1. Agent 工具调用你知道怎么训练吗？训练集应该包含哪些？怎么得到训练数据集？如果只是让模型“知道有工具”，那只需要在 SFT 里教会它工具名和参数格式；但如果想让它真的会用工具，训练集必须覆盖完整决策链路。至少要有三类样本：一类是该调用工具的，一类是不该调用工具的，还有一类是要调用多个工具且有依赖关系的。否则模型很容易学成“逢问题必调用”。训练数据来源一般有几种。最理想的是业务日志里已有高质量人工操作轨迹，把用户问题、检索条件、调用参数、返回结果和最终回复串起来。没有现成轨迹时，就要靠规则模板、专家构造、模型自蒸馏和人工校验混合生成。真正难的地方不在造正样本，而在构造反例，比如参数缺失...

就是觉得好漂亮，可能是配色？

不过还是挺开心的hhh

最近不管是写课设代码、改春招笔试算法题、做项目调试，还是整理面试思路、写实习日记，基本都离不开AI。把市面上主流的ChatGPT、Claude、豆包、Cursor、Trae全试了个遍，慢慢摸透了哪个场景用哪个最香，再也不用瞎试了。先说说程序员最关心的代码类AI，也是我用得最多的：Cursor算是我写代码的“主力工具”了，直接集成在编辑器里，不用切窗口太香了。写Java后端代码的时候，实时补全逻辑、一键重构代码、调试小BUG，完全贴合写代码的节奏；尤其是写算法题，边写边给提示，比对着ChatGPT复制粘贴舒服太多。缺点就是复杂场景的思路分析稍弱，但日常开发、课设、实习写代码完全够用。Trae这个...