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 工具执行」找到 60 条内容
按专题浏览 →匹配正文：…模型输出不含工具调用标记，或达到最大迭代次数 工程要点 工具描述质量：直接影响调用准确率，需清晰说明功能边界和参数含义 错误处理：工具执行失败时，将错误信息反馈给模型，支持自我修正 并行调用：支持一次生成多个独立工具调用，提升效率 学习建议 建议系统学习该知识点
匹配正文：LangGraph的核心优势 LangGraph的本质是将Agent执行建模为有向状态图，节点是计算单元（LLM调用/工具执行），边控制流转逻辑。相比只实现顺序调用的编排示例，关键差异在于下表。ReAct是交替推理与行动的迭代方法，不是线性框架；可在LangGraph或其它执行循环中实现： 特性 简单顺序编排示例 LangGraph 执行流 线性或简单分支 任意有向图，支持循环 状态管理 需自行选型/实现 显式state；配置checkpointer与存储后可持久化恢复 人机…
匹配口述回答：这道题其实是在问，怎么让大模型从一个只会说不会做的聊天机器，变成一个能真正干活的[[智能体]]。核心就是通过工具调用把模型的能力边界扩展到外部世界。 先说工具定义。你不能指望模型凭空知道怎么调用API，必须把每个工具的结构化描述给它。我一般用JSON Schema来描述，包括工具名称、功能描述、参数列表、参数类型和约束，比如枚举值、必填项。注入方式有两种：一种是通过[[系统提示]]直接塞进去，另一种是像OpenAI的tools参数那样用专用字段。系统提示方式对模型理解要求更高…
学习内容与项目面试，在同一条路上。