霍格沃兹测试开发学社
3.2 三种定义方式方式一：@tool 装饰器（最推荐）from langchain_core.tools import tool@tooldef get_weather(city: str) -> str: """获取指定城市的当前天气。 参数: city: 城市名称，例如 '北京', '上海'。 """ # 实际场景中替换为 API 调用 weather_data = { "北京": "晴天，25°C", "上海": "多云，28°C", } return weather_data.get(city, f"{city} 暂无数据")函数的 docstring 自动成为工具的 description。这是最简洁的方式，适合 80% 的场景。方式二：继承 BaseTool（需要复杂逻辑时）适合需要复杂初始化、状态管理或错误处理的场景。方式三：Tool 类实例化（快速封装现有函数）适合快速把已有的函数包装成 Tool，不改动原函数代码。3.3 Tool 设计的两条铁律铁律一：单一职责。 一个 Tool 只做一件事。登录就是登录，查库存就是查库存。不要写一个“万能工具”试图覆盖所有场景。铁律二：输入输出都要结构化。 输入用 Pydantic BaseModel 定义 schema，输出用 JSON 或明确的字典结构。大模型不懂“随意格式”，它只认 Schema。四、Agent 机制拆解：怎么让大模型自己“决定用哪只手”有了 Tools，下一个问题是：谁来决定什么时候用哪个 Tool？这就是 Agent 的事。4.1 ReAct 循环：推理-行动-观测Agent 的核心执行模式叫 ReAct——Reasoning + Acting。具体流程是：推理（Reasoning） ：面对用户的问题，Agent 先思考“我需要做什么、用什么工具”行动（Acting） ：调用对应的 Tool，获取结果观测（Observation） ：分析 Tool 返回的结果，判断任务是否完成如果没完成，回到步骤 1，继续循环这个循环一直持续到 Agent 认为任务完成，或者达到最大迭代次数。
发布于 北京
分享
评论
赞
未登录
友善发言
评论
加载中
