基于Agentic AI 的卡车司机连续找货决策

项目背景：为什么让 Agent 做卡车司机找货决策

这一节会说明赛题设置、司机偏好扣分、Agent 相比 Workflow 的优势，以及为什么要拆成 Multi-Agent 而不是让单个 Agent 扛下全部职责。

项目难点分析与方案架构演进

拆解司机偏好、货源搜索、上下文压力和决策格式等核心难点，并记录从 Single Agent 到 Multi-Agent 的早期演进。

偏好解析架构

说明如何把司机自然语言偏好转成可执行约束，从规则解析、复杂结构化解析，演进到轻量的 tasks / filters / counters 方案。

Memory 模块：让 Agent 在连续调度里不要每一步都重新开始

说明如何把货源状态、市场搜索经验、司机偏好进度和失败轨迹沉淀为可分发的 memory view，降低上下文噪声并支持后续 Trace-to-Skill。

Module 05

本项目的第五块具体内容

进入这一块对应的项目博客页面，后续可以替换成真实模块名称。

这里先作为中性占位：独立页面里可以放这块内容的背景、过程、截图、代码、结果或复盘。