在一個 RAG pipeline 中，使用者的查詢可能是：
「How do I reset washer after error E13?」
同時，手冊文字寫著：
「Instructions to clear error E13 on the AeroWash 400…」
即使用詞不同，系統也應該能辨識它們的意思相同。
哪個程式碼元件會加入語意，讓這些相關語句可以被配對？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
了解 code agents 的獨特之處，以及它們如何使用 Python 進行推理與行動。用 smolagents 建立你的第一個代理，加入可存取網路的內建與社群工具，並建立自訂工具把代理連接到資料。
把傳統 RAG 管線轉化為 agentic 系統，透過反覆檢索並在多個步驟間推理。打造具狀態的工具以支援進階檢索，使用規劃間隔引導代理以改善結果，並用回呼在執行期間追蹤與自訂代理行為。
當前練習
透過協調型管理者來統籌一組專門的代理，處理複雜工作流程。加入記憶以在多次互動間保留脈絡，使用執行追蹤與推理步驟來偵錯代理行為，並實作穩健的驗證策略以確保高品質且可靠的回應。
