GitHub · 83,952 StarDatawhale 社区公共 API · 核对于 2026年10月21日(今天)
阅读作者原文 ↗已核对目录与第四章正文,确认提供环境准备、LLM 封装及 ReAct、Plan-and-Solve、Reflection 的实现讲解。属于 Datawhale 社区教学,不是模型厂商接口手册;部分项目需模型服务,技术接口可能变化,本站未实跑整套课程。
热度是核对时可见的数据,不是实时计数或内容质量评分。建议学习时长为本站安排。
查看热度出处 ↗你能学到什么
- 说明 ReAct 与先规划后执行的行为区别。
- 识别工具参数错误、失败重试和循环不终止等问题。
- 为自己的智能体建立简单的完成条件与评估样例。
前置知识
会写基础 Python;阅读不需要密钥,执行模型示例需配置教程兼容的模型服务。
动手试一试
本站练习:从第四章选一个范式,只接入一个只读工具,给它五个任务。记录每一步工具输入、输出与停止原因,加入一个工具失败样例,再比较另一种范式需要多少次调用。
学习说明
以上学习点依据作者公开的教程与项目说明整理,练习为本站建议,未逐项实跑或验证学习效果。完整步骤、代码和版本要求请查阅作者原文。
Agent 工具调用实操:让 AI 查库存,执行权留给程序
用只读库存工具模拟模型提议、参数校验和真实返回,附可运行调度器,练习未知工具与越权调用处理。
打开站内手册 →来源与内容说明
GitHub 社区 · Datawhale 社区
保留作者与原始链接,第三方资料的权利属于原作者。
收录:2026年10月19日
核对原始资料待核验公开版本 1
适用范围:尚未标注,请结合原文与实际环境核对
人工核验:尚无核验记录