Strict Frog's Blog

企业级AIAgent:Plan-and-Execute + Function Calling

Plan-and-Execute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. 1,先定义Tools Schema 这里用到的工具: Search Database, Send Mail, Get Weather等等. 这些工具也就是自定义工具方法的名字. tools =...

Posted by LuochuanAD on February 16, 2026

企業向けAIエージェント：計画と実行 + 関数呼び出し

Plan-and-Execute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の考え方を採用し、「Tools Schema」を定義することでLLMとツールの連携を実現しています。 1, まずTools Schemaを定義する ここで使うツール：Search Database、Send Mail、Get Weatherなど。これらのツールはカスタムツー...

Posted by LuochuanAD on February 16, 2026

Enterprise-level AI Agent for Plan-and-Execute + Function Calling

Plan-and-Execute Framework

Background In a complete AI Agent, the invocation of tools here follows the concept of ChatGPT’s Function Calling, connecting the LLM with tool calls by defining a “Tools Schema.” 1. Define t...

Posted by LuochuanAD on February 16, 2026

Plan-and-Execute框架思路与应用

Plan-and-Solve

背景 LangChain的Plan-and-Execute框架受到关于Plan-and-Solve的论文的启发.Plan-and-Execute非常适合更复杂的长期规划,把复杂问题拆分成一个个子任务,逐个击破. 这会频繁的的调用大模型,但可以避免ReAct Agent循环过程中产生提示词过长的问题. Plan-and-Solve 策略 上图是无样本COT和Plan-and-...

Posted by LuochuanAD on February 15, 2026

Plan-and-Executeフレームワークの考え方と応用

計画と解決

背景 LangChainのPlan-and-Executeフレームワークは、Plan-and-Solveに関する論文に触発されています。Plan-and-Executeは、複雑な長期計画に非常に適しており、複雑な問題を複数のサブタスクに分解して一つずつ解決します。これにより大規模モデルの呼び出しは頻繁に行われますが、ReActエージェントのループ中に発生するプロンプトの長さ超過問題を...

Posted by LuochuanAD on February 15, 2026

Plan-and-Execute Framework for Concepts and Applications

Plan-and-Solve

Background LangChain’s Plan-and-Execute framework is inspired by the Plan-and-Solve paper. Plan-and-Execute is well-suited for more complex long-term planning by breaking down complicated probl...

Posted by LuochuanAD on February 15, 2026

RAG检索之QueryReWrite和Reranker

Query ReWriting

背景 在设计RAG系统的过程中,我通过设计了Structural Chunks和Structural Prompt后, 检索出来的结果是符合理想的准确性. 但我想更加提高准确率,需要Query Rewrite和Reranker双重检索. Query Rewrite 方案1: 同义词扩展 例如: 用户query: python 改写成: python语言 python开发...

Posted by LuochuanAD on February 14, 2026

RAG検索におけるQueryReWriteとReranker

クエリの書き換え

背景 RAGシステムを設計する中で、Structural ChunksとStructural Promptを設計した後、検索結果は理想的な精度に達しました。しかし、さらに精度を向上させるには、Query RewriteとRerankerによる二段階検索が必要でした。 Query Rewrite 方法1: 同義語拡張 例: ユーザークエリ: python 書き換え: py...

Posted by LuochuanAD on February 14, 2026

RAG Retrieval for Query ReWrite and Reranker

Query ReWriting

Background In designing the RAG system, after implementing Structural Chunks and Structural Prompt, the retrieval results achieved the desired accuracy. However, to further improve accuracy, du...

Posted by LuochuanAD on February 14, 2026

ReAct框架详解与思考

ReAct提示词

背景 在各种论文中, 有多种智能Agent的推理逻辑(也称框架):CoT, ToT, LLM+P等, 其中ReAct框架被LanggChain和LlamaIndex等多种AI应用开发工具作为推理引擎. ReAct框架 ReAct: Synergizing Reasoning and Acting in Language Models PromptTemplate(...

Posted by LuochuanAD on February 11, 2026

ReActフレームワーク詳細解説と考察

ReActプロンプト

背景 論文において、さまざまなスマートエージェントの推論ロジック（フレームワークとも呼ばれる）が提案されています：CoT、ToT、LLM+Pなど。その中で、ReActフレームワークはLangChainやLlamaIndexなど、複数のAIアプリケーション開発ツールで推論エンジンとして利用されています。 ReActフレームワーク ReAct: Synergizing Rea...

Posted by LuochuanAD on February 11, 2026

Detailed Explanation and Insights on the ReAct Framework

ReAct Prompt

Background Various papers propose multiple reasoning frameworks for intelligent agents (also called frameworks): CoT, ToT, LLM+P, etc. Among them, the ReAct framework is used as the reasoning e...

Posted by LuochuanAD on February 11, 2026

RAG之Structural Chunks设计

结构化切割

前言 针对RAG系统的构建，要想提高检索和生成结果的准确性，核心就是结构化Chunks的设计。 一, 常规的chunks切割方法 1，固定大小chunk分割 （Fixed-size Chunking） from langchain.text_splitter import CharacterTextSplitter text = "这是一个用LangChain测试固定大小分...

Posted by LuochuanAD on January 31, 2026

RAGの構造チャンク設計

構造化カッティング

はじめに RAGシステム構築において、検索と生成結果の精度を向上させるための核心は、構造化されたChunksの設計にあります。 1. 一般的なChunks分割方法 1. 固定サイズChunk分割（Fixed-size Chunking） from langchain.text_splitter import CharacterTextSplitter text = "これは...

Posted by LuochuanAD on January 31, 2026

Structural Chunks Design of RAG

Structured Cutting

Introduction To improve the accuracy of retrieval and generation results in a RAG system, the core lies in the design of structured chunks. 1. Conventional Chunking Methods 1. Fixed-size Chu...

Posted by LuochuanAD on January 31, 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