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 工具集成」找到 20 条内容
按专题浏览 →匹配正文：… 通用LLM应用编排 "Chains"串联组件，强调灵活组合 LlamaIndex 检索增强生成(RAG) 数据索引与查询为核心，Agent是上层封装 AutoGen 多Agent对话系统 以对话为中心的Agent交互模式 模块化设计对比 LangChain LCEL (LangChain Expression Language): 用 | 管道符组合组件，如 prompt | llm | parser 抽象层：Model → Prompt → Output Parser →…
匹配正文：…、错误处理） Function Calling vs ReAct两种调用范式 工作流编排的两种模式（静态DAG vs 动态规划） 工具集成的工程实践（Schema定义、权限控制、结果回传） Workflow的取舍场景 工具设计与集成 工具设计原则 原子性：每个工具只做一件事，避免"万能工具" 自描述：name/description + 严格的JSON Schema，让模型理解何时调用 防御性：超时控制、熔断降级、结果校验，防止工具拖垮整个Agent 两种主流调用范式 方式 …
匹配正文：…自主决策 模块化 高度模块化，组件丰富但学习曲线陡 模块化适中，RAG相关组件深度优化 模块化较弱，偏向端到端黑盒 关键能力拆解 工具集成 LangChain：通过@tool装饰器或BaseTool基类注册，支持同步/异步，但工具间状态管理较复杂 LlamaIndex：工具即"查询引擎"，天然与检索能力结合，但通用工具扩展性稍弱 AutoGPT：工具配置化（JSON/YAML），自主决策调用，但可控性差、易陷入循环 RAG支持 LlamaIndex是原生优势：多级索引（向量/…
学习内容与项目面试，在同一条路上。