用 dots3-note 打造 AI 智能体工具调用与多步骤工作流实战教程【免费下载链接】dots3-note-prev项目地址: https://ai.gitcode.com/hf_mirrors/dots-studio/dots3-note-prev想让大模型不只是聊天而是真正能自己查资料、调接口、完成多步骤任务的 AI 智能体吗dots3-notedots3-note preview正是为此而生的开源多模态大模型它原生优化了工具调用与多步骤智能体工作流能在一次任务中连续规划、调用函数、读取返回结果并继续执行堪称新手搭建 AI 智能体的理想起点。本文将带你快速上手从模型特点到实战配置一次讲清。dots3-note 是什么为智能体而生的轻量级多模态模型dots3-note preview 是 dots3 系列首个开放权重模型采用混合专家MoE架构总参数 280B、激活参数仅 16B支持最长 512K token 的上下文能理解文本、图像、视频和音频。它官方明确定位为支持工具使用与多步骤智能体工作流的模型这意味着它天生擅长 调用外部工具查天气、搜索、执行代码、操作数据库 多步骤任务规划先分析 → 再调用 → 后总结 需要探索、记忆更新和持续适应的交互式任务与同类模型相比dots3-note 是同系列中最轻量级的成员部署门槛更低特别适合个人开发者和中小团队用来构建 AI 智能体应用。读懂核心机制工具调用格式其实很简单dots3-note 的工具调用采用清晰的 XML 风格格式所有逻辑都定义在仓库的 chat_template.jinja 模板中。你可以把它理解为一份智能体使用说明书模型通过它学会如何请求工具。当模型需要调用工具时会输出类似这样的结构dots_function_call invoke name查询天气 parameter name城市北京/parameter /invoke /dots_function_call系统执行完工具后会把结果包装成dots_function_response返回给模型模型据此决定下一步动作——这正是多步骤工作流的循环机制。整个过程自动完成你只需要在调用时传入标准的tools参数模型即可理解并正确调用。同时模板还支持通过enable_thinking参数控制是否先进行深度思考再回复让智能体在复杂任务前多想一步。多步骤工作流实战从提问到执行只需几步对新手来说最友好的方式是使用兼容 OpenAI API 的接口。仓库中的 README_CN.md 提供了开箱即用的入门示例核心流程仅三步准备对话环境基于本地部署的服务创建客户端模型名设为dots3-note-prev定义可用工具在tools参数中声明函数名、参数说明让模型知道能做什么发起请求并循环处理模型先返回工具调用请求你执行工具后把结果回传重复此循环直到模型给出最终答案。例如一个查询北京和上海天气并对比推荐旅游目的地的任务模型会自动完成调用两次工具 → 读取两次结果 → 综合分析 → 给出建议的完整链条全程无需人工干预。这也是 AI 智能体与普通聊天机器人的本质区别它不只是说而是会做。快速部署启用工具调用的关键一行要在自己的环境中跑起支持工具调用的 dots3-note 智能体推荐使用 SGLang 或 vLLM 在单节点 8 卡上部署 FP8 权重配置细节见 config.json其中定义了模型架构与专家路由参数。部署成功后最关键的一步是启用工具调用解析器# vLLM 一键启用自动工具调用 --enable-auto-tool-choice --tool-call-parser dots # SGLang 启用兼容 OpenAI API 的工具调用 --tool-call-parser dots加上这一行你的 OpenAI 兼容服务就具备了完整的工具调用能力之后任何支持 function calling 的智能体框架如 LangChain、Dify 等都可以直接接入让 dots3-note 成为你 AI 智能体的大脑。能力实测智能体与多模态表现如何根据官方公开的评测结果dots3-note 在通用推理与智能体Agent任务上的表现亮眼多模态理解同样出色——这意味着你的智能体不仅能处理文字还能看懂图片、图表甚至视频内容极大扩展了工具调用的应用场景实际使用中你会发现dots3-note 在需要记忆更新和持续探索的交互式任务上尤其可靠很少出现答非所问或忘记工具结果的情况这正是多步骤工作流稳定性的关键。项目文件快速索引想深入了解实现细节下面的文件是重点参考chat_template.jinja工具调用与思考模式的完整模板实现config.json模型架构、专家路由与上下文长度配置README_CN.md完整部署教程与多模态调用示例generation_config.json生成参数默认配置写在最后三步开启你的第一个智能体总结一下用 dots3-note 搭建 AI 智能体只需要记住三件事一是理解它基于 XML 的简洁工具调用格式二是在部署时加上--tool-call-parser dots这关键一行三是用标准 OpenAI 接口把工具结果循环回传给模型。如果你需要克隆仓库深入研究地址为https://gitcode.com/hf_mirrors/dots-studio/dots3-note-prev。从今天开始让 dots3-note 帮你完成那些需要动手的任务吧【免费下载链接】dots3-note-prev项目地址: https://ai.gitcode.com/hf_mirrors/dots-studio/dots3-note-prev创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 用 dots3-note 打造 AI 智能体：工具调用与多步骤工作流实战教程
用 dots3-note 打造 AI 智能体工具调用与多步骤工作流实战教程【免费下载链接】dots3-note-prev项目地址: https://ai.gitcode.com/hf_mirrors/dots-studio/dots3-note-prev想让大模型不只是聊天而是真正能自己查资料、调接口、完成多步骤任务的 AI 智能体吗dots3-notedots3-note preview正是为此而生的开源多模态大模型它原生优化了工具调用与多步骤智能体工作流能在一次任务中连续规划、调用函数、读取返回结果并继续执行堪称新手搭建 AI 智能体的理想起点。本文将带你快速上手从模型特点到实战配置一次讲清。dots3-note 是什么为智能体而生的轻量级多模态模型dots3-note preview 是 dots3 系列首个开放权重模型采用混合专家MoE架构总参数 280B、激活参数仅 16B支持最长 512K token 的上下文能理解文本、图像、视频和音频。它官方明确定位为支持工具使用与多步骤智能体工作流的模型这意味着它天生擅长 调用外部工具查天气、搜索、执行代码、操作数据库 多步骤任务规划先分析 → 再调用 → 后总结 需要探索、记忆更新和持续适应的交互式任务与同类模型相比dots3-note 是同系列中最轻量级的成员部署门槛更低特别适合个人开发者和中小团队用来构建 AI 智能体应用。读懂核心机制工具调用格式其实很简单dots3-note 的工具调用采用清晰的 XML 风格格式所有逻辑都定义在仓库的 chat_template.jinja 模板中。你可以把它理解为一份智能体使用说明书模型通过它学会如何请求工具。当模型需要调用工具时会输出类似这样的结构dots_function_call invoke name查询天气 parameter name城市北京/parameter /invoke /dots_function_call系统执行完工具后会把结果包装成dots_function_response返回给模型模型据此决定下一步动作——这正是多步骤工作流的循环机制。整个过程自动完成你只需要在调用时传入标准的tools参数模型即可理解并正确调用。同时模板还支持通过enable_thinking参数控制是否先进行深度思考再回复让智能体在复杂任务前多想一步。多步骤工作流实战从提问到执行只需几步对新手来说最友好的方式是使用兼容 OpenAI API 的接口。仓库中的 README_CN.md 提供了开箱即用的入门示例核心流程仅三步准备对话环境基于本地部署的服务创建客户端模型名设为dots3-note-prev定义可用工具在tools参数中声明函数名、参数说明让模型知道能做什么发起请求并循环处理模型先返回工具调用请求你执行工具后把结果回传重复此循环直到模型给出最终答案。例如一个查询北京和上海天气并对比推荐旅游目的地的任务模型会自动完成调用两次工具 → 读取两次结果 → 综合分析 → 给出建议的完整链条全程无需人工干预。这也是 AI 智能体与普通聊天机器人的本质区别它不只是说而是会做。快速部署启用工具调用的关键一行要在自己的环境中跑起支持工具调用的 dots3-note 智能体推荐使用 SGLang 或 vLLM 在单节点 8 卡上部署 FP8 权重配置细节见 config.json其中定义了模型架构与专家路由参数。部署成功后最关键的一步是启用工具调用解析器# vLLM 一键启用自动工具调用 --enable-auto-tool-choice --tool-call-parser dots # SGLang 启用兼容 OpenAI API 的工具调用 --tool-call-parser dots加上这一行你的 OpenAI 兼容服务就具备了完整的工具调用能力之后任何支持 function calling 的智能体框架如 LangChain、Dify 等都可以直接接入让 dots3-note 成为你 AI 智能体的大脑。能力实测智能体与多模态表现如何根据官方公开的评测结果dots3-note 在通用推理与智能体Agent任务上的表现亮眼多模态理解同样出色——这意味着你的智能体不仅能处理文字还能看懂图片、图表甚至视频内容极大扩展了工具调用的应用场景实际使用中你会发现dots3-note 在需要记忆更新和持续探索的交互式任务上尤其可靠很少出现答非所问或忘记工具结果的情况这正是多步骤工作流稳定性的关键。项目文件快速索引想深入了解实现细节下面的文件是重点参考chat_template.jinja工具调用与思考模式的完整模板实现config.json模型架构、专家路由与上下文长度配置README_CN.md完整部署教程与多模态调用示例generation_config.json生成参数默认配置写在最后三步开启你的第一个智能体总结一下用 dots3-note 搭建 AI 智能体只需要记住三件事一是理解它基于 XML 的简洁工具调用格式二是在部署时加上--tool-call-parser dots这关键一行三是用标准 OpenAI 接口把工具结果循环回传给模型。如果你需要克隆仓库深入研究地址为https://gitcode.com/hf_mirrors/dots-studio/dots3-note-prev。从今天开始让 dots3-note 帮你完成那些需要动手的任务吧【免费下载链接】dots3-note-prev项目地址: https://ai.gitcode.com/hf_mirrors/dots-studio/dots3-note-prev创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考