Agent 与工具调用

Agent 让 LLM 通过工具调用获取外部能力,三大机制:(1) Function Calling Schema——把 API 声明为 name + description + parameters(JSON Schema),模型输出结构化的 tool_call(name + JSON 参数),工具注册表与参数校验(必填字段、枚举、类型)保证调用合法;(2) 语法约束解码——用约束解码(JSON mode / Outlines / guidance)在采样时只允许符合 Schema 的下一个 token,从概率上保证输出可解析:解码只遍历满足 $\text{schema}(\text{prefix})$ 的合法候选;(3) ReAct 循环——Thought → Action → Observation 交替迭代:$s_t \xrightarrow{\text{LLM}} (\text{Thought}_t, \text{Action}_t) \xrightarrow{\text{exec}} o_t \to s_{t+1}$,观察结果回填上下文进入下一轮,配合自我纠错(反思失败、重试不同工具或参数)。

多工具编排(搜索、计算器、数据库、代码执行);多步任务(订票、数据分析流水线);工具参数幻觉的防御(把 JSON Schema 与示例注入提示);面试高频"如何保证 Agent 调用的参数合法且可重试"。

裸 LLM 无法访问实时数据或执行计算,且自由文本输出无法稳定接入 API;Schema + 语法约束解码把"可能格式错误的字符串"变成"必然可解析的结构",ReAct 把单次生成扩展为闭环推理-行动循环,让错误可观察、可纠正。

检验攻克程度：针对「Agent 与工具调用」专属刷题排雷

做单选排雷题、推导选项机制，答错自动收录进专属错题本。