老李开了三十年维修铺，工具箱里躺着六十多件家伙。徒弟小王最头疼的不是活儿难，而是“该拿哪把”。客人说水龙头滴水，他拎起锤子就冲上去，结果墙砸了俩坑，水管漏得更欢。Agentic AI 遇到的正是同一件事：大模型驱动的 Agent 手里握着几十个 API 工具，面对五花八门的用户请求，选对工具，任务就成了一大半；选错，轻则答非所问，重则整条业务链条崩盘。这篇内容就来讲 Agent 如何像老师傅一样“看单下菜碟”——先看选错工具会付出什么代价，再聊怎么给每个工具写“标签卡”、有哪些挑选策略、如何把多个工具排成工序、核心评分算法怎么落地，以及工具万一掉链子该怎么兜底。读完之后，你就能给自己的 Agent 装上一套懂行的“挑工具”机制，让它聪明地干活。

岗位关联

动态工具选择是 Agent 从“能对话”走向“能办事”的关键枢纽。掌握它，你就能让 AI 在真实业务里靠谱地调用工具、高效完成任务，这是 Agent 应用工程师最硬的实操能力之一。

目录
  1. 可视化演示
  2. 选错工具之痛
  3. 工具画像描述
  4. 选择策略设计
  5. 工具编排方法
  6. 选择算法实现
  7. 失败处理机制
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

动态演示Agentic AI中的动态的核心机制，通过全局/局部/动态/静态四种模式展示关键概念与交互流程。

本节配有交互动效（进入视口后自动加载，约 3KB）。

Agentic AI中的动态：动态工具 动态工具选择的核心问题与形式化 工具描述与语义匹配机制 核心机制可视化 Agentic AI中的动态整体架构与关键组件

选错工具之痛

老李维修铺来了个新徒弟小王。第一单活儿是修厨房滴水的水龙头，小王拎起锤子就冲了过去，一顿敲打之后，墙面多了俩坑，水管反而漏得更欢了。客人脸都绿了，老李叹了口气——活儿不难，难的是“拿对家伙”。工具选错了，手艺再好也白搭。

Agent 的世界里，“小王”就是大模型驱动的智能体，“家伙什”则是它手里那几十个 API 工具。用户一句“帮我查下天气顺便算算温差”，Agent 要在天气预报、计算器、导航、翻译等工具里选出最匹配的组合。选错工具，轻则答非所问，重则整个业务流程直接崩盘，还会白白消耗调用成本和用户耐心，一次次失败之后用户对系统的信任也就塌了。

要量化“选错”的代价，可以引入一个简单的乘性模型：最终任务成功率 $S$ 由“选对工具的概率”和“工具执行可靠度”相乘决定。这意味着即使每个工具都百分之百可靠，只要选择环节出错，整体成功率照样大打折扣——这就是为什么“挑对工具”值得单独研究。

老李常说，带徒弟先练“识活”，再练手艺。识活就是看清这个活儿该动哪把工具。对 Agent 来说，“识活”就是把任务与工具的匹配放到一切能力之前——这正是动态工具选择机制的价值起点。

S=Pchoice×Qexecution\displaystyle S = P_{\text{choice}} \times Q_{\text{execution}}
成功率和“选对”与“做对”两项挂钩，任何一项拉垮，整体都会崩。
  1. 工具匹配概率 $P_{\text{choice}}$表示 Agent 选中正确工具的可能性，取值在 0 到 1 之间，越接近 1 说明判断越准，这是动态工具选择要优化的核心对象。
    Pchoice∈[0,1]P_{\text{choice}} \in [0, 1]
  2. 执行可靠度 $Q_{\text{execution}}$表示工具本身把任务做好的概率，即使工具能力再强，网络抖动、参数错误也会拉低这一项。
    Qexecution∈[0,1]Q_{\text{execution}} \in [0, 1]
  3. 整体成功率 $S$二者相乘得到任务的最终成功率，属于“一票否决”式约束——只要匹配概率接近零，再完美的工具也救不回来。
    S=Pchoice×QexecutionS = P_{\text{choice}} \times Q_{\text{execution}}

工具画像描述

老李的工具箱每个抽屉上都贴着一张标签卡，写清楚“这是干嘛的、怎么用、啥时候别用”。标签卡越细，小王找得越快：比如“水暖专用，适用于管件拆卸，禁止在带电设备上使用”。如果标签只写个“扳手”，那和没写差不多。

Agent 里的“标签卡”叫工具画像（tool description），通常包括四类信息：功能摘要（这个工具做什么）、参数规格（要传什么参数、返回什么格式）、适用场景（什么任务适合用它）、失败模式（什么情况下会报错、出错后怎么办）。这些描述可不只是给人看的——它们会被编码成向量，成为选择算法判断“像不像”的依据。

怎么判断“像不像”？把任务描述和工具画像分别编码成向量，再计算它们的余弦相似度：两个向量方向越一致，余弦值越接近 1，说明这个工具和任务越匹配。余弦相似度天然消除了文本长度的影响，只比较语义方向。

标签卡写得越清楚，学徒上手越快。工具画像描述得越准确，Agent 的选择评分就越可信。老李的抽屉从不乱贴标签，你的 Agent 工具注册表也不该偷懒。

cos⁡(θ)=V⃗task⋅V⃗tool∥V⃗task∥×∥V⃗tool∥\displaystyle \cos(\theta) = \frac{\vec{V}_{\text{task}} \cdot \vec{V}_{\text{tool}}}{\lVert \vec{V}_{\text{task}} \rVert \times \lVert \vec{V}_{\text{tool}} \rVert}
余弦相似度用来衡量“任务”和“工具”两个向量在语义方向上的一致程度，方向越近，匹配越强。
  1. 任务向量 $\vec{V}_{\text{task}}$把用户请求经过编码模型转换成一串数字向量，语义相近的请求，向量方向也相近。
    V⃗task=encode(task)\vec{V}_{\text{task}} = \text{encode}(\text{task})
  2. 工具向量 $\vec{V}_{\text{tool}}$把工具画像文本同样编码成向量，描述写得越细致，向量携带的信息越丰富。
    V⃗tool=encode(description)\vec{V}_{\text{tool}} = \text{encode}(\text{description})
  3. 点积 $\vec{V}_{\text{task}} \cdot \vec{V}_{\text{tool}}$逐位相乘再求和，两个向量方向越一致，点积越大，表示语义越接近。
    V⃗task⋅V⃗tool=∑kVtask,k×Vtool,k\vec{V}_{\text{task}} \cdot \vec{V}_{\text{tool}} = \sum_{k} V_{\text{task},k} \times V_{\text{tool},k}
  4. 模长归一化 $\lVert \cdot \rVert$分别除以两个向量的长度，把长短差异剔除，只保留方向信息，这样长文本不会被“长度”带偏。
    ∥V⃗∥=∑kVk2\lVert \vec{V} \rVert = \sqrt{\sum_{k} V_k^2}

选择策略设计

老李教徒弟挑工具有三招：第一招是背口诀，“漏水找扳手，敲钉找锤子”——这叫规则；第二招是凭手感，螺丝滑丝了摸一摸就知道该用六角还是十字——这叫经验直觉；第三招是拿不准就去问师傅——这叫咨询专家。小王学得最快的时候，是三天招都叠加着用。

Agent 的选择策略恰好对应这三种：规则匹配（关键词命中直接映射工具）、语义相似度（向量检索找语义最近的工具）、模型推理（让大模型结合上下文做综合判断）。规则快但死板，用户说“水龙头一直滴答滴答”时“漏水”关键词根本命中不了；语义灵活但有时分不清细节；模型推理聪明但慢且贵。单独用哪一个都有短板。

于是工业界的主流做法是混合加权：给三类信号各算一个分，再乘上权重求和。权重之和固定为 1，按任务类型动态调配——比如关键词意图明确的场景把规则分权重调大，长尾开放式问题则把模型推理分权重调大。

师傅的经验从来不是单一招数，而是“口诀 + 手感 + 咨询”的组合。Agent 的混合策略也一样：用规则保底、语义兜变化、模型处理疑难杂症，三者配比调好了，挑工具的准确率才真正稳得住。

Score(t)=α⋅Srule+β⋅Ssemantic+γ⋅Sllm,α+β+γ=1\displaystyle \text{Score}(t) = \alpha \cdot S_{\text{rule}} + \beta \cdot S_{\text{semantic}} + \gamma \cdot S_{\text{llm}}, \qquad \alpha + \beta + \gamma = 1
规则分、语义分、推理分按权重配比相加，权重和为 1，三种信号互补短板，组合出稳健的评分。
  1. 规则分 $S_{\text{rule}}$检查任务文本是否命中工具的关键词白名单，命中越多得分越高，优点是即时、可解释，缺点是覆盖不了同义表达。
    Srule=命中关键词个数关键词总数S_{\text{rule}} = \frac{\text{命中关键词个数}}{\text{关键词总数}}
  2. 语义分 $S_{\text{semantic}}$由上一节的余弦相似度得到，能识别“滴答滴答”和“漏水”之间的语义关联。
    Ssemantic=cos⁡(θ)S_{\text{semantic}} = \cos(\theta)
  3. 模型推理分 $S_{\text{llm}}$把工具列表和任务同时交给大模型，让它输出每个工具的适用度偏好，适合处理复杂、需要常识的场景。
    Sllm∈[0,1]S_{\text{llm}} \in [0, 1]
  4. 权重约束 $\alpha + \beta + \gamma = 1$三个权重决定三类信号的话语权，和恒为 1 保证总分保持在同一量纲，方便跨工具比较。
    α,β,γ≥0,α+β+γ=1\alpha, \beta, \gamma \geq 0, \quad \alpha + \beta + \gamma = 1

工具编排方法

修水龙头不是一把工具捅到底：先关总阀，再拆旧密封圈，然后装新圈、缠生料带，最后开水测试。每一步都换一把工具，上一道工序的产出是下一道工序的输入——这就是老师傅脑子里的“工序单”。

Agent 处理复杂任务同样需要编排多个工具。最基本的编排是顺序链式：工具 A 的输出直接喂给工具 B，比如先调天气查询拿到温度，再调计算器算温差。当多个子任务互不依赖时可以并行批量调用，比如同时查机票和酒店，省时间。如果结果需要判断，则用条件分支：查询结果显示“缺货”就走补货通知工具，否则走发货工具。更复杂的场景则用嵌套组合，把一组固定工序封装成一个“复合工具”反复复用。

顺序编排在数学上正好对应函数的复合运算：把每个工具看成函数 $f$，整个流水线就是这些函数从右往左依次作用在初始输入上。前一个函数的输出永远是后一个函数的输入，这是编排最核心的约束——输出格式不匹配，链条就会断。

老李的工序单从不出错，因为每道工序的“接口”他都门儿清。Agent 编排工具时也一样：想清楚谁先谁后、谁和谁可以并行、什么条件下走哪条分支，再复杂的任务也能拆成一条清爽的流水线。

R=ftn∘ftn−1∘⋯∘ft1(X)\displaystyle R = f_{t_n} \circ f_{t_{n-1}} \circ \cdots \circ f_{t_1}(X)
复合符号 $\circ$ 表示“从右往左依次执行”：先跑 $f_{t_1}$，再把结果传给 $f_{t_2}$，直到最终输出 $R$。
  1. 初始请求 $X$用户的原始输入，是整条流水线的起点，比如“帮我安排一趟北京到上海的行程”。
    X=用户请求X = \text{用户请求}
  2. 工具函数 $f_{t_i}$每个被选中的工具都看作一个函数，吃进数据、吐出数据；工具 1 的输出格式要能被工具 2 接受。
    fti:输入i↦输出if_{t_i}: \text{输入}_i \mapsto \text{输出}_i
  3. 复合运算 $\circ$从右往左依次复合，等价于嵌套调用 $f_{t_n}(f_{t_{n-1}}(\cdots f_{t_1}(X)\cdots))$，链条越长越要关注中间数据格式的一致性。
    ft2∘ft1(X)=ft2(ft1(X))f_{t_2} \circ f_{t_1}(X) = f_{t_2}(f_{t_1}(X))

选择算法实现

给所有工具打分之后怎么办？小王学会了新规矩：把所有工具按分数从高到低排队，只取前三名送到老师傅面前拍板。老师傅叮嘱他，遇到模棱两可的活儿时“下手要稳”，遇到明摆着的活儿要“下手要快”——这其实是同一个旋钮在起作用。

选择算法的落地主干就是“评分排序 + Top-K 过滤”。第一步，对全部工具计算综合评分；第二步，按分数降序排序；第三步，只保留前 K 个候选进入最终决策（通常交给大模型或直接取第一名）。Top-K 的价值在于：既不让低分工具干扰决策，又保留一定余量给后续的上下文判断。

评分排序之后，怎么把分数变成“选谁的概率”？常用 softmax 归一化。其中温度参数 $T$ 是那个关键的旋钮：$T$ 调小，高分工具和低分工具的差距被放大，决策更果断；$T$ 调大，概率分布变平滑，选择更随机、更探索。上下文感知和动态权重调整则负责让这个旋钮“随需而变”——检测到用户很着急就把 $T$ 调小，发现历史选择频繁失败就把对应工具的权重调低。

老师傅说，“稳”和“快”不是两套功夫，是一个旋钮的两端。Agent 的温度参数 $T$ 就是这枚旋钮：把选择算法、上下文感知和动态权重串起来，你的 Agent 就能在果断与谨慎之间自动切换。

P(ti)=exp⁡(si/T)∑j=1Nexp⁡(sj/T)\displaystyle P(t_i) = \frac{\exp(s_i / T)}{\sum_{j=1}^{N} \exp(s_j / T)}
softmax 把工具的评分变成一组总和为 1 的“中选概率”；温度 T 是调节果断程度的旋钮。
  1. 综合评分 $s_i$工具 $i$ 由混合策略算出的原始得分，可能来自规则、语义、模型推理的加权和。
    si=Score(ti)s_i = \text{Score}(t_i)
  2. 指数放大 $\exp(s_i / T)$对分数做指数变换，把差异放大并保证输出为正数，分数越高的工具优势越明显。
    exp⁡(si/T)=esi/T\exp(s_i / T) = e^{s_i / T}
  3. 归一化分母 $\sum_{j=1}^{N} \exp(s_j / T)$把所有工具的指数值求和，作为分母把各项压缩成总和为 1 的概率，$N$ 是工具总数。
    ∑j=1Nesj/T\sum_{j=1}^{N} e^{s_j / T}
  4. 温度参数 $T$$T \to 0$ 时概率集中在最高分工具上，等价于“只选第一名”；$T$ 越大概率越均匀，探索性越强。
    lim⁡T→0P(tmax⁡)=1\lim_{T \to 0} P(t_{\max}) = 1

失败处理机制

小王第一次独立修水管就撞上了滑丝：扳手卡不住螺帽，转两圈就打滑。他急得满头大汗，老李在旁边慢悠悠递过一把钳子：“换家伙。”钳子也不行，老李又说：“那就去问问客人，家里有没有备用阀。”最后还在维修本上记了一笔：“这种老式螺帽得配管钳。”——工具会掉链子，但流程不能断。

Agent 调用工具同样会失败：接口超时、参数报错、返回数据格式异常。成熟的失败处理机制有四层。第一层是有限次重试：同样的调用再试几次，网络抖动往往自己就好了；第二层是降级回退：换个更基础可靠的备用工具，比如主搜索挂了就用本地缓存；第三层是用户澄清：实在拿不准时主动问用户，而不是瞎猜；第四层是日志与反馈：把失败原因记下来，下次调整选择策略，避免重蹈覆辙。

重试为什么有效？如果单次调用成功率是 $p$，那么连续失败 $n$ 次都失败的概率是 $(1-p)^n$，所以重试到第 $n$ 次时至少成功一次的概率就是 $1-(1-p)^n$。注意重试必须设上限——无限重试等于把故障成本无限放大。

老师傅的高明之处不是从不失手，而是每次失手都有后手。重试、降级、澄清、日志，这四层兜底让 Agent 在真实世界的高噪声环境里依然能稳稳把任务跑完——这才是生产级系统该有的姿态。

Pok(n)=1−(1−p)n\displaystyle P_{\text{ok}}(n) = 1 - (1-p)^n
重试 $n$ 次后至少成功一次的概率公式：用 1 减去“每次都失败”的概率，次数越多成功率越接近 1，但成本也越高，所以要设上限。
  1. 单次成功概率 $p$一次调用工具成功完成的概率，比如 $p = 0.8$ 表示十次里有八次能成。
    p∈[0,1]p \in [0, 1]
  2. 单次失败概率 $(1-p)$一次调用失败的概率，$n$ 次独立调用全部失败的概率就是它自乘 $n$ 次。
    (1−p)n(1-p)^n
  3. 至少成功一次 $1-(1-p)^n$用总体“1“减去”全失败“的尾巴，得到”至少有 1 次成功”的概率。$p=0.8$ 时，重试 3 次后成功率高达 99.2%。
    1−(1−0.8)3=0.9921-(1-0.8)^3 = 0.992

AI 应用场景

电商售后客服 Agent 的“看单下菜碟”

阶段：工具编排与动态选择

解决的问题：传统客服依赖固定菜单路由，用户一句“我上周买的鞋到现在没到货”既可能是物流问题也可能是退款诉求，固定规则识别不了隐含意图，大量转人工。AI Agent 通过动态工具选择，先对请求做意图评分，再把任务派给物流查询、补发申请或退款等工具。

具体案例：某电商平台的售后 Agent 收到“快递显示签收但我没拿到”的消息，Agent 用混合策略给物流查询、补发工具、投诉工具打分，选中物流查询工具核实派送记录，发现异常后再按条件分支触发补发申请工具——全程没有让用户重复描述诉求，像老李一样按工序一步步把问题解决。

研发运维排障 Agent 的工序与降级

阶段：工具编排与失败处理

解决的问题：线上故障排查需要按顺序调用监控、日志、告警等工具，传统脚本把步骤写死，日志系统一挂整个流程就断。动态编排与失败回退让排障流程具备韧性。

具体案例：某 AIOps Agent 检测到服务延迟告警，先调用监控工具查指标趋势，再调用日志检索工具定位报错；日志工具连续超时后，Agent 自动降级为告警摘要工具，把已有信息整理给值班工程师，同时把失败记入日志供后续调优——这就是“扳手滑丝换钳子”的工程化落地。

Python 演示

python90 行
# -*- coding: utf-8 -*-"""动态工具选择演示：模拟 Agent 根据任务挑选工具并处理调用失败""" import re  class Tool:    """一个工具：名字、关键词画像、执行函数"""     def __init__(self, name, keywords, fn):        self.name = name        self.keywords = keywords        self.fn = fn     def score(self, query):        hits = sum(1 for kw in self.keywords if kw in query)        return hits / max(len(self.keywords), 1)  class Agent:    """持有工具列表的 Agent：负责选工具、执行、失败重试与降级"""     def __init__(self, tools, max_retry=2):        self.tools = tools        self.max_retry = max_retry        self._call_count = 0     def choose(self, query):        ranked = sorted(self.tools, key=lambda t: t.score(query), reverse=True)        return ranked[0], ranked[0].score(query)     def fallback(self, query):        return "抱歉，自动处理失败，已转人工客服"     def run(self, query):        tool, score = self.choose(query)        print("候选工具:", tool.name, "评分:", round(score, 2))        for attempt in range(self.max_retry + 1):            try:                self._call_count += 1                return tool.fn(query)            except RuntimeError:                print("第", attempt + 1, "次调用失败，准备重试")        return self.fallback(query)  def query_weather(text):    if "暴雨" in text:        raise RuntimeError("天气服务超时")    return "上海明天 24℃ 多云，温差 6℃"  def calc(text):    nums = re.findall(r"\d+", text)    return "计算结果是 " + str(sum(int(n) for n in nums))  def translate(text):    return "Translation: " + text.replace("你好", "Hello")  def send_email(text):    target = re.search(r"给(.+?)发", text)    return "邮件已发送给: " + target.group(1)  def main():    tools = [        Tool("天气", ["天气", "温度", "下雨"], query_weather),        Tool("计算", ["计算", "温差", "多少"], calc),        Tool("翻译", ["翻译", "英文", "中文"], translate),        Tool("邮件", ["邮件", "给", "发"], send_email),    ]    agent = Agent(tools)    queries = [        "帮我查一下上海明天的天气",        "计算一下 12 和 35 的和",        "查一下暴雨天气安全提示",        "把报告翻译成英文",        "给经理发封邮件",    ]    for q in queries:        print("任务:", q)        print("结果:", agent.run(q))        print()    print("总调用次数:", agent._call_count)  if __name__ == "__main__":    main()
目的：用不到 60 行实现一个极简动态工具选择系统——关键词画像打分、排序选优、有限重试、失败降级，完整演示了正文中“评分排序 + 失败处理”的核心流程。
  1. def score(self, query):用关键词命中比例给工具画像打分，是规则匹配策略的最小实现。
  2. ranked = sorted(self.tools, key=lambda t: t.score(query), reverse=True)对所有工具按评分从高到低排序，对应“评分排序”算法主干。
  3. for attempt in range(self.max_retry + 1):最多重试 max_retry+1 次，对应公式 $P_{\text{ok}}(n) = 1-(1-p)^n$ 的“设上限重试”。
  4. raise RuntimeError("天气服务超时")模拟工具执行失败，触发重试逻辑。
  5. return self.fallback(query)重试耗尽后降级兜底，对应“降级回退方案”。
  6. if __name__ == "__main__": main()可执行入口，直接运行即可看到每个任务选中的工具和处理结果。

常见误区

误区给 Agent 挂上几十个工具，它总能自己挑出对的；工具越全，能力越强，多多益善。

正解工具数量超过一定规模后，选择空间变大，候选工具语义重叠会让评分噪声剧增，反而更容易选错。真正决定上限的是工具画像的清晰度和选择策略的质量——就像工具箱里 60 件工具，标签卡都看不清的话，老师傅也得翻半天。

为何常见：人们容易把“能力范围”等同于“能力本身”，就像买工具时总觉得“多买几把总用得上”，忽略了工具需要被准确描述和选择的前提。

误区只要把每个工具的关键词写全，用 if-else 就能完美匹配任务，搞什么向量相似度都是多余的。

正解自然语言表达千变万化，“天气”可能被说成“冷不冷”“要不要带伞”，关键词覆盖不了同义、指代和隐含意图。规则只能当保底，必须叠加语义相似度等更本质的匹配手段才能应对真实用户。

为何常见：规则直观、可解释、好调试，遇到边角案例时人的第一反应是“再加一个关键词”，而不是换更本质的方案。

误区工具一旦选错，这个任务就等于彻底完蛋，用户只能从头再来一次。

正解成熟的 Agent 内置失败处理机制：先有限次重试，再降级到备用工具，必要时向用户澄清，最后还能通过日志反馈优化下次选择。选错的后果是被层层“兜住”的，就像扳手滑丝了，老师傅还有钳子、还有备用水管。

为何常见：没接触过生产级 Agent 的初学者容易把工具调用想象成“一发定生死”的赌博，忽略了工程系统里无处不在的冗余设计。

误区工具画像写得越短越好，省 token 也省时间，反正大模型能猜出意思。

正解工具画像是选择算法的重要参照物，语义向量就是由它编码生成的。描述过短会丢失关键约束，比如漏掉“仅支持 UTC 时间”，Agent 就会反复算错时间，再来回重试——省下的小 token 换回来的是更大的隐性成本。

为何常见：大家习惯用“字数”衡量成本，忽略了“描述不清导致选错重试”带来的开销远大于多写几十个字。

面试题

Q1. 在 Agent 中，动态工具选择最直接的意义是？

单选题 · easy

  • A.减少训练数据的数量
  • B.降低选错工具的风险← 正确答案
  • C.简化模型网络结构
  • D.加快前端页面渲染

答案：B。动态工具选择的核心价值在于降低“任务与工具”错配的概率，选错工具会直接导致任务失败、成本浪费。它既不改变模型结构，也不影响前端渲染，更与训练数据量无关——就像小王拿锤子修水龙头，问题出在“拿对家伙”上。

Q2. 工具画像中通常不会包含哪类信息？

单选题 · easy

  • A.功能摘要说明
  • B.参数规格定义
  • C.适用场景标注
  • D.开发者家庭住址← 正确答案

答案：D。工具画像描述的是“这个工具能做什么、怎么用、什么场景用”，包括功能摘要、参数规格、适用场景和失败模式。开发者家庭住址属于与任务无关的个人隐私信息，不该出现在工具画像里——标签卡上不会写师傅家住哪。

Q3. 余弦相似度主要用来做什么？

单选题 · easy

  • A.衡量语义接近程度← 正确答案
  • B.计算工具销售价格
  • C.统计调用次数多少
  • D.生成执行代码片段

答案：A。余弦相似度把任务描述和工具描述分别编码成向量，通过计算两向量夹角的余弦值来度量语义接近程度，夹角越小越接近 1，表示越匹配。它不涉及价格、计数或代码生成，是纯语义层面的相似度度量。

Q4. 混合策略评分中权重 α+β+γ 满足什么关系？

单选题 · mid

  • A.永远等于零
  • B.任意实数皆可
  • C.总和始终为1← 正确答案
  • D.必须大于一百

答案：C。混合加权策略里，规则分、语义分、推理分各乘以一个权重再求和，三个权重都非负且总和恒为 1，用于控制三类信号的占比。如果权重和不为 1，不同配置下的总分就失去了可比性。

Q5. 关于 Top-K 过滤，以下说法正确的有？

多选题 · mid

  • A.只保留评分最高的前几个候选← 正确答案
  • B.全部工具一起参与最终执行
  • C.缩小后续推理的决策范围← 正确答案
  • D.提高工具选择的计算开销

答案：AC。Top-K 过滤按评分排序后只保留前 K 个候选，目的正是缩小后续大模型或调度器的决策范围、降低计算开销。让全部工具参与执行和“提高开销”都与它的设计初衷相反——就像小王只把前三名工具端给师傅看，而不是把整个工具箱倒在地上。

Q6. 顺序链式编排的正确含义是？

单选题 · mid

  • A.所有工具同时并行执行
  • B.工具执行后结果都丢弃
  • C.上一个工具输出传给下一个← 正确答案
  • D.每个工具调用一次即失效

答案：C。顺序链式编排要求前一个工具的输出作为后一个工具的输入，形成一条流水线，对应数学上的函数复合 $f_{t_2} \circ f_{t_1}$。并行执行、丢弃结果、单次失效都不是链式的特征。

Q7. softmax 中温度 T 调小会发生什么？

单选题 · hard

  • A.高分工具概率更突出← 正确答案
  • B.概率分布更加平滑
  • C.所有概率都变成零
  • D.候选工具数量变少

答案：A。温度 T 控制概率分布的锐度：T 越小，高分与低分工具的差距被指数运算放大得越明显，决策越果断；T 越大分布越平滑、选择越随机。“归零”和“候选数变化”都不是温度的作用范围——好比老师傅遇到明摆着的活儿时下手特别快。

Q8. 失败处理中的“降级回退”是指什么？

单选题 · hard

  • A.强制用户重新提交请求
  • B.换更基础可靠的备用工具← 正确答案
  • C.直接向用户返回错误码
  • D.无限重试同一个失败工具

答案：B。降级回退指的是主工具不可用时，切换到一个更基础但更可靠的备用工具继续完成任务，避免流程中断。强制用户重提、直接报错、无限重试都不是合理的降级策略——扳手滑丝了要换钳子，而不是让客人重新描述一遍问题。

Q9. 常见的动态工具选择策略有哪些？

多选题 · mid

  • A.规则关键词匹配← 正确答案
  • B.语义相似度比较← 正确答案
  • C.大模型推理决策← 正确答案
  • D.人工逐个硬编码

答案：ABC。规则匹配、语义相似度、模型推理是三种主流策略，生产系统常用混合加权把它们组合起来。人工逐个硬编码属于静态映射，无法应对真实世界中千变万化的用户表达，不属于动态选择的范畴。

Q10. 工具调用失败后合理的处理方式有哪些？

多选题 · extreme

  • A.设定次数重试同一工具← 正确答案
  • B.切换到备用工具再试← 正确答案
  • C.向用户澄清问题需求← 正确答案
  • D.忽略错误继续后续流程

答案：ABC。失败后的合理做法包括设上限重试（对应 $P_{\text{ok}}(n) = 1-(1-p)^n$）、切换备用工具降级回退、以及向用户澄清需求。忽略错误继续往下执行会把一次小故障滚雪球式放大成整条链路的错误结果，是生产系统必须避免的。