How LLM tools work under the hood

摘要

解釋大型語言模型如何透過系統提示定義工具，並由模型決定呼叫哪些工具。觀眾能學習工具呼叫的完整流程，包括如何執行工具結果並回饋給模型以進行迭代。

This video explains how LLMs use system prompts to define and execute tools, covering the full interaction loop.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• 工具定義透過 JSON Schema 嵌入系統提示中。
• 模型自行選擇工具並返回呼叫指令。
• 程式端執行工具後將結果回饋給模型。

適合誰看

正在開發使用 AI 輔助程式設計或建構 AI 應用程式的開發者。

摘要依據

講者

Matt Pocock

依據

自動字幕

為什麼排在這裡

人氣

0.43

新鮮

0.23

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• LLM Lecture: A Deep Dive into Transformers, Prompts, and Human Feedback影片 ・ AI Coffee Break with Letitia ・ 1 小時 31 分（在新分頁開啟原站）
• Collect User Feedback of your LLM Agent in Langfuse影片 ・ Langfuse ・ 3 分鐘（在新分頁開啟原站）
• How I use LLMs影片 ・ Andrej Karpathy ・ 2 小時 11 分（在新分頁開啟原站）
• What messages you send to the LLM actually look like影片 ・ Matt Pocock ・ 2 分鐘（在新分頁開啟原站）
• How are large language models trained?影片 ・ Google for Developers ・ 10 分鐘（在新分頁開啟原站）
• Deep Dive into LLMs like ChatGPT影片 ・ Andrej Karpathy ・ 3 小時 31 分（在新分頁開啟原站）