AI 背后的算法

一条可以继续验证的思路

递归与分治

这里有 2 篇文章,从一个词走向真实工作里的选择;先读懂,再决定要不要使用。

阅读线程开放
2篇札记
阅读方式先找到你卡住的地方,再顺着证据和取舍走

每篇可以独立阅读,也可以沿着这条线程继续。

AI 背后的算法无需登录

本页解决的问题

先给结论

什么是「递归与分治」,它会影响哪些 AI 决策?

遍历目录、拆解任务、画分形树,套路都一样:自己调用自己。看 Agent 怎么把「做个官网」递归拆成能动手的小任务 本页把相关概念、常见误区和实践文章放在同一条阅读线程里。

判断标准

先判断你卡在定义、选择还是验证,再从下方 2 篇文章中选择最接近的一篇。

下一步

从「递归:把大事拆成同一件小事」开始,读完后用自己的任务复述结论。

常见误区

不要把同一主题下的所有方法当成可互换方案;输入、风险和验收标准变化时,答案也会变化。

这条问题线程

把一个词放回它真正影响的选择里。

2 篇札记
交互

递归:把大事拆成同一件小事

遍历目录、拆解任务、画分形树,套路都一样:自己调用自己。看 Agent 怎么把「做个官网」递归拆成能动手的小任务

AI 背后的算法 3 min →
交互

分治:上下文压缩的算法原理

动手实战篇的 Compaction 其实是分治:把长对话切段、各自摘要、再合并。亲手跑一次递归摘要,看信息怎么被层层压缩

AI 背后的算法 3 min →