
Pydantic AI 的 Agents 文档说明如何在 Python 智能体中配置模型、指令、依赖、工具和输出类型。可以让固定指令描述任务,再根据运行环境加入必要上下文,适合需要明确上下文来自哪里、输出能否交给代码处理的应用。

| 方向 | 具体用途 | 核对要点 |
|---|---|---|
| 写固定任务指令 | 约定用途、引用范围和输出格式 | 为输入缺失和超出范围准备单独处理 |
| 传入运行依赖 | 在当前运行中取用调用者已具备权限的上下文 | 变量的授权和数据范围仍应由应用代码管理 |
| 校验输出类型 | 用类型描述调用方随后处理的结构 | 检查类型满足后,业务值和来源是否也符合要求 |
| 你的需求 | 可用资源 | 适用原因 |
|---|---|---|
| 需要在 Python 应用中使用有类型的输出 | Pydantic AI Agents | 可把指令、依赖和输出类型放在同一个工作单元 |
| 在 Google ADK 连接模型与可调用工具 | Google ADK Agent Instructions | 提供按语言组织的官方配置示例 |
| 重点做底层生成格式约束 | Outlines | 兼顾多种模型接口和结构化生成方法 |
部门需要从内部图书记录回答馆藏状态,员工和访客可看到的字段不同。
官网公开提供指南或课程介绍。课程报名、部署资源及模型调用等条件按相应页面核对。
固定指令描述跨任务复用的规则。问题或检索到的资料属于本次运行的输入。
权限属于应用与工具访问控制。指令用于解释可用资料和工作职责,业务代码仍应独立校验访问边界。