Qwen-Agent 是一个利用开源语言模型Qwen的工具使用、规划和记忆功能的框架。其模块化设计允许开发人员创建具有特定功能的定制代理，为各种应用程序提供了坚实的基础。同时，开发者可以利用 Qwen-Agent 的原子组件构建智能代理，以理解和响应用户查询。
本篇将介绍如何在Qwen-Agent中并行调用多个tools。
相关文章
使用vLLM（不使用Qwen-Agent的方式）进行工具调用：开源模型应用落地-Qwen2.5-7B-Instruct与vllm实现推理加速的正确姿势-Docker-Tools助力（四）
Qwen-Agent系列教程：
2026年，AI编程工具已经非常成熟了。市面上这么多AI编程工具，哪个最好用？ 本文选取了当前最具代表性的六款工具：Claude Code、Aider、Cursor、GitHub Copilot、MetaGPT 以及 OpenHands，从技术特性、优缺点及部署门槛进行客观对比。 Claude Code Anthropic 于2025年推出了 Claude Code，这是一款基于命令行的编程智能体工具。它不同于网页版的对话框，而是直接运行在终端中，能够深度理解本地项目结构。最出名的 AI 编程助手，很贵，但一分钱一分货，不得不说它很好用。 通过终端直接通过自然语言操作。它不仅能写代码，还能自主运行测试、解释复杂的架构、甚至执行终端命令来修复错误。其背后依托的是推理能力极强的 Claude 3.5/3.7 Sonnet 模型。 优势： * 推理能力极强：在处理复杂的逻辑重构和长代码理解上，目前处于行业顶尖水平。 * 自主性：
从单卡到多卡：Llama Factory微调扩展指南 如果你已经成功在单卡GPU上完成了小规模语言模型的微调，现在想要扩展到更大的模型却不知从何下手，这篇文章正是为你准备的。LLaMA-Factory作为一个高效的大语言模型微调框架，能帮助你从单卡环境平滑过渡到多卡分布式训练。本文将详细介绍如何利用LLaMA-Factory实现模型微调的横向扩展，包括环境配置、参数调整和显存优化等关键技巧。 为什么需要从单卡扩展到多卡 当模型规模超过单卡显存容量时，多卡并行训练就成为必然选择。根据实际测试数据： * 7B参数模型全参数微调需要约80GB显存 * 13B参数模型需要约160GB显存 * 70B参数模型可能需要超过600GB显存 这些需求远超单张消费级显卡的容量，此时就需要： 1. 数据并行：将训练数据分片到不同GPU 2. 模型并行：将模型参数拆分到不同GPU 3. 混合策略：结合上述两种方法 LLaMA-Factory多卡环境准备 LLaMA-Factory支持多种分布式训练策略，以下是基础环境配置步骤： 1. 确保所有GPU型号和驱动版本一致 2
openclaw使用llama.cpp 本地大模型部署教程 本教程基于实际操作整理，适用于 Windows WSL2 环境 全程使用 openclaw 帮我搭建大模型 一、环境准备 1. 硬件要求 显卡推荐模型显存占用GTX 1050 Ti (4GB)Qwen2.5-3B Q4~2.5GBRTX 4060 (8GB)Qwen2.5-7B Q4~5GBRTX 4090 (24GB)Qwen2.5-32B Q4~20GB 2. 安装编译工具（WSL Ubuntu） sudoapt update sudoaptinstall -y cmake build-essential 二、下载和编译 llama.cpp
文章目录 * 一、配置开发环境 * 1.下载PICO Unity Integration SDK * 2.安装 Unity 编辑器（添加安卓开发平台模块） * 3.导入下载的SDK * 4.项目配置和切换开发平台 * 5.导入 XR Interaction Toolkit * 6.安装 Universal RP(通用渲染管线)并设置 (选做) * 二、调试环境搭建（无PICO设备/有PICO设备两种调试方式并不互斥，但不能同时运行） * 1.无PICO设备 * 2.有PICO设备 * 3.PICO设备开启开发者模式 * 4.模拟设备和串流调试如何切换 * 三、发布所需材料以及构建安装包前配置信息 * 1.账号注册并创建组织（重点，这里关乎后面上传打包好的apk,如果不做无法上传） * 2.