AI 编程榜：AI 编程实战任务
上篇把 AI 输出变成 Python 对象，我以为通关了。结果跑了几条真实简历，它返回：["Python", " ", "Flink"]中间混了个空格字符串。更离谱：简历压根没写姓名，它敢编一个。那一刻我懂了：光让输出"长得像对象"不够，还得让它"干净、可信、能干活"。今天从结构化输出走到 Tool，把大模型变成真正的"可调用零件"。🎯 先治选择困难PydanticAI / LangGraph / CrewAI / LangChain……它们不是谁强谁弱，是关注点不同。我现在要"类型安全+结构化输出"，所以先学它。像学开车，先把离合踩明白，再研究车队调度。🧼 field_validator：事后验收员clean_skills 不用你手动调，Pydantic 创建对象时自动触发，把空串洗掉。混进一堆空串？min_length=1直接拒绝。💡 顺便搞懂 @classmethodself 是成品，cls 是产线。对象还没出生时，只能让"厨房"（cls）处理。🎛 三层约束，框住自由发挥事前 instructions 管嘴 → 结构 output_type 管形 → 事后 validator 管质。🤝 让 AI 学会说"我不知道"简历缺姓名？不编造，如实输出 missing_fields。AI 不该假装什么都知道，它该能结构化地表达"不知道"。下游看到字段自动走人工补录——假数据永远进不了库。🔧 **：Tool把 Python 函数注册给 Agent，让它自己调用。Agent 负责理解，函数负责确定性判断。记住：Tool是能力不是输出字段——你带了扳手，不等于用了它。大模型，终于从"聊天框"变成了"可调用零件"。📌 9 张图文详解在图片里，滑动查看
发布于 北京
分享
评论
赞
未登录
友善发言
评论
加载中
