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 Tool Calling」找到 53 条内容
按专题浏览 →匹配正文：主流Agent框架对比 1. LangChain —— 通用编排框架 核心定位：LLM应用的全流程编排与工具集成 核心能力：Chain/Agent抽象、工具调用（Tool Calling）、记忆管理、多模型路由 技术特点：LCEL（LangChain Expression Language）支持流式、异步、并行执行 Agent场景：ReAct、Plan-and-Execute、Self-Ask等推理模式的标准化实现 RAG角色：提供RetrievalQA、Conversati…
匹配正文：…思路 本质是意图边界模糊问题，需在"能调"和"该调"之间建立多层过滤。 一、模型设计层 1. 显式意图分类器 在Function Calling前加二分类/多分类模块，输出chat/tool_call/uncertain三档 可用轻量模型（如BERT级）或LoRA微调，降低主模型负担 2. 双模型架构 路由模型：判断是否需要工具，决定走"闲聊分支"还是"工具分支" 执行模型：专精工具调用，减少闲聊数据干扰 3. 联合训练策略 SFT阶段加入"负例"：明确标注闲聊样本的tool…
匹配正文：…gentExecutor：控制循环逻辑（max_iterations、handle_parsing_errors） Tools：@tool装饰器绑定函数，LLM通过function calling或ReAct格式选择 4. 模块化带来的价值 可替换性：OpenAI和本地模型切换只需改一行 可组合性：Memory + Chain + Agent 任意拼接 可观测性：内置LangSmith追踪，无需埋点 实际开发注意点 过度抽象问题：简单场景直接用SDK更轻量 版本兼容性：0.1…
学习内容与项目面试，在同一条路上。