2.2.3.5 随机数组
(1) 均匀分布随机数 (np.random.rand) 返回给定形状的数组,用 [0, 1) 上均匀分布的随机样本填充。 rand_arr = np.random.rand(2, 2) # [0,1) 均匀分布 # 输出示例: [[0....
章末自测
题目 1:为什么普通一次 LLM 调用无法天然完成多步环境交互? 假设用户说“帮我找到项目入口文件并读取内容”,模型第一次调用时还不知道目录结构。请解释为什么一次 LLM 调用通常无法完成整个...
Streaming:实时看到 Agent 在干什么
上一节,我们把每一次 Agent 任务正式建模成了一个 Run。 现在一个 Run 已经有: run_id session_id status start_time end_time steps error 客户端也可以: POST /api/v1/runs 创建任务...
2.3不间断会话服务-2.3.1安装Tmux
Terminal Multiplexer(终端复用器,简称为Tmux)是一款能够实现多窗口远程控制的开源服务程序。简单来说就是为了解决网络异常中断或为了同时控制多个远程终端窗口而设计的程序。用户还可以使用...
第 7 章 用PyTorch进行深度学习
7.1 激活函数 PyTorch中已经实现了神经网络中可能用到的各种激活函数,我们在代码中只要直接调用即可。 7.1.1 Sigmoid函数 Sigmoid函数与其导数图像绘制代码: import torch import matplotlib....
小节三:实现 OpenAIProvider、ClaudeProvider、LocalModelProvider——真正的难点是“适配”,不是“复制三份代码”
现在进入真正落地。 先说一个原则,不同模型 Provider 的 API 形式会变化,所以我们不把模型名称写死在课程代码里。 统一从环境变量读: OPENAI_MODEL ANTHROPIC_MODEL OLLAMA_MODEL 这样以后模...
小节四:Main Agent 如何做动态分派——真正的 Agentic Orchestration 在这里
这一节最核心的地方,不是“有多少个 Agent”,而是“下一步由谁来决定”。如果 Main Agent 能根据 Goal、State 和 Observation 动态改变调用顺序,那才是真正的 Agentic Orchestration。下面这...
章末自测
题目 1:Run、Step、Trace、普通日志分别解决什么问题? 请从任务生命周期、过程索引、详细证据和服务运维四个角度解释。 Run 表示一次完整 Agent 任务的生命周期,例如 READY、RUNNING、COMPLE...













