页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「Agent 工具调用」找到 295 条内容
按专题浏览 →匹配正文：…字均为示意口径(标注为经验值),你要换成自己真实测出来的。 三维 该写什么 RAG 智能问答系统示例 Deep Research Agent 示例 工程维度 架构/状态/工具/权限/监控/成本 文档解析 → 分块 → bge 向量检索 + 重排两路召回,加检索失败兜底与查询改写,接入调用日志监控单次成本 ReAct 迭代循环 + 工具注册(搜索/抓取/计算),长程记忆做上下文压缩,关键工具调用加权限确认与 trace 回放 业务维度 场景/用户/数据源/约束/边界 面向某垂直…
匹配正文：…是一整套闭环:SFT 打底 → 课程式(curriculum)数据分阶段喂 → RL 阶段用 DPO/GRPO 等做偏好对齐 → 工具调用轨迹数据训练 Agent 行为 → 再回到评估和数据迭代。它依赖大量高质量标注、稳定的训练基础设施、专门的评估体系,一个人在自己机器上基本复现不了全貌。 给你的定位建议:应用开发岗自学到"能做一个有评估的轻量 LoRA/SFT、能讲清 RAG/Prompt/微调取舍"就够了,再往上是应用算法和研究生算法向的战场。想看这套训练闭环在一个真实 …
匹配正文：…的地方,务必先补。 八股部分按岗位方向抽,不会全都问: RAG 方向:检索链路(切块策略、嵌入选型、混合检索、重排)、评估指标。 Agent 方向:工具调用与规划(Function Calling、ReAct、失败恢复、多步编排)。 微调方向:LoRA/QLoRA 原理、数据构造、灾难性遗忘。 推理方向:KV Cache、量化、批处理与吞吐优化。 这些在领域八股速通里按模块整理好了,题库入口在 /questions,每道题有书面答案和口语版讲法。练的重点是「能顺畅讲出来」,不…
学习内容与项目面试，在同一条路上。