本地 9B 模型实测：图工作流比 ReAct 循环省 2.6 倍 Token
treble-maker123 · reddit · 2026-08-21
作者在 M1 MacBook Pro 上使用 Qwen 3.5 9B 模型，对比了标准 ReAct 循环与图工作流在邮件分拣任务上的表现。
- 准确率：两者差异极小且不具统计显著性。
- 效率：图工作流优势显著，ReAct 循环因需要大量叙述生成了 2.6 倍的输出 Token，实际耗时也长了约 1.5 倍。
作者推测，随着任务规模增大或状态更复杂，这种效率差距可能持续存在，并希望了解在非玩具场景下 LangGraph 的实战经验。
「编程与Agent」频道最新
- Vercel Python 正式 GA:原生支持 FastAPI/Django 与 Fluid Compute — steren · 2026-10-16
- Claude Opus 5.5 + Unity 6 完整教程：六步从空文件夹做出可玩游戏 — Roger_M_Taylor · 2026-10-16
- Marc Lou 公开安利 PostShiba：独立开发者的邮件基础设施新选择 — marclou · 2026-10-16
- RExBench 基准:最强编码 Agent 自主完成研究扩展成功率仅 33% — najoungkim · 2026-10-16
- 开发者把 Pstack skills 装进 Grok bot 与 Hermes agents — alexcovo_eth · 2026-10-16
- past.dev 推出 Agent 长期记忆 API,登顶 BEAM 公开记忆基准 — thisiskp_ · 2026-10-16