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落地」找到 346 条内容
按专题浏览 →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…
匹配口述回答：…earch、coding和GUI操作。 先说coding。这不仅仅是写代码，更核心的是工具构建和自动化执行的能力。比如一个数据分析Agent，你给它一个Excel文件，让它做清洗、统计、画图，它需要能自己写Python脚本并执行。再比如Devin那种编程Agent，能端到端把需求变成代码。实际落地中，coding能力强的Agent可以调用API、操作数据库、甚至通过代码控制浏览器。但这里有个前提：它必须理解代码执行的环境和结果，否则容易跑飞。 再说GUI操作。这个和codin…
匹配口述回答：…h 当成万能的知识库。比如一个客服退款场景，用户问“我上周买的鞋降价了，能退差价吗”，如果直接搜全网，可能搜到过期的促销政策。真正落地时，Search 要跟业务知识库配合，比如先搜内部的知识库，再搜外部网页，并且要设定时间范围。如果检索结果质量差，比如 top-k 太小或者相关性分数低，Agent 会基于错误信息做决策，反而加剧幻觉。所以前提是检索系统本身要可靠，比如用 [[Hybrid Search]] 结合关键词和向量，再加一层 [[Rerank]] 过滤低分结果。 再说…
学习内容与项目面试，在同一条路上。