation, so a mature, reusable, and general system architecture is needed. Architecture User Query ↓ 1️⃣ Int...

Posted by LuochuanAD on February 18, 2026

企业级AIAgent:ReAct + Function Calling

ReAct框架

背景 在完整的AI Agent中,工具的调用这里采用ChatGPT的Function Calling的思想,通过定义“Tools Schema”来连接LLM和Tools的调用. 架构结构 User Query     ↓ Agent (LLM with tool access)     ↓ Decide:     - Call Tool?     - Or Final Answe...

Posted by LuochuanAD on February 17, 2026

企業向けAIAgent：ReAct + 関数呼び出し

ReActフレームワーク

背景 完全なAIエージェントでは、ツールの呼び出しにChatGPTのFunction Callingのコンセプトを採用し、「Tools Schema」を定義してLLMとツールの呼び出しを連携させています。 アーキテクチャ構成 User Query     ↓ Agent (LLM with tool access)     ↓ Decide:     - Call Tool?  ...

Posted by LuochuanAD on February 17, 2026

Enterprise-level AI Agent for ReAct + Function Calling

ReAct Framework

Background In a complete AI Agent, tool invocation adopts the Function Calling concept from ChatGPT, connecting LLM and tool calls through defining a “Tools Schema.” Architecture User Query  ...

Posted by LuochuanAD on February 17, 2026

FEATURED TAGS
iOS error Html JavaScript ipa HTML Python python Excel Csv Prompt AI RAG Chunks QueryReWriting Reranker FunctionTools AIAgent Function Tools AI Agent ReAct Architecture Router token Reflection Autonomous AutoGPT workflows structured ChatGPT AgentOS SelfImproving Embedding Self-Evolving Fine-tuning SFT architecture FastAPI unicorn gradio EmbeddingModel AI-Infra-Layer asyncio Memory Evaluation Next.js
ABOUT ME

keep hungry keep foolish

Total visits Total visitors

✉️ luochuanad@gmail.com

FRIENDS