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 工具选择」找到 65 条内容
按专题浏览 →匹配正文：答案要点 工具分类的完整性（搜索、计算、数据库、API等） 每种工具的典型使用场景 工具选择的决策逻辑 工具调用与Agent规划的配合关系 实际落地中的工具注册与管理机制 Agent工具主要分为以下几类，每类解决不同能力边界问题： 1. 信息检索类 搜索引擎/知识库：弥补模型知识时效性和幻觉问题，如实时新闻查询、企业内部文档检索 数据库查询：SQL执行、向量检索，用于结构化数据获取 2. 计算与推理类 代码执行器：Python/Shell执行复杂计算、数据分析，解决数学推理短…
匹配正文：…解工具调用的本质：将自然语言意图转化为结构化调用 提及主流协议标准：OpenAI Function Calling、MCP等 说明工具选择机制：LLM如何决定何时调用哪个工具 举例具体场景：不同工具组合解决复杂任务 Agent系统的核心是通过Function Calling将LLM的自然语言能力与外部工具打通。常见工具类型包括： 信息获取类 搜索引擎（Google/Bing/百度）：获取实时知识，弥补模型训练数据截止问题 知识库/RAG检索：查询企业内部文档、产品手册 数据库…
匹配口述回答：…】。工具从【选择】到【参数校验】、【执行】、【结果验证】再到【失败恢复】的链路是【】。方案与【真实备选】比较时，使用【任务成功率、工具选择准确率、延迟、成本和故障率】作为指标，实际结果为【真实记录】，不是题库预填数字。 【证据自检】回答前核对依赖文件、训练或评测日志、工具 schema、trace、压测记录与回滚方案。任何无法复算的提升都删掉。 【追问入口】可以继续追问：为什么选这个框架，工具超过当前规模如何路由，外部 API 不稳定如何降级，敏感动作怎样确认，以及训练与非训…
学习内容与项目面试，在同一条路上。