2026年11月的文章 第31页

核心小节二:Harness 真正要做什么——解析、查找、校验、执行,一个都不能少-大赛人网

核心小节二:Harness 真正要做什么——解析、查找、校验、执行,一个都不能少

现在我们已经有: { 'name': 'read_file', 'arguments': { 'path': 'app.py' } } 接下来 Harness 要干什么? 最简单的链路就是: 解析 JSON ↓ 寻找函数 ↓ 参数校验 ↓ 执行函数 ↓ 返回结果 ...
核心小节一:Function Calling 到底是什么——模型只是生成“可执行意图”-大赛人网

核心小节一:Function Calling 到底是什么——模型只是生成“可执行意图”

先从最简单的例子开始。 假设我们有一个 Python 函数: def read_file(path: str) -> str: with open(path, 'r', encoding='utf-8') as file: return file.read() 普通模型可能回答: 我建议先...
第2部分:让 Agent 长出“手脚” Tool Calling 到底是怎么回事?-大赛人网

第2部分:让 Agent 长出“手脚” Tool Calling 到底是怎么回事?

上一部分我们已经把 Agent 最基础的骨架搭好了: 为什么需要 Agent ↓ Main Loop ↓ Agent State ↓ LLM Provider 现在开始进入第2部分:让 Agent 长出“手脚”。 如果 Agent 只能和用户聊天,...
章末自测-大赛人网

章末自测

题目 1:为什么直接在 Agent Engine 中 import OpenAI SDK 是一种强耦合? 假设 AgentEngine.run() 内部直接创建 OpenAI Client、发请求、读取原始 Response 字段。请说明未来切 Clau...
案例分析二:云模型故障时自动切本地——Provider 抽象为什么是 Fallback 的前提?-大赛人网

案例分析二:云模型故障时自动切本地——Provider 抽象为什么是 Fallback 的前提?

场景背景 假设 Data Analysis Agent 正在公司内部使用。 正常情况下使用云模型。 但偶尔会遇到: 超时 限流 网络异常 Provider 服务不可用 如果模型不可用,整个 Agent 就停了。 团队希望,云模...
案例分析一:从 OpenAI 切到 Claude,为什么不应该改 Agent Main Loop?-大赛人网

案例分析一:从 OpenAI 切到 Claude,为什么不应该改 Agent Main Loop?

场景背景 假设团队已经有一个 Coding Agent。 Main Loop: THINKING ↓ LLM ↓ TOOL_CALLING ↓ OBSERVING ↓ THINKING 第一版底层使用 OpenAI。 某一天,团队希望在代码分析任务中测试 Claude...
小节四:Provider 适配完成后,哪些模型差异可以留在 Engine 之外-大赛人网

小节四:Provider 适配完成后,哪些模型差异可以留在 Engine 之外

现在我们把前面几节串起来。 Agent Engine 已经有: Main Loop State Provider 理想结构是: class AgentEngine: def __init__( self, provider: LLMProvider, ): self.provider = provider def...
小节三:实现 OpenAIProvider、ClaudeProvider、LocalModelProvider——真正的难点是“适配”,不是“复制三份代码”-大赛人网

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...
小节一:为什么要解耦——真正的问题不是“换模型”,而是“不要让厂商细节污染 Agent”-大赛人网

小节一:为什么要解耦——真正的问题不是“换模型”,而是“不要让厂商细节污染 Agent”

先从最容易理解的“换模型”说起。 如果 Agent Engine 直接这样写: from openai import OpenAI class AgentEngine: def __init__(self): self.client = OpenAI() def think(self, messages): r...
模型解耦:设计自己的 LLM Provider-大赛人网

模型解耦:设计自己的 LLM Provider

前面三节,我们已经把 Agent 最基础的运行骨架搭起来了。 先是知道 Agent 和 Workflow 的区别,然后手写 Main Loop,再把 goal、messages、step、tool_history、status 这些信息收进 ...