【代码】dashscope 介绍及使用（调用阿里云 AI 大模型的核心工具）

把大模型（老师）学到的知识压缩进小模型（学生），让后者在体量更小、推理更快的同时保留主要能力。

工作流编排 LangChain:线性链，适合固定流程任务（如文档问答）。LangGraph: 支持循环、条件边和状态传递，适合动态调整的复杂逻辑（如多伦）。Coze:可视化工作流，支持嵌套和批处理，但灵活性较低。Dify:基于自然语言定义工作流，适合API 集成和Prompt 调优。 工具调用与扩展性 LangChain/LangGraph：工具作为链或图的节点，支持自定义工具和重试逻辑。Coz

AI的核心目标是让机器能够执行通常需要人类智能的任务，例如语言理解、突袭图像图识别、复杂问题解决等。早期阶段：以规则为基础的专家系统，依赖预设的逻辑和规则。机器学习时代：通过数据训练模型，使机器能够从数据中学习规律。深度学习时代：利用神经网络模拟人脑的复杂结构，处理更复杂的任务。大模型时代；以大规模数据和算力为基础，构建通用性强、性能卓越的AI 模型。

一个有效的Prompt 可以：

把大模型（老师）学到的知识压缩进小模型（学生），让后者在体量更小、推理更快的同时保留主要能力。

Function Call 是大模型的外部工具调用能力，核心逻辑是不修改大模型本身的任何参数与能力，仅让模型根据用户需求，自主识别并调用外部工具、接口、插件，弥补大模型原生能力的短板。大模型原生擅长自然语言理解、逻辑推理、内容生成，但存在天然短板：无法获取实时数据、不擅长精准计算、无法操作本地文件/表格、不能联网查询、无法对接第三方业务系统。而 Function Call 就是为了解决这类“模型不

Dify是一个开源的LLM应用开发平台。提供从Agent 构建到AI workflow编排、RAG检索、模型管理等能力，轻松构建和运营生成式AI 原生应用。在Dify 平台中，Chatflow和Workflow是两种核心的应用编排工具，他们分别服务于不同类型的AI 场景。Workflow：不用聊天、只做自动化跑任务、批处理、后台调度，用它。Chatflow：要跟人多轮聊天、一步步引导，用它；

工作流编排 LangChain:线性链，适合固定流程任务（如文档问答）。LangGraph: 支持循环、条件边和状态传递，适合动态调整的复杂逻辑（如多伦）。Coze:可视化工作流，支持嵌套和批处理，但灵活性较低。Dify:基于自然语言定义工作流，适合API 集成和Prompt 调优。 工具调用与扩展性 LangChain/LangGraph：工具作为链或图的节点，支持自定义工具和重试逻辑。Coz

也被称作直觉型智能体，依靠实时环境信息与预设规则快速做出决策，没有独立内部思维模型，不做长远规划，只根据当下状态立刻做出行为反馈。属于思考规划型智能体，内置完整环境认知模型，具备独立推理、预判、方案推演能力，围绕长期既定目标制定分步执行计划，属于高阶智能体形态。整合反应式智能体极速响应与深思熟虑智能体全局规划两大核心优势，通过分层架构 + 调度仲裁机制，实现极速应急处理 + 长期战略规划双向兼顾，