@neural_avb: 接下来:RLM 内部的工具调用 工具不是在生成期间调用的,而是作为 Python 函数注入到…
摘要
fast-rlm v1.14 引入了通过直接注入 Python 函数进行工具调用的功能,可接受任意 Python 字典作为输入,通过模式声明保证结构化输出,并允许智能体调用子智能体。
接下来:RLM 内部的工具调用
工具不是在生成期间调用的,而是直接注入到 REPL 中的 Python 函数。
RLM 可以在代码中调用它们,并将结果存储在 Python 会话的变量中(而不是直接加载到上下文中 https://t.co/Ntrrp75ADw
查看缓存全文
缓存时间: 2026/05/22 01:41
接下来: RLM内部的工具调用
工具并非在生成过程中被调用,而是作为 Python 函数直接注入到 REPL 中。
RLM 可以在代码中调用这些工具,并将结果存储在 Python 会话的变量中(而不是直接加载到上下文中)https://t.co/Ntrrp75ADw
AVB (@neural_avb): fast-rlm 新版本今日发布(v1.14)
本版本新功能:
- RLM 的输入不必是字符串,可以是任何 Python 字典
- 输出模式声明 -> RLM 保证以您设计的结构化格式返回输出
- 代理可以显式调用子代理
相似文章
monty-go:Pydantic 的 Monty Python 解释器的纯 Go 封装
monty-go 是一款纯 Go 工具,支持在沙箱化的 WebAssembly 环境中运行 LLM 生成的 Python 代码,实现高效、安全的代码执行,并与 Go 集成。
在11行代码中实现更好的SQL
本文介绍了Prela,一种基于二元关系的新查询语言,并提供了Python教程来构建一个玩具版本,展示了其相对于SQL的简洁性。
我在真实的LangGraph代理周围添加了一个运行时监督器——它在执行前拒绝了一个工具调用,模型重新规划了
本文介绍了ARK的开发,这是一个用于AI代理的运行时监督层,通过与LangGraph代理和OpenAI模型测试,通过拒绝不合规的工具调用来执行约束,并促进模型重新规划。
@Teknium: 听起来有点像Hermes的自我改进
Google的一篇论文讨论了将技能进化系统分离为组件,如原始执行轨迹和为AI代理持久化的知识维基,涉及自我改进概念。
InferenceFS:再也不用担心数据了!(真的!)
InferenceFS 是一款文件系统工具,利用大型语言模型的潜空间从文件名推断文件内容,通过依赖外部AI后端如Claude和Gemini,提供理论上的无限压缩。