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。
「Tool Calling 设计」找到 47 条内容
按专题浏览 →匹配正文：…gent与LLM的本质区别（自主决策 vs 单次响应） 三大核心组件的具体实现方式 ReAct/CoT等推理范式的作用 记忆的分层设计（短期/长期） 工具调用的标准化协议（OpenAI Function Calling） AI Agent 核心定义 AI Agent 是以大模型为"大脑"的自主决策系统，与传统LLM的关键区别在于：LLM是"问-答"的单轮响应，而Agent能自主感知环境、规划任务、调用工具并持续迭代，直到完成目标。 三大核心组件设计 1. 任务规划（Plann…
匹配正文：答案要点 工具描述Schema设计（OpenAI格式） 意图识别与工具选择的Prompt工程 参数提取的约束与校验机制 API执行的安全隔离与超时控制 结果回传与对话上下文的维护 错误分级处理与优雅降级策略 完整工具调用链路设计 1. 工具注册与描述（前置层） 每个工具按 OpenAI Function Calling Schema 注册：name/description/parameters(required字段) 关键：description要清晰说明工具能力边界，避免模…
匹配正文：…AG检索的片段） 长期记忆：用户画像、历史经验（需向量库存储） 重要性：支撑个性化和持续学习，避免"金鱼式"交互 4. 工具调用（Tool Use） 作用：通过Function Calling与外部系统交互（搜索、计算、数据库、API） 重要性：突破模型参数知识的边界，实现行动落地。需设计： 工具描述的标准化（OpenAI格式） 错误处理与重试机制 5. 执行与反思（Execution & Reflection） 作用：执行动作、观测结果、评估进度、自我修正 重要性：形成闭环…
学习内容与项目面试，在同一条路上。