Function Calling 大概是 LLM 应用开发中最拧巴的一个环节——你让一个概率模型去做一件需要百分之百精确的事。模型生成的自然语言可以有措辞差异、可以有风格变化，用户多半不会在意，但一个工具调用的参数少了一个字段、日期格式从 `YYYY-MM-DD` 变成了 `DD/MM/YYYY`、或者枚举值 `pending` 拼成了 `Pending`，下游系统直接报错，整个 Agent 流程

本文整理自 QCon 全球软件开发大会·2026（北京站）明星讲师蚂蚁集团操作系统研发经理谈鉴锋、高级开发工程师周天昱的演讲分享《From Computer Use to Datacenter Use for AI》。

这两年AI圈讨论最多的话题，就是从大模型到Agent（智能体）的进化。当大模型基础设施已经逐步完善，创业者们都在问：下一波机会在哪里？

Agent是以 LLM 为核心，具备规划（Planning）、记忆（Memory）和工具调用（Tool Use）能力，能够自主拆解复杂任务、循环执行、感知反馈并持续推进任务直到完成的计算实体，实现从“文本生成”到“任务自主执行”，不再只是被动响应指令，而是能像人类员工一样，自主实现任务闭环。

一个CTO在技术分享会上说："我们花了两周搭了个Agent Demo，领导看了直拍大腿。推到生产环境第一周——幻觉、乱花钱、触发安全事件、完全不知道它在干嘛。"台下集体沉默了。

在本地部署大模型是一场非常有意思的探索，梳理了一份全面的指南，希望能帮你找到适合自己的方案。

面试官：Function Calling、Skill、MCP 这三个概念有什么区别？🙋‍♂️我：这三个都是让模型调用外部工具的方式吧？Function Calling 是 OpenAI 的方案，MCP 是 Anthropic 的方案，Skill 也是 Anthropic 的方案，它们是不同时期搞出来的竞争方案。

自ChatGPT和GPT-4发布以来，大型语言模型（LLMs）和多模态大型语言模型（MLLMs）因其在理解、推理和生成方面的卓越能力而受到广泛关注，为将人工智能整合到医学中引入了变革性范式。本调查全面概述了LLMs和MLLMs在医学中的发展、原理、应用场景、挑战和未来方向。具体而言，它首先考察了范式转变，追溯了从传统模型到LLMs和MLLMs的转变，并强调了这些LLMs和MLLMs在医学应用中的独

尽管多模态大型语言模型（Multimodal Large Language Models, **MLLMs**）显著扩展了LLMs以处理视觉、音频和视频等多种模态，但在多模态输入之间**实现稳健的推理**仍然是一个重大挑战。**华东师大&字节跳动**系统回顾了**基于强化学习的MLLMs推理**的最新进展，涵盖了关键的算法设计、奖励机制创新以及实际应用。

数字金融作为2023年中央金融工作会议提出的“五篇大文章”之一，其目标在于促进金融机构运用数字技术提升重点领域金融服务质效、提高“数实融合”水平，以及建设数字金融服务生态，以推动我国金融领域的高质量发展。基于此背景，交银金融科技有限公司(以下简称“交银金科”)聚焦智慧交易链平台的“蕴通易信”场景，融合多种人工智能技术，积极探索基于检索增强生成(RAG)架构的数字人智能客服应用。实践表明，基于RAG