案例分析二:Data Analysis Agent 查了 50 次 SQL,为什么真正问题不是“分析得太认真”?
用户问,“为什么昨天收入下降?” Step 9 已经得到: 收入 -24% 请求 -2% eCPM -29% 媒体 A 贡献 78% 异常 这时合理结论已经基本明确。 但是后面 Trace: Step 10: 查询设备 Step 14: 查询地域...
案例分析二:Data Analysis Agent 为什么只加载 data-analysis,而不是同时带上所有 SQL、Flask、Python Skills?
第二个案例关心的不是如何新增 Skill,而是怎样避免过度加载。图中用销售分析任务举例:目录里虽然有多种能力,但选择器应先围绕当前分析目标筛出必要的说明。 本节“昨天收入下降”的问题也一...
案例分析一:Coding Agent 为什么连续 18 次 read → edit → pytest,却一直修不好?
接下来我们把抽象规则落到具体场景里。Coding Agent 最典型的失控方式,就是不断读取、修改、跑测试,看起来一直很忙,但结果没有任何实质变化。下面这张图,就是把这种“18 轮修不动同一个错误...
案例分析一:Coding Agent 为什么读过同一个文件三次?Working Memory 如何减少重复调查
这个案例特别适合看图。左边是“没有 Working Memory”的情况:读 README、读 src/main.py,但没有把关键结论记下来,于是后面又不断重复读取。右边则是“有 Working Memory”的做法:第一次读...
六、抽样、标准误与置信区间
1. 为什么需要抽样分布 前面我们描述的是手里已经看到的数据。但真实项目里,我们经常只拿到总体的一部分:抽一部分用户做问卷,抽一批订单看客单价,抽一组样本看新方案效果。 这时要问的就不...
小节五:怎么给未来 MySQL / PostgreSQL 留接口——不要让 SQLite 变成业务代码的一部分
这一节的最后一个重点,是为未来迁移做准备。 很多项目第一版: SQLite 后面业务增长: PostgreSQL 真正痛苦的不是迁移数据。 而是代码里到处都是: sqlite3.connect(...) 所以我们提前设计一个...
案例分析二:Research Agent 为什么应该是“按需调用”,而不是每个任务都固定走一次?
Research Agent 这一节最容易讲空,所以我建议你直接盯着图看。它最关键的价值,并不是“每次都出来刷存在感”,而是在真的需要外部资料时再介入。下面这张图把这件事画得很直接。 如果是纯本地...
3. 手动抛出异常
当程序遇到不符合预期情况时,可以使用raise语句手动触发(抛出)异常。 print('欢迎使用年龄判断系统') try: age = int(input('请输入你的年龄:')) if 18 <= age <= 120: print('成年')...
第 10 章 模块与包
1. 模块 1.1. 概述 在 Python 中,一个.py文件就是一个模块(Module)。 模块中可以包含:变量、函数、类、等很多内容。 通常把能够实现某一特定功能的代码,集中放在一个模块中(模块就类似于...









