小节一:Tool Schema 到底解决什么问题——把“函数怎么用”变成模型可读协议
先看最简单的函数: def read_file(path: str): '''读取指定文件''' 对于 Python 开发者来说,这个接口已经很清楚。 但对于模型来说,它需要被翻译。 最基础可以转换成: { 'name': 'read_file'...
小节二:Working Memory 应该怎么更新——它不是一次性总结,而是每个 Step 都在演进
这一部分建议先配合流程图理解。图里把“用户目标 → 当前 Memory → 选 Tool → 执行结果 → 更新 Memory → 进入下一轮 Context”这条链路串了起来,能很清楚地看到:Working Memory 不是任务...
章末自测
题目 1:工具选错与参数错误有什么区别?为什么两类问题的修复方向不同? 如果任务需要读取文件,模型却选择 write_file,这是 Tool Selection Error,说明能力选择阶段出了问题,应检查 Tool ...
章末自测
题目 1:为什么 Tool Request 和 Tool Execution 必须拆成两个概念? 请结合模型概率性决策、权限、安全和不可逆副作用四个角度解释。 Tool Request 只是模型提出“我想做这个动作”,模型的判...
3.4 LLMToolSelectorMiddleware中间件
智能工具筛选。当工具太多时,用子模型筛选最相关的几个工具。参数: model :用于工具筛选的子模型 max_tools :限定可以调用的工具总数 always_include :指定的工具不被计数 举例1提供必要的...
小节一:真实 Agent 的 Prompt 由什么组成——先把每一类上下文的职责分清楚
我们先不写代码。 先回答一个很基础但特别重要的问题,这么多上下文到底各自放什么? 如果边界没分清,最后很容易所有东西都往 System Prompt 里塞。 先把这些来源放在同一张图里看,会更容易建...
小节二:Path Validation 真正难的地方——..、绝对路径、符号链接、覆盖写入都可能越界
这一节建议一定配着图看,因为路径校验最容易出问题的地方,不是在“知道有 ..”,而是在只做表面判断。真正有效的校验,必须把整个验证流水线走完整。 图里把几类高频危险输入都摆出来了:路...
章末自测
题目 1:为什么 FileNotFoundError 通常不适合直接 Retry? 假设 Agent 调用 read_file('config.py') 返回 FileNotFoundError。请解释为什么把同样调用重复三次没有意义,...
案例分析二:Data Analysis Agent 连续下钻 40 个维度,为什么“还可以再查”不等于“应该再查”?
数据分析场景也很容易出现类似问题。很多时候,Agent 已经顺着媒体、广告位、地区、设备等路径把问题定位得差不多了,但因为“还存在别的切分角度”,它就继续往下钻,最后把本来已经足够的证据...
AGENTS.md:给不同项目定义不同规则
上一节,我们刚刚把 Agent 的通用能力拆成了 Skills。 例如: skills/ ├── python-debug/ │ └── SKILL.md ├── flask-project/ │ └── SKILL.md └── data-analysis/ └── SKIL...











