RAG是一种将外部知识库与生成式模型相结合的架构。“先检索，后生成”。RAG技术通过将检索系统与生成模型相结合，有效解决了LLM的知识局限性问题。它不仅是构建智能问答系统、客服机器人的关键技术，也是企业知识管理、研究辅助、教育工具等场景的核心基础设施。随着模型性能的提升和向量数据库技术的发展，RAG系统正变得越来越高效、智能。对于开发者而言，掌握RAG技术意味着能够构建更可靠、更专业的AI应用。对

Function Calling（函数调用）是大型语言模型（LLM）与外部工具、API 或代码进行交互的一种核心机制。它允许 LLM 根据用户的自然语言请求，理解其意图，并“调用”一个预定义的函数（或工具）来执行具体任务，然后将执行结果返回给用户。简单来说，Function Calling 让 LLM 从一个“只会说”的聊天机器人，变成了一个“能动手做”的智能助手。核心价值：突破上下文限制：LLM

读取长文档文档总结请总结以下文档的主要内容，提取关键信息：{document}要求：用中文总结不超过 500 字突出核心观点"""官方文档：DeepSeek API 文档GitHub 示例：DeepSeek 官方 GitHub社区论坛：深度求索开发者社区。