企业官网建设流程全解析

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-note（dots3-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：

1. 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；
2. 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"；
3. 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