相关实践
用 Haystack Tools 把检索、API 和自定义函数接入 Agent
Haystack Tool 文档适合把检索组件、API 调用和自定义 Python 函数包装成 Agent 可调用能力。输入是一个函数或 pipeline component、参数定义、描述文本和安全边界。执行过程是定义 tool 名称、描述和参数 schema；让 Agent 在推理过程中选择并调用 tool；把工具结果作为上下文继续生成答案；对外部 API 和写操作限制权限。产物是一套面向 Haystack Agent 的工具层，让知识检索和业务函数可以被统一调度。验证来自 Haystack 官方 Tool 文档对 Tool 定义、参数、调用和 Agent 集成的说明。
用 AutoGen AgentChat Agents 定义可协作的专业 Agent
Microsoft AutoGen AgentChat agents 教程适合把不同职责的助手定义成可协作 Agent，例如 planner、coder、critic 和 executor。输入是任务目标、模型配置、每个 Agent 的 system message、工具能力和交互边界。执行过程是创建 AssistantAgent 或其他 Agent 类型，为不同角色配置工具和行为；通过消息传递让 Agent 交换中间结果；必要时接入人工确认或执行环境。产物是一组专业化 Agent 定义，能支撑多角色协作任务。验证来自 AutoGen 官方 AgentChat agents 教程对 Agent 类型、消息、工具和运行示例的说明。
用 LlamaIndex Agent 部署指南把本地助手上线成服务
LlamaIndex deploying agents 文档适合把本地验证过的 Agent 发布为可调用服务，支撑团队内部工具或产品功能。输入是已有 Agent、运行环境、模型和索引依赖、服务入口与监控需求。执行过程是按部署指南整理依赖、配置运行时、暴露 API 或应用入口，并用测试问题验证检索和工具调用链路；上线后记录日志和失败样例，持续优化工具描述与索引。产物是从 Notebook/本地脚本迁移到服务化运行的 Agent 部署流程。验证来自 LlamaIndex 官方部署文档对 agent deployment、服务化和运行环境的说明。
用 LlamaIndex Agents 把检索、工具调用和推理串成问答助手
LlamaIndex 官方 Agent 文档适合把 RAG 检索、外部工具调用和 LLM 推理组合成一个可执行助手。输入是文档索引、工具函数、模型配置和用户任务。执行过程是先用 LlamaIndex 构建数据索引，再把查询引擎或业务函数注册为 tools；Agent 根据用户问题选择检索、调用工具或直接回答，并把中间结果纳入最终响应。产物是一个能围绕私有知识库完成多步问答和工具调用的 Agent。验证来自 LlamaIndex 官方 Agent 文档对 Agent、tools、reasoning 和 query engine integration 的说明。
用 LlamaIndex Workflows 把 RAG Agent 拆成可观测步骤
LlamaIndex workflow 文档适合把复杂 RAG/Agent 流程拆成显式步骤，避免所有逻辑塞进单次模型调用。输入是需要处理的用户问题、检索步骤、重写步骤、工具调用和最终回答要求。执行过程是用 workflow 定义事件、步骤和状态传递；将 query rewrite、retrieval、rerank、tool use、answer synthesis 分成节点；逐步记录中间产物，便于调试和复盘。产物是一条可观测、可测试的 Agent workflow。验证来自 LlamaIndex 官方 workflow 文档对事件驱动流程、steps、state 和 async execution 的说明。
用 Haystack Agents 让搜索管线自动选择工具和下一步
Haystack Agents 文档适合把传统检索管线升级为能自主选择工具的问答系统。输入是 Haystack pipeline、可用工具、模型配置和用户问题。执行过程是把 search、retrieval、web/API 调用等能力封装成 tools；Agent 根据问题决定调用哪个工具、读取结果并继续推理；最终输出带来源的答案。产物是一个面向搜索和知识问答的 Agent pipeline，能在多个工具之间动态路由。验证来自 Haystack 官方 Agents 文档对 Agent、tools、tool invocations 和 pipeline 结合方式的说明。