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。
「LLM Agent 工具调用」找到 222 条内容
按专题浏览 →匹配追问：场景切入 假设咱们要做一个电商智能客服Agent，替代原来退换货的规则引擎。用户可能同时问退换货、物流和发票，还得调订单、物流、工单十几个系统，响应得3秒内。你做过类似项目吗？说说你的思路和踩过的坑。 层层追问 你在大模型应用或Agent开发上有什么实际项目经验？……具体说一下业务背景和技术选型……架构怎么设计的？……遇到过什么挑战？比如工具调用不准、链路超时这些，怎么解决的？ 直球架构 聊一个你做的Agent项目，把背景、技术方案和核心挑战讲清楚。包括意图怎么识别、任务怎么…
匹配口述回答：…LLM拿Schema列表，一个执行调用。这里有个坑：工具返回内容要控制长度，LLM的上下文窗口有限，超长结果我会摘要或者截断，不然Agent会跑偏。 实际业务场景，比如客服退款系统。用户说"我要退单A，但订单号找不到了"，Agent需要调用查订单、查退款政策、生成退款单三个工具。查订单工具得有模糊搜索能力，因为用户可能只记得部分信息；退款政策工具要考虑满减、优惠券叠加这种复杂规则，参数校验就格外重要；生成退款单工具要防重复提交，得做幂等。 落地风险我特别关注两个：一是工具调用…
…集的多样性与真实性来源 负样本构造的hard negative策略 人工+自动化的混合标注流程 数据代表性验证方法 核心设计原则 Agent和RAG的评估目标不同：RAG重事实准确性，Agent重任务完成度与工具调用正确性，需分开设计。 数据采集 来源 适用场景 注意事项 真实用户日志 高价值、分布真实 脱敏+去偏，避免头部query过度采样 合成数据（LLM生成） 快速覆盖长尾场景 需人工校验，控制幻觉比例 公开benchmark适配 跨模型可比 检查license，避免数…
学习内容与项目面试，在同一条路上。