agent系统：架构、应用与评估全景综述

agent微调日益以轨迹为中心：模型在包含工具调用、中间检查和纠正失败的轨迹上调优，使模型不仅学会回答，还学会在约束下操作——规划、行动、验证和恢复。在以LLM为中心的agent之前，许多生产系统依赖传统RGB组件：基于规则的策略（if-then决策逻辑）、基于图的规划器（任务图、工作流DAG、FSM）和行为树风格控制（分层、反应式策略）。开放挑战包括工具操作的验证和护栏、可扩展的记忆和上下文管理

从 Function Calling 到评估：一次 LLM 测试工程化的真实实践

调通 Function Calling 后，我逐渐意识到，大模型并不是简单地“调用函数”，而是基于 function schema 做决策。本文反复修改 schema，并结合响应中的 reasoning_content 进行观察，梳理了模型在什么条件下会触发函数调用、在什么情况下直接回答。实践表明，description、required、properties 等 schema 设计，对模型行为的

Flutter for OpenHarmony 实战：TextField 文本输入框详解