第三章 08:3.10 本章小结

第三章 08:3.10 本章小结

课程专题 :《AI Agents 开发实践》

原文链接 :https://s.juejin.cn/ds/TAqu_hbSmd8/

章节 :第三章 3.10 本章小结

作者:Java 开发者转型 AI 全栈


回顾:每一层解决了什么问题

这一章承接第二章和第 2.5 章,完成了一次关键过渡:第二章搭好了工程底座,第 2.5 章把 AI 辅助开发的节奏讲清楚,而本章开始把模型能力真正接进服务端。

整章只围绕一个任务展开:从需求文本中抽取 action / constraints / entities。这样做的好处是,每一步都能落到同一个业务目标上,而不是为了展示 API 而展示 API。

层 小节 解决的问题 一句话判断标准
模型层 3.4 怎样把模型接进服务端 需要 invoke / stream / batch
提示层 3.5 提示内容怎样不失控 同一段提示出现 2 次以上
链式层 3.6 重复出现的步骤怎样统一管理 "模板→模型→解析"稳定重复
解析层 3.7 模型输出怎样进入程序 结果要被代码消费/断言
工具层 3.8 模型只会生成内容、不会执行动作 答案依赖外部事实/动作
收束层 3.9 能力怎样变成业务入口 能力要被其他模块稳定调用

本章的核心收获

比记住 API 名称更重要的,是形成几条后面可以反复使用的判断标准:

什么时候该上模板?

当你发现同一段提示词出现在两个以上的地方,或者修改一次提示需要改动多个文件时。

什么时候该上链?

当"模板 → 模型 → 解析"这组步骤已经稳定,并且在多个接口或任务中被反复调用时。

什么时候该上结构化输出?

当模型结果需要作为接口返回值、下游输入或测试断言的一部分,而不是仅供人类阅读时。

什么时候该上工具?

当答案依赖外部事实、外部规则或真实动作,而不是模型自身的生成能力就能覆盖时。

什么时候该收束?

当分散的示例代码已经验证通过,下一步是让它变成可被其他模块、其他团队、其他环境稳定调用的入口时。


后续章节的衔接

本章建立的递进方式------先定义任务、再逐层叠加能力、最后收束成接口------会继续贯穿后续章节。区别只在于,后面要处理的能力会从"单链路"扩展到更复杂的系统形态:

后续章节 扩展方向 解决的问题
RAG(检索增强生成) 模型不再只依赖自身知识 知识覆盖不足
MCP(模型上下文协议) 工具调用不再局限于本地函数 能力边界封闭
Agent Runtime 模型不再只执行一条固定链路 流程不够灵活

但无论后面走多远,核心原则都不变:先把任务定义清楚,再把能力放到正确的层,最后收束成可测试、可迭代的入口。 只要这条线不断,系统复杂度就始终有归属,不会退回到"到处散落、难以维护"的状态。


写在最后

这里是言萧凡的 AI 编程实验室。我会在这里持续记录和分享 AI 工具、编程实践,以及那些值得沉淀下来的高效工作方法。不只聊概念,也尽量分享能直接上手、能够复用的经验。希望这间小小的实验室,能陪你一起探索、实践和成长。

2026 年,一起进步。

有兴趣的话欢迎在评论区留言交流,不仅是技术问题,学习方法、职业思考都可以聊,我会认真回复每一条评论。


系列文章导航

第一章:把模型变成能力

第二章:搭建智能体的工程底座

第 2.5 章:RBAC 用户权限系统

第三章:LangChain 起手 ------ 搭建第一条服务端能力链路(本篇)

第四章:RAG 检索增强生成(待发布)

  • 4.1 模型不再只依赖自身知识
  • 4.2 检索相关文档后再回答
  • 4.3 解决"知识覆盖不足"的问题

最后的话:

第三章是"从会聊天到会干活"的关键跨越。前面三章(第一/二/2.5)解决了"怎么调用模型"、"怎么搭系统"、"怎么控权限",但模型仍然只会生成文本。

这一章我们让模型真正参与业务流程:它能抽取结构化字段、能调用工具校验约束、能查询实体定义。虽然还是最基础的形态,但"模型负责决策,系统负责执行"的分工已经清晰。

如果你也在学 LangChain,或者正在被"模型输出不稳定"困住,希望这一章能帮到你。

一个人的学习是孤独的,一群人的学习是快乐的。

我们一起加油!


回到索引 :第三章博客索引

相关推荐
Pniubi1 小时前
快速排序(力扣基础)(递归)
java·数据结构·算法
hsfxuebao1 小时前
从 OpenTelemetry 到 Langfuse:企业级 Agent 可观测性实践
人工智能
在所不辞兄1 小时前
【神经网络干货】把指数级计算拆成四条一维路径:可分离 PI-DeepONet 如何破解高维 PDE
人工智能·深度学习·神经网络·机器学习
CV爱数码1 小时前
论文精读|FBPConvNet:先 FBP 再 U-Net,深度学习 CT 重建的起点
人工智能·深度学习·ct·重建
墨子夕1 小时前
新造的人(卷一 烟火人间)
人工智能·程序人生·未来生活
qytklt1 小时前
GEO生成式引擎优化技术拆解:从大模型检索原理到AI搜索推荐实现路径
人工智能·geo生成式引擎优化
Elastic 中国社区官方博客1 小时前
Jina AI:Elasticsearch 集成
大数据·运维·人工智能·elasticsearch·搜索引擎·全文检索·jina
3D阅阅三维模型轻量化及浏览平台1 小时前
上传 3D 模型自动识别、一键报价,拆解 3D 阅阅报价底层逻辑(机加工 / 钣金)
人工智能·3d·机加工·钣金加工·模具加工
workflower1 小时前
超算中心聚焦高性能计算场景(HPC)
大数据·网络·人工智能·机器人·云计算·汽车