Day 13 的目标：在 Day 12 单工具 Function Calling 的基础上，扩展到三个工具，让大模型根据用户问题自动选择最合适的工具。最终成果：一个能计算数学题、查天气、查时间的 AI 个人助理，输入 q 退出。

Day 13 的目标：在 Day 12 单工具 Function Calling 的基础上，扩展到三个工具，让大模型根据用户问题自动选择最合适的工具。最终成果：一个能计算数学题、查天气、查时间的 AI 个人助理，输入 q 退出。

Function Calling 是 AI Agent 的核心机制——让大模型能调用你写的 Python 函数。大模型不直接执行函数，它只是说"我要调 calculate，参数是 123*456"，你来执行。今天你实现了一个完整的 Function Calling 闭环：用户问问题 → 大模型选工具 → 你执行 → 结果发回 → 大模型回答。有一说一，直接做项目对一些记忆点可能比你死记硬背还要来得

Function Calling 是 AI Agent 的核心机制——让大模型能调用你写的 Python 函数。大模型不直接执行函数，它只是说"我要调 calculate，参数是 123*456"，你来执行。今天你实现了一个完整的 Function Calling 闭环：用户问问题 → 大模型选工具 → 你执行 → 结果发回 → 大模型回答。有一说一，直接做项目对一些记忆点可能比你死记硬背还要来得

Function Calling 是 AI Agent 的核心机制——让大模型能调用你写的 Python 函数。大模型不直接执行函数，它只是说"我要调 calculate，参数是 123*456"，你来执行。今天你实现了一个完整的 Function Calling 闭环：用户问问题 → 大模型选工具 → 你执行 → 结果发回 → 大模型回答。有一说一，直接做项目对一些记忆点可能比你死记硬背还要来得

> Phase 2 的第一天——从调天气 API 调到调大模型 API，流程完全一样。>> 今天你写了一个**交互式 AI 聊天程序**：输入问题，大模型回答，输入 q 退出。>> 核心内容：LLM API 调用 + Prompt Engineering（system/role、Few-shot）+ Token 概念。

本文介绍了Python类型提示(Type Hints)和Pydantic数据校验的对比使用。类型提示作为代码注释仅提高可读性，而Pydantic能实际校验数据类型并自动转换(如字符串"18"转整数18)。文章通过天气API查询的实战案例，展示了如何用Pydantic定义嵌套数据模型，自动校验API响应数据，避免手动处理字典和KeyError。关键区别在于：类型提示是"写给人看"的说明，Pydant

这是一份针对Python初学者的实用编程模板指南，包含7天从基础到进阶的核心代码框架。主要内容包括：万能程序骨架、交互菜单循环、文件I/O操作、面向对象编程、命令行参数解析、API调用和异步编程的标准化实现模板。每个模板都配有典型错误示例和解决方案，特别针对"看得懂但写不出"的学习痛点，强调先搭建可运行的最小结构再逐步扩展的开发模式。文中提供了可直接复用的记账CLI完整示例，并