匹配正文：…供了一个可以诚实分析的小样本案例。所以面试官真正想问的是：首次 SFT 应该如何限定实验结论，为什么格式比策略更容易学，怎样把工具选择、答案准确与完整度拆开评测，以及下一批数据应该按什么缺口补，而不是盲目加量？先把这次实验的边界说清楚可以确认的首次训练使用 data/train_v3_200_clean.jsonl，清洗后实际是 187 条样本，训练 1 个 epoch。评测使用 10 个通用测试用例，对比基线与训练后模型的格式、工具调用、工具准确性、答案准确性和完…

#Deep Research#数据构造与训练#Deep Research SFT

面试题·Agent· 高德

Agent 工具选择：打分排序机制

匹配正文：核心设计思路工具选择本质是多目标决策问题，需在功能正确性、成本、时效性间权衡。建议采用**"语义路由 → 候选集生成 → 多维度打分 → 动态决策"**的分层架构。关键决策维度维度说明数据来源功能匹配度工具描述与任务需求的语义相似度 Embedding相似度、LLM判断历史成功率该工具对此类任务的完成率执行日志统计成本/延迟 Token消耗、API费用、响应时间实时监控当前负载服务可用性、限流状态健康检查接口实现方案方案一：规则+启发式（冷启…

#高德#Agent#Agent 工具选择

面试题·Agent

Deep Research 有 Search、Visit、Scholar 和 Python，Agent 怎样选对工具？

第 1 / 3 页下一页 →

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

按学习路线查看教程、项目和面试题。

站内 RAG 在线实战

匹配正文：…现计算。生产环境必须在沙箱里运行，限制模块、文件、网络、资源和执行时间，不能直接执行模型任意代码。四类研究工具的能力和证据边界工具选择取决于当前缺口需要哪一种证据或处理能力，名称相似度不能代替这个判断。工具描述是模型看到的“说明书” 模型不会自动理解后端函数。它通常看到工具名、description 和参数 Schema，再根据这些信息生成调用。如果 description 只写“搜索工具”“网页工具”，模型很难知道什么时候应该用、什么时候不应该用。合格说明至少包含…

#Deep Research#研究工具与稳定性#Deep Research 工具路由

面试题·Agent

Agent 有几十上百个工具时怎么选？大工具集路由怎样设计和验收

匹配正文：…中选一个，它会在“都不合适”时挑一个最像的，造成误调用。大工具集路由不仅要提高选中率，还要培养拒绝和澄清能力。精细选择也可以分为工具选择与参数填充分开。先确定 visit_page，再基于已知 URL 构造参数。把两步混在一次自由生成里，出错后很难区分是工具错还是参数错。从用户目标到安全执行的路由流程正确工具必须同时满足能力匹配、前置条件和权限，而不只是描述最相似。一份可解释的路由结果应包含什么可以用下面的结构记录一次路由。它是教学示例，用于说明字段边界，不代表已经…

#Agent#工具调用与安全#Agent 大工具集路由

面试题·Agent

训练数据里 Search 太多，为什么 Agent 遇到什么都想先搜？

匹配正文：…了简单问题仍偏 Search 的现象，材料同时指出 Search、Visit 轨迹偏多可能是原因之一。所以面试官真正想问的是：工具选择偏置怎样从训练数据产生，如何证明问题来自数据而不是 Prompt 或环境，为什么各工具数量相等也不等于平衡，又怎样用成对边界题、混淆矩阵和小批实验修正，而不虚构收益？ “工具多”不是偏置，“不看条件就选它”才是如果目标业务本来就有大量最新事实查询，Search 调用多可能合理。偏置指的是模型忽略当前任务状态，过度选择某个动作。例如稳定常…

#Deep Research#数据构造与训练#Deep Research 工具选择

面试题·Agent· 字节

大量工具怎么选?

匹配正文：…构设计基于语义的工具检索机制工具描述优化与向量化延迟优化策略（预加载、缓存、并行）工具学习/自动化工具发现核心挑战分析工具选择困难：LLM上下文窗口有限，无法一次性加载所有工具描述；相似工具难以区分调度复杂：工具间存在依赖、互斥、资源竞争；执行顺序影响结果响应延迟：工具检索+LLM决策+实际调用链路长解决方案 1. 层次化工具架构工具分类层：按领域/功能预分类（如"数据库类""搜索类"），先选类别再选具体工具元工具（Meta-tool）：高层工具封装常用…

#字节#百度#Agent

面试题·评估· 高德

Agent 多工具如何评分选路?

匹配正文：核心设计思路工具选择本质是多目标优化问题，需在准确性、延迟、成本、成功率间权衡。我按三层架构来设计：一、工具表征层：建立统一描述每个工具注册时标注元信息：能力边界：输入输出Schema、支持的任务类型性能画像：历史成功率、平均延迟、调用成本质量评分：人工标注或离线评测的准确率 # 工具描述示例 tool_profile = { "name": "weather_api_v2", "capabilities": ["current_weather", "foreca…

#高德#评估与监控#Agent

面试题·评估· 高德

Agent 有多个工具时如何安全选路？

匹配标题与标签：…选路？先用能力、权限和副作用做硬过滤，再以校准证据比较质量、延迟、成本与可用性，并处理超时、晚到结果和回退。评估 Agent 工具选择权限成本延迟幂等熔断高德

#Agent#工具选择#权限

面试题·评估· 高德

多工具评分排序机制

匹配正文：核心决策框架工具选择本质是多目标优化问题，需同时考虑：功能匹配度：工具描述与任务需求的语义相似度执行成本：延迟、调用费用、资源消耗历史表现：成功率、输出质量、用户满意度评分模块实现 1. 分层评分体系最终得分 = α·语义匹配分 + β·历史绩效分 + γ·成本惩罚项维度计算方式语义匹配用embedding模型计算工具描述与任务query的余弦相似度历史绩效滑动窗口统计近N次调用的成功率，引入时间衰减成本项归一化后的延迟/费用，作为负向惩罚 2. …

#高德#Agent#智能体工具选择

求职指南·Agent

Agent 工具调用与 Schema 设计项目模拟面试

匹配正文：…续下一组问题。配套学习：Tool Calling 工具集设计原则、Agent工具系统：注册与权限控制。 5. 说明结果怎么验证工具选择、参数合法、业务成功和端到端完成率分别怎么定义？基线和测试集是什么？考察重点：核验效果数字是否有定义、基线、样本和可归因证据。工具选择、参数合法、业务成功和端到端完成率的口径固定工具集、模型版本和任务集下的旧方案结果正常、边界、非法参数与副作用任务的测试集版本如果还没讲清：补充对应事实或可脱敏证据，再继续下一组问题。练习顺序：…

#模拟面试#简历项目#连续追问

面试题·Agent

LLM、Workflow 和 Agent 怎么选？什么任务根本不该做成 Agent

匹配正文：…权限、状态、危险操作、预算和停止条件由代码控制，关键业务阶段由 Workflow 固定，模型只在低风险、无法提前枚举的局部做规划和工具选择。选型后我会用同一任务集比较一次调用、固定流程和受控 Agent，分层记录任务完成、工具选择、失败恢复、人工介入和调用成本，并保留 Trace。高风险不可逆、没有可靠反馈、无法定义完成条件的任务，不会直接交给自主 Agent。对我来说，Agent 的重点不是自由，而是可验证边界内的自治。选 Agent 之前，把这些项目证据摆出来面试官若…

#Agent#架构与规划#Agent 和 Workflow 区别

面试题·Agent

Agent 规划应该写在 Prompt 里，还是固定在业务代码里？

匹配正文：…回放当 Prompt、模型、工具描述或规则版本变化时，使用同一批任务重新生成计划，并比较结构差异。重点关注新增或丢失的必要步骤、工具选择变化、审批节点变化和预算变化。回放记录应保留输入状态、计划版本、模型版本、校验错误和最终执行轨迹。这样出现退化时，才能确认是 Planner 变了，还是业务规则或工具变了。对照纯 Workflow 动态任务中，混合规划可能减少人工配置的长尾路径；固定任务中，纯 Workflow 可能更快、更稳。评估应该允许这种结论，而不是把所有指标都设…

#Agent#架构与规划#Agent 规划 Prompt 还是代码

系统教程·AI 编程

Function Calling:模型怎么学会「调工具」

匹配正文：…步走 ① 把函数描述成「工具 schema」模型根据工具 schema 与当前上下文提出调用请求。description 会影响工具选择，但还需要验证参数约束、任务覆盖和模型能力。下面延续第 2 篇已经准备好的 client 与 MODEL；订单查询使用固定演示数据，不访问真实订单。 # 真正干活的函数（模型只"说要调",执行是你的代码） def search_order(order_id: str) -> str: return f"订单 {order_id}：已发货,预…

#Agent#AI 编程

项目实战·Agent

第 3 章:工具集设计,让 Agent 真正「会用工具」

匹配正文：…本和 trace id,可审计、可引用。工具 description 会影响选择,但训练、提示、模型版本和上下文也会影响。必须用工具选择/参数/执行/结果四层测试评价,不能把错误“九成都归因于 description”。 2.3 网关是执行控制点,不一定是单独服务统一执行层处理注册、鉴权、校验、预算、调用与审计网关可以是进程内模块、队列 worker 或独立服务。它统一处理注册版本、鉴权、租户配额、参数校验、超时、并发、熔断、缓存、密钥注入和审计。密钥只在执行端读取,不…

#Agent#Deep Research#项目实战

面试题·Agent

Function Calling 到底怎么跑？模型不会执行函数，完整工具结果循环怎么实现

匹配正文：…有数字都应来自真实评估集，不预先写结论。第一层是调用决策：该调用时是否调用，不该调用时是否克制。正样本和难负例都要有。第二层是工具选择：在多个语义相近工具中是否选择正确。测试集要覆盖描述容易混淆的工具，而不是只测每个工具一个明显关键词。第三层是参数质量：结构是否合法、必填信息是否来自用户上下文、业务值是否合理。格式正确与语义正确要分开统计。第四层是执行与恢复：超时、空结果、未知工具、权限失败发生时，系统是否走到预期出口，有没有无限重试或绕过权限。第五层是结果忠实度：…

#Agent#工具调用与安全#Function Calling 完整流程

面试题·Agent

Agent 工具怎么设计和注册？Tool Schema、Registry 与执行器如何解耦

匹配正文：…按当前问题提取、不能访问私网。限制既帮助模型选择，也方便评估。修改描述后要跑回归集，而不是凭文案感觉。准备相似任务和难负例，观察工具选择、参数与无调用情况。描述是运行行为的一部分，应该像代码一样版本化和评审。工具版本怎样管理工具升级可能改变参数、语义或返回结构。若只是修复内部实现且契约不变，可以保持版本；若删除字段、改变默认行为或返回含义，就需要新版本。一次 Agent 运行最好绑定工具清单版本。长任务恢复时仍能知道当时模型看到什么 Schema、后端使用什么执行器。…

#Agent#工具调用与安全#Agent Tool Registry

面试题·Agent

Function Calling 有了 JSON Schema，为什么工具参数还是会错？

匹配正文：…根据任务类型决定是否必须向用户澄清。所以 required 表达的是“调用这个工具时必须提供”，不是“系统任何时候都必须生成”。工具选择和参数完整性必须配合。 enum、范围和额外字段怎样使用？ enum 适合真正封闭的选项，例如排序方向或预定义来源类型。如果选项经常扩展，过窄 enum 会让模型无法表达新能力；过宽自由字符串又会产生拼写和兼容问题。可以在稳定内部代码和用户可读标签之间做映射。数值范围应来自工具真实能力和产品预算，不能随意写一个看起来合理的上限。服务端仍…

#Deep Research#研究工具与稳定性#Function Calling 参数校验

面试题·Agent

Agent 工具返回成功就算完成了吗？调用、执行、业务成功要分三层判断

匹配正文：…。错误该归到哪一层错误归因决定修复方向。模型总是选择不存在的工具，优先检查可见工具、名称、描述和结构化输出，这是调用层问题。工具选择正确但持续超时，检查下游服务、超时和限流，是执行层问题。工具稳定返回，但结果不能解决用户目标，检查工具能力边界、任务拆解、规划和完成条件，是业务层问题。如果最终答案没有引用已经返回的事实，工具和业务判定都可能正常，问题出在结果整合节点。它说明端到端成功不能由工具层代替。一次 Trace 应保留三层状态和首次失败位置。后续重试成功时，也不…

#Agent#工具调用与安全#Agent 工具成功判断

面试题·Agent

Deep Research 训练的种子问题从哪里来，怎样避免一开始就把数据做偏？

匹配正文：…。它只能产生候选，不能自己生成、自己验收、自己决定全部通过。最常见问题是同质化。十个改写只换语序和同义词，语义难度、证据路径和工具选择完全相同。第二个问题是事实漂移。更换实体后，原答案和证据不再成立。第三个问题是难度虚高。问题变长、限定词变多，看起来复杂，实际上仍然只需查一个页面。第四个问题是范围失控。模型加入无法公开核验的内部信息、实时数据或模糊主观要求。扩写后要重新跑可回答性、证据、去重和难度检查。不能因为母题通过，就默认所有子题通过。四类来源怎样互补？真…

#Deep Research#数据构造与训练#Deep Research 种子数据

面试题·Agent

MCP 和 Function Calling 有什么区别？Agent 工具接入时两者怎样配合

匹配正文：…lling，Host 可以直接使用；若不支持，也可以让模型输出结构化文本，再由 Host 解析。MCP 不规定模型内部一定使用哪种工具选择接口。反过来，有 Function Calling 也不等于需要 MCP。应用只有少量本地函数，团队能维护直接适配，使用简单 Registry 就足够。引入 MCP 会增加连接、版本、进程或远程服务治理，不一定带来收益。所以两者的关系不是替代，而是可组合。一个解决模型如何“说要做什么”，另一个解决应用如何“接到并调用外部能力”。直接 …

#Agent#工具调用与安全#MCP 和 Function Calling 区别

面试题·Agent

Teacher 生成的 Agent 轨迹为什么不能直接拿去训练，怎样筛出高质量样本？

匹配正文：…别 Teacher 只负责生成候选，环境真实性与质量门决定它能不能训练。为什么强 Teacher 也会生成坏轨迹？第一类问题是工具选择错。简单常识题本来可以直接回答，Teacher 却习惯性搜索；需要访问原文时，它只看搜索摘要；需要计算时，它用自然语言估算。格式都合法，决策却没有学价值。第二类问题是参数错。搜索词过宽，Visit 指向无关页面，日期范围和对象条件丢失，或者计算输入和证据中的数字不一致。工具确实运行了，但处理的不是原任务。第三类问题是无效循环。模型…

#Deep Research#数据构造与训练#Deep Research 轨迹生成

面试题·Agent

轨迹中哪些 Token 应参与 Loss，Observation Mask 怎样按目标实现？

匹配正文：…要学的工具参数和答案反而信号更弱。第五个问题是评估错觉。训练 loss 下降，可能只是模型更会复述重复出现的工具返回，并不代表工具选择、停止条件和答案证据有改善。 Loss Mask 具体遮住什么？一个常用的原则是按“线上究竟由谁产生这段内容”划分。用户消息由用户提供，不是模型预测目标。系统指令由应用提供，也通常不作为当前 Agent 行为的监督目标。在本文讨论的 assistant-only SFT 中，工具 observation 由环境提供，通常应 mask…

#Deep Research#数据构造与训练#Observation Loss Mask

面试题·Agent

Deep Research 训练路线怎样选：何时用 CPT、SFT 或 GRPO？

匹配正文：… mask；其它训练目标需要重新定义监督范围。无论哪种目标，都要避免把环境文本误标成模型已执行的结果。冷启动不意味着只看格式。工具选择、参数、停止和答案完整都要纳入 SFT 数据审核，只是不能期待一次监督学习就把所有新状态策略优化到位。 SFT 的退出标准至少应包括：格式可解析、工具调用能执行、Observation 角色正确、基本任务能闭环、没有大面积重复输出或缺失 final answer。还要有动作边界评测。若格式稳定但所有问题默认 Search，模型仍不是合格的…

#Deep Research#数据构造与训练#Deep Research 多阶段训练

面试题·Agent

复杂任务一定要拆成多 Agent 吗？单 Agent 与多 Agent 怎么选

匹配正文：…、状态一致性和失败归因成本。反过来，一个 Agent 同时面对大量工具、相互冲突的指令、很长的中间轨迹和多个独立目标，也可能出现工具选择混乱、注意力被稀释、一步失败拖垮整条链路的问题。此时合理拆分可以隔离上下文、权限和评估，让每个角色只处理自己擅长的一段。所以这道题应从任务是否存在可验证的职责边界开始，而不是比较“一个模型和多个模型谁更聪明”。先用单 Agent 加工具建立基线，找到真实失败证据，再决定是否按角色拆分。拆分要换来上下文隔离、专用工具、独立验收、故障隔离或真…

#Agent#多智能体与评估#单 Agent 和多 Agent 区别