正在打开每日关注
正在打开每日关注
视频围绕 Palantir AIP Agent 与 Ontology 的交互层次，重点比较上下文检索与对象查询，并讨论工具暴露与权限边界。
9. Tool Calling Mode: 工具 如 何 暴露 给 LLM? 适用 范围 所 有 模型 + 所 有 工具 类 型 部 分 Palantir 模型 + Action/Object Query/Function/Update App Var 调用 方式 一 次 一 个 tool 可 并 行 调 用 多 个 tool 适合 场景 模型 兼容 性 优先 性 能 优先 、token 效率 优先 关键 澄清 ntir 才 ntology ma ystem prompt。 更 准确 的 理解 是 一 在 具体 Chatbot / Application
视频以 Palantir AIP Agent 与 Ontology 的交互为主线，尝试解释 Agent 如何在受控边界内读取业务对象、补充上下文并调用工具。核心区分是：Retrieval Context 会随用户消息自动注入必要背景，确定性较强；Object Query Tool 则由 LLM 按需调用，适合探索、临时查询和多轮追问。视频还强调，Ontology 并非整体直接进入 system prompt，而是当前应用中已配置、授权且与任务相关的能力，以工具说明、上下文片段、函数签名或动作定义等形式提供给模型。
可借鉴之处在于，将“必看且稳定”的业务信息与“按需探索”的查询能力分层，同时把权限与工具暴露范围纳入设计。边界在于，OCR 未完整呈现具体实现、产品配置和 demo 细节；其中的端到端链路被说明为基于官方文档的推演，不能据此视为已验证的产品行为。检索上下文配置不当可能造成 token 浪费或噪声，对象查询也存在漏查、查错、查不全的风险。