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 工具容错」找到 4 条内容
按专题浏览 →匹配正文：… 参数约束,以及模型怎么知道「有哪些工具可用」 ✓ 掌握好工具的设计原则:单一职责、描述清晰、参数受约束、错误可读 ✓ 认全调研 Agent 的核心工具:Search / Visit / Scholar / Python 各管一摊 ✓ 学会三件工程化的事:统一工具网关、工具容错、多层缓存,这些决定了 Agent 在生产里稳不稳、贵不贵 ✓ 想清一个取舍:function calling(结构化)vs 文本标签解析(ReAct 那种),什么时候用哪个 本章按三段式组织: 段落 …
匹配正文：… 可能只返回不完整元数据，Python 可能因为输入、资源或沙箱规则失败。 报错至少是可见的；更危险的是系统“为了继续”掩盖错误。Agent 可能把搜索摘要当正文，换一个不相关页面凑证据，重复调用同一工具，甚至在没有资料时生成一段听起来完整的结论。 所以面试官问工具容错时，真正想听的是： 怎样区分可重试与不可重试错误，重试、换参数、换来源、换工具、降级和停止分别在什么条件下发生，如何保护已经获得的证据，又怎样验证系统没有在失败后悄悄降低事实标准？ 工具失败首先要被“看懂” 如…
…层:让模型本身就「更会用工具、更知道何时收手」,这要靠 SFT + 强化学习,是后面训练章节的主题 业内行话:面试问「你那个调研 Agent 怎么保证不跑偏」,能把这四层串起来讲(工具容错 / 上下文控常量 / 控制层兜底 / 训练层治本),而不是只说「我加了重试」,面试官立刻知道你真趟过长任务的坑。这条「问题在哪、从哪几层治」的结构化回答,是这一章最值钱的面试资产。 2.6 这 8 章怎么排(全书心智模型) 把开头那条心智模型「规划 → 多步检索 → 交叉验证 → 综合成带…
学习内容与项目面试，在同一条路上。