# 小测验（不计分） [[quiz1]]

到目前为止，我们已经讨论了 LlamaIndex 的关键组件和工具。
是时候做个小测验了，因为**自我测试**是最好的学习方式，也能[避免能力错觉](https://www.coursera.org/lecture/learning-how-to-learn/illusions-of-competence-BuFzf)。
这将帮助您发现**哪些知识需要加强**。

本测验为可选项目，不计入成绩。

### Q1: 什么是 QueryEngine？
以下哪项最能描述 QueryEngine 组件？

<Question
choices={[
{
text: "仅处理静态文本且不具备检索能力的系统",
explain: "QueryEngine 必须能够检索和处理相关信息",
},
{
text: "在 RAG 过程中负责查找和检索相关信息组件",
explain: "这准确描述了 QueryEngine 的核心功能",
correct: true
},
{
text: "仅存储向量嵌入而不具备搜索功能的工具",
explain: "QueryEngine 的功能不仅限于存储嵌入 - 它需要主动搜索和检索信息",
},
{
text: "仅用于评估响应质量的组件",
explain: "质量评估不属于 QueryEngine 的主要检索功能",
}
]}
/>

---

### Q2: FunctionTools 的作用是什么？
为什么 FunctionTools 对 Agent 很重要？

<Question
choices={[
{
text: "用于处理大量数据存储",
explain: "FunctionTools 的主要目的不是数据存储",
},
{
text: "将 Python 函数转换为 Agent 可使用的工具",
explain: "FunctionTools 通过封装 Python 函数使其可供 Agent 使用",
correct: true
},
{
text: "允许 Agent 创建随机函数定义",
explain: "FunctionTools 有明确的功能封装目的，而非创建随机函数",
},
{
text: "仅处理文本数据",
explain: "FunctionTools 可以处理各种类型的函数，不限于文本处理",
}
]}
/>

---

### Q3: LlamaIndex 中的 Toolspecs 是什么？
Toolspecs 的主要目的是什么？

<Question
choices={[
{
text: "它们是冗余的组件，不提供实际功能",
explain: "Toolspecs 在 LlamaIndex 生态中具有重要作用",
},
{
text: "社区创建的工具集合，用于扩展 Agent 能力",
explain: "Toolspecs 允许社区共享和复用工具",
correct: true
},
{
text: "专门用于内存管理",
explain: "Toolspecs 的核心是提供工具，而非内存管理",
},
{
text: "仅支持文本处理",
explain: "Toolspecs 可以包含多种类型的工具，不限于文本处理",
}
]}
/>

---

### Q4: 创建工具时需要什么？
创建工具时必须包含哪些信息？

<Question
choices={[
{
text: "必须定义函数、名称和描述",
explain: "虽然这些构成完整工具，但名称和描述可从函数和文档字符串解析",
},
{
text: "仅需名称",
explain: "仍需函数和描述/文档字符串来确保工具文档完整性",
},
{
text: "仅需描述",
explain: "必须包含函数才能使智能体执行具体操作",
},
{
text: "仅需函数",
explain: "名称和描述默认取自所提供函数的名称和文档字符串",
correct: true
}
]}
/>

---

恭喜完成测验 🥳！如果有错误，请重新阅读章节巩固知识。如果全部正确，您已准备好深入学习这些组件的构建了！