5.2. 查看数据类型
通过type()可以查看数据类型,type()会返回当前数据的具体类型。 # 使用变量接收 type() 返回的类型 result1 = type('张三') result2 = type(18) result3 = type(72.5) print(result1) # <cl...
3.10 Shell tool中间件
为Agent提供一个可以执行命令的Shell环境。Windows下无法测试。 3.11 Filesystem中间件 这是源自deepagents(基于LangChain的另一个框架)的中间件内置了四个工具,分别用于查看目录、读文件、...
案例分析二:Data Analysis Agent 状态混乱,为什么会重复查同一条 SQL?
场景背景 一个 Data Analysis Agent 接到任务,“为什么昨天收入下降?” Agent 先查: 总收入 再查: 按媒体拆分 发现: media_B 异常 接着应该继续: 查 media_B 的请求、曝光、eCPM 问题矛盾...
小节三:实现 SkillLoader 和 SkillRegistry——把 Skill 从文件系统真正加载进 Agent
前面已经写好了 Skill 文件,接下来要解决的是“文件如何变成运行时可用的能力”。下图把文件目录、Loader、Registry 和 Agent 放在一条线上,能帮助我们理解为什么仅有 SKILL.md 还不够。 Sk...
Tool Schema:让模型知道工具怎么用
上一节我们已经把 Tool Registry 搭起来了。 现在 Harness 已经知道: read_file write_file run_python run_shell 这些 Tool 到底对应哪个 Python 函数,也可以: registry.get('read_file') r...
案例分析二:Data Analysis Agent 结论错了,Trace 如何证明 SQL 没错而模型解释错了?
数据分析里,一条看起来合理的结论可能在“读到结果 → 解释结果”的环节就走偏。下面的图把 SQL、真实返回、模型解释和最终文字结论分别画出来,方便观察这些环节如何对照。 注意:图中的表格...
第 2 章 初识 Python 2.2. 一个简单的打印效
2.2. 一个简单的打印效果 ① 在终端中输入python并回车 ② 随后输入:print(100),随后回车,终端中呈现100 备注:作为初学者,各位暂时不用纠结上述代码的含义,先跟着操作就可以,后面会仔细...
第 2 章 环境准备
2.1 创建conda环境 终端输入如下命令,创建项目的虚拟环境,并指定Python版本: conda create -n nlp python=3.12 激活该虚拟环境: conda activate nlp 2.2 安装所需依赖 本课程依赖以下软件和...
小节五:Skill、Tool、Memory、AGENTS.md 到底有什么区别——四个概念一定别混
这些名称都可能出现在 Agent 的上下文或执行链路里,所以初学时很容易把它们统称为“Prompt”。把几个概念并排比较,会更清楚每个东西在解决哪一种问题。 看图时尤其注意:Tool 是执行动作的接...












