本文通过"北京天气"查询案例，详细拆解了AI工具调用的10条核心消息流，分为4个阶段：1）MCP服务器启动时扫描工具生成标准化清单；2）用户请求经MCP翻译为大模型可识别的Function Calling格式；3）大模型输出调用意图后，MCP反向翻译执行真实Python函数；4）必须将工具执行结果回填大模型才能生成最终回答。整个过程类比餐厅点餐流程，揭示了工具（手）、Funct

本文从学习者的视角梳理了FunctionCalling、工具(Tools)和MCP三个概念的本质区别与协作关系。核心观点包括：1)工具是实际执行代码及其说明文档；2)FunctionCalling是大模型自带的决策调用能力；3)MCP是双向翻译协议，负责工具标准化和格式转换。三者形成完整执行链路：MCP将工具翻译为模型可识别的格式→模型通过FunctionCalling决策→MCP反向转换为实际工

摘要： 本文系统介绍了Function Calling的概念、工作原理及实际应用。Function Calling使大模型能够调用外部函数，实现与真实世界的交互，扩展了模型的知识和行为能力。文章详细解析了OpenAI和Qwen模型的Function Calling接口使用，并通过天气查询、地图搜索、数据库操作等案例演示了实战应用。同时，探讨了Function Calling带来的质变——从孤立应答

本文介绍了使用LlamaIndex框架开发大语言模型应用的全流程。主要内容包括：1) 环境配置与阿里云API设置；2) LlamaIndex核心功能详解：数据加载、文本切分、索引构建、检索优化；3) 问答系统实现：单轮问答、多轮对话、流式输出；4) 底层组件：Prompt模板、LLM集成、Embedding模型；5) 完整RAG系统实现：支持Qdrant向量数据库、检索后排序等功能；6) Text

本文详细介绍了Kubernetes集群环境的初始化配置过程。主要包括：关闭swap分区以提高性能、修改主机名、安装ipvs和开启路由转发等网络配置；安装docker容器运行时和cri-docker接口；通过kubeadm安装Kubernetes 1.29版本并初始化主节点；最后部署Calico网络插件实现集群网络通信。文章提供了完整的命令序列和配置文件内容，涵盖了从系统环境准备到Kubernete

本文系统介绍了Linux操作系统的基础知识及学习环境搭建方法。首先阐述了计算机系统组成和操作系统核心功能，比较了主流操作系统特点。重点讲解了Linux的发展历程、系统架构和常见发行版。详细指导了使用VMware搭建CentOS虚拟机环境的步骤，包括安装、网络配置和快照备份。最后推荐了FinalShell远程连接工具，并比较了图形界面与命令行操作的优劣，强调命令行在Linux学习中的重要性。文章为L

摘要：LangChain是一个面向大模型开发的框架，提供模型I/O封装、数据连接处理、流程编排等核心功能。其特点包括：1）统一封装多种模型接口（如OpenAI、DeepSeek等），支持结构化输出和Function Calling；2）提供Prompt模板管理、文档加载/处理工具，但数据处理能力相对基础；3）通过LCEL实现声明式流程编排，支持流式输出、异步调用等特性；4）配套LangGraph工

LangGraph是由LangChain团队开发的开源框架，用于构建基于大型语言模型(LLM)的复杂应用。它通过图结构(graph)表示工作流，支持循环逻辑、状态管理和多主体协作等特性。核心功能包括：1) 节点和边构成的图结构；2) 自动状态管理；3) 支持循环工作流；4) 内置持久化机制。LangGraph特别适用于对话代理、多步骤任务和多代理系统等场景。本文详细介绍了如何使用LangGraph

本文介绍了在WSL和Windows 11环境下部署Ollama大语言模型及配置Python开发环境的完整流程。主要内容包括：1）Ollama的安装部署步骤，包含获取安装包、解压配置、创建系统服务、下载模型等；2）Python环境配置，涉及pip工具安装、ollama和streamlit库的安装及冲突解决；3）PyCharm与WSL的集成方法，包括解释器选择和测试代码验证。文章还特别提供了WSL更新

RAG技术树涵盖RAFT方法、高效召回策略（如TOP_K优化、混合索引、查询扩展）及Qwen-Agent开发框架，支持分块检索与逐步推理。质量评估依托RAG三元组和Ragas工具，量化检索相关性、答案忠实度等指标。商业落地需聚焦工程化步骤：从文档分块、索引优化到评估闭环，结合父文档检索器或动态块调整平衡精度与效率。核心目标是通过知识图谱与RAG的协同，构建可解释、可迭代的智能系统。