推薦看看,Anthropic 新文章《如何為 Agent 構建工具》 Agent 與傳統確定性軟件不同,工具的設計要兼顧非確定性行為,不能簡單照搬API或函數式開發思路。 建議先快速原型開發並本地測試工具,隨後通過與Agent協作生成大量貼近真實場景的評測任務,結合自動化評測和Agent的推理反饋,持續迭代優化。 原則層面: 提出應優先實現高影響力、能覆蓋關鍵工作流的工具,避免無效的“包API”式工具; 通過命名空間(如前綴/後綴)清晰劃分工具邊界,減少代理混淆;工具返回內容要聚焦高信號上下文,優先自然語言和可讀標識符,必要時支持詳細/簡潔等多種響應格式以兼顧上下游需求; 對於可能產生大量輸出的工具,建議分頁、過濾、截斷並優化默認參數,避免token浪費;錯誤提示要具體明確,幫助代理自我修正。 工具描述和參數設計要像給新同事寫文檔一樣詳盡,消除歧義,輸入輸出嚴格定義,持續通過評測微調描述以提升代理調用效果。

Anthropic
@AnthropicAI
09-12
New on the Anthropic Engineering blog: writing effective tools for LLM agents.
AI agents are only as powerful as the tools we give them. So how do we make those tools more effective?
We share our best tips for developers: https://anthropic.com/engineering/writing-tools-for-agents…

來自推特
免責聲明:以上內容僅為作者觀點,不代表Followin的任何立場,不構成與Followin相關的任何投資建議。
喜歡
收藏
評論
分享