一文搞懂 Agent 工具机制:从 Schema 到 Tool Calling
这篇教程把 Agent 工具机制拆成工具定义、工具实现和 Agent Harness 三个层次,讲清 LLM 如何通过 name、description 和 input_schema 了解工具并生成结构化调用请求,再由 Agent Harness 查找并执行真正的实现代码。
这篇教程把 Agent 工具机制拆成工具定义、工具实现和 Agent Harness 三个层次,讲清 LLM 如何通过 name、description 和 input_schema 了解工具并生成结构化调用请求,再由 Agent Harness 查找并执行真正的实现代码。
作者用 Claude Code 在乐鑫 ESP-Mosaico 开发板上完成固件开发,先按官方提示词跑通贪吃蛇,再把 Meta 10月2日开源的 Muse Gadgets 移植成板上的标准应用,实现中文对话、拍照回复、语音播报和来人亮灯问候。
作者在内网服务器用 Ollama 以 systemd 服务纯 CPU 部署 qwen2.5:7b-instruct(4bit 量化后 4.7GB),实测冷加载 5.85s、prefill 约 68 tok/s、decode 约 8.5 tok/s、端到端 9.7s。
作者实测用 DeepSeek Harness 驱动 DeepSeek-V4.1-Flash 的 coding agent,从一句话需求走到可交付成片,核心思路是让 Agent 写程序编排真实素材而非逐帧生成像素。
推荐理由:原文给出了一条可复用的工程路线,把视频制作拆成可编程、可复现的流水线,读者可据此评估 Agent 在自己场景中的可行性。
本文带你用 WorkBuddy 和 Obsidian 搭建一个会自我进化的个人知识库,整套流程分为搭骨架、存资料、整理、使用、定时更新五步。
本章全景解读广域网络产业,覆盖城域网、SPN 承载网与运营商骨干网的架构演进。运营商城域网沿新型城域网与 SPN 两条路线演进:前者以 SRv6 为协议底座,结合 FlexE 网络切片、IFIT 随流检测与 iMaster NCE-IP 智能管控;后者依托 FlexE 硬切片与 SDN 技术满足 5G 承载需求。
Visual Studio 内置的 GitHub 工具支持在同一环境内查看、评审并合并拉取请求:通过 Git → GitHub → View Pull Requests 加载并分组 PR,在差异视图对代码行添加行内批注(可暂存后统一提交),再点击 Approve 或选择自动合并。
作者给出一条三段 Prompt 链(需求拆解器 → 估点与依赖修正器 → INVEST 审查器),配粒度、依赖、质量三道人审关,把 PRD 拆成带估点税、依赖图且过 INVEST 6 维审查的可排期任务。
vivo 互联网前端团队分享 Flyheart Monitor,一套面向 H5 页面的域名埋点零侵入实时校验工具,通过抓包代理的接口转发能力拦截上报请求,再用预先配置的规则自动校验参数,业务代码一行不改。
Eino 是字节跳动 CloudWeGo 团队开源的 Go 语言大模型应用开发框架,让 Go 开发者用 Go 方式构建生产级 AI 应用和 Agent,无需绕道 Python。
作者搭建了一套轻量的 CODESYS 单元测试方法,把 xunit 的 suite / test / assert / fixture 映射到 ST 语言,测试代码与应用一起编译下载,断言与被测逻辑同周期执行,PLC 侧零依赖。
本文介绍了开源 API 测试工具 Keploy(github.com/keploy/keploy),它基于 eBPF 在 Linux 内核层无侵入录制 HTTP、数据库、消息队列等全链路真实流量,自动生成 YAML 测试用例与依赖 Mock,在 CI 中回放做回归校验,不用改业务代码、不用接入 SDK。
作者发布 N·Body 2.0,一个纯 C# 写成、Native AOT 打包后仅 3.3MB 的 3D 引力模拟程序,含 35 个场景,主要由 GitHub Copilot(Claude Opus 5.5)在三个半小时内驱动完成。
AWS Solutions Architecture 团队构建并开源了生产级多智能体系统 Deep Insight,用户上传 CSV 并输入自然语言后,由八个分工智能体协作完成数据分析、图表生成、计算校验,最终输出带引用的 DOCX 报告。
推荐理由:原文给出多智能体系统从架构到生产部署的完整设计,读者可把分层编排和按角色选模型的思路迁移到自己的系统。
演示如何借助 AWS PrivateLink 支持的 VPC endpoints 与 VPC connections 将本地数据源私密接入 Amazon Quick,流量全程不经公网。
AWS 机器学习博客介绍自适应智能体框架 AAIF:以 llama3.2:1b 作为本地编排器,常规请求交给 Ollama 运行的本地小模型,复杂请求才路由到 Amazon Bedrock 云端模型,以降低 API 成本并保持低延迟。
AWS 演示在单台 trn2.48xlarge 实例(16 个 Trainium2 加速器、64 个逻辑 NeuronCore)上用 torchtitan 以三种方式训练 Qwen3。
非营利组织 U.S. Hunger 借助 Amazon Quick 让领导团队直接探索组织数据,无需每次请技术团队重新拉取。Quick Spaces 为同事提供共享的文档、KPI 定义和分析空间,帮助领导层基于一致口径协同决策。目前该组织已为 17 名同事开放访问权限,SQL Server 数据每晚 2 点刷新到 SPICE 供分析使用。
作者分享了一个名为 pixel-text-motion-clone 的 Skill,可在用户提供已授权或自有网站 URL 时,基于源站运行时测量数据逐 token 重建前端代码。
TorchNeuron 是 AWS Trainium 的开源原生 PyTorch 后端,本篇教程讲解如何用 torch.profiler 与 Neuron Explorer 对推理性能做系统级分析。
作者借助 trae 改造 GUI 程序 ArrayListBehaviorDemo,用反射读取 ArrayList 的 elementData 与 size 字段,可视化展示添加元素时 size/capacity 的变化。
10 月 20 日 DeepSeek 将自家推理框架 DeepInfer 全面开源,协议可商用,技术报告披露单集群一天吞吐 155 万亿个 token、一张卡一小时收入 38 美元(按谷价算),而租卡行情价为一小时 3 到 10 美元。
推荐理由:原文把 DeepInfer 的成本账本拆解清楚,并给出可直接复用的四件套提示词模板,读者能马上用在自己的场景。
OpenAI 搭建了由 LLM 驱动的 ChatGPT 广告技术栈,用以理解用户对话意图。该系统将广告与模型回答保持分离,并支持大规模投放相关广告。
作者用 Claude Code 加国产模型 API,一个人两个晚上从零做出 32 个品牌 × 720 次 AI 问答的行业报告与可季度复测的监测管线,API 花费不到 20 元。
APPSO 用 21499 元的 iPhone Duo 远程连接 86749 元、256GB 内存的 Mac Studio,把电脑留作本地算力中枢运行模型和 Agent 任务,手机端通过自研 App 查看进度、审批和派单。
作者使用豆包 App 的视频生成功能,借助 DeepSeek 等大模型编写并优化结构化提示词,成功生成 10 秒高质量古风短视频。豆包接入 Seedance 视频大模型,免费用户每天有 10 次额度,可选 seedance fast 或 seedance 2.5 模型,最长支持 15 秒,生成需 5-10 分钟。AI 视频生成门槛已显著降低,提示词质量成为决定成片质感的核心。
凪风sama 的 CS336 作业 1 笔记从零讲解了 Transformer 中 Linear 层与 Embedding 层的原理与 PyTorch 实现:Linear 层以 Y = XW + b 对输入特征加权组合并实现升维或降维,Embedding 层则将 token 映射到可学习的向量空间。
给 AI 设人设时,带上情绪、处境和利害关系,比只给身份标签更能让模型认真回应。作者解释这源于模型被反复教导要助人,处境艰难的求助角色会拉高其内部的助人权重,并给出写周报、解释复杂概念等场景的改写示例。该技巧适合写作、想方案、解释概念、改语气等任务,不适合需要绝对准确的事实查询。
作者抽查了 Skills 聚合站 agent-skills.cc 上的 63,000+ 个 Skills,装机榜前三名分别是本地 AI 助理应用 openclaw、提示词合集 awesome-chatgpt-prompts 和系统提示词收集仓库,按 Anthropic 的定义都不是 Skill,top 20 里真正算 Skill 的只有 4 到 5 个。
推荐理由:作者逐个核对了装机榜前排仓库的源码并实测,给出了可复用的三步鉴别方法和一个指纹去重脚本。
作者发现用简笔画小动物讲历史是公众号漫画的流量黑马赛道,漫画工坊可一键生成同款漫画,替代以往反推画风、调试提示词的一周起步流程。工具已把整理对标、找选题、拆解画风等基础工作提效 90%,但选题判断、方向优化与流量敏感度仍需靠自己积累。漫画工坊由作者用 Claude Opus5.5 历时 20 天开发,开发高峰期日烧 400 多元。
人与 Agent 协作的有效方式,是人明确目标、约束和验收标准,让 Agent 在授权范围内完成调查、实现与验证,在真正影响结果的节点上交换信息。分工应按决策性质划分:人确定业务问题、取舍与发布决定,Agent 负责阅读代码、提出方案、执行检查并报告限制。同时把授权边界、沟通时机和可独立验收的任务单元提前约定,交付时把证据放在结论旁边。
应对大模型能力波动,可在网关侧统一采集响应时间、成功率等指标并结合业务结果评估质量,异常时自动路由到备用模型。借助 XApex 等多模型统一 API 平台,一次接入覆盖 OpenAI、Claude、Gemini、DeepSeek、Qwen、GLM 等模型,并配置健康监控与自动切换。沉淀的各模型表现数据可为后续选型与调度提供客观依据。
DeepSeek Harness(dsh)将模型适配器、工具注册表、会话日志和 Agent loop 本身都纳入插件机制,开发者可调整 Agent 的运行方式。其底层依赖 Cordis 提供依赖注入与生命周期管理,Session 采用仅追加日志与模型可见历史分离的设计,便于追溯上下文变化。
作者把 DeepSeek V4.1 Flash-1017 与 MiniMax M3.1 Flash 接入 Claude Code,用自己多平台分发工具「字流」的同一道接口修复题做对比实测。
DeepSeek 于 10 月 20 日将支撑线上百亿级调用的推理框架 DeepInfer 与 Rust 分词组件 deepseek-recipe 以 Apache 2.0 协议开源。
JuiceFS 企业版从 v5.2 到 v5.4 围绕元数据引擎、数据生命周期、数据路径和客户端控制面四条主线演进,以支撑 EB 级数据、千亿文件和百万级客户端。
华为云 RDS Supabase 的 Database Data API 在建表后自动生成 /rest/v1 端点,覆盖增删改查与关联查询,前端引入 Supabase JavaScript SDK 配合 Publishable Key 即可安全直连,无需手写后端接口。
JuiceFS 企业版围绕元数据引擎、数据生命周期、数据路径与客户端控制面四条主线持续演进,以支撑 EB 级数据、千亿文件与百万级客户端的 AI 存储压力。其全内存元数据引擎将单文件元数据内存占用降至约 100 B,v5.3 分区上限提升至 1,024 个、单文件系统可支持超过 5,000 亿个文件。
2026年7月,React 团队将 React Compiler 的 Rust 移植版合并进主仓库,自动 memoization 从 Babel 插件变为打包器原生能力。
BM25 是 TF-IDF 的升级版相关性排序算法,通过 IDF、词频饱和与文档长度归一化计算查询与文档的匹配分数。它适用于关键词精确匹配、专业领域搜索和小数据集,常与向量检索混合用于 RAG 召回,可用 rank_bm25 或 Elasticsearch 直接实现。核心调参为 k1(1.2~2.0)与 b(默认 0.75)。