扩展模型能力：大模型本身无法直接操作外部系统（如数据库、计算工具），但通过调用预设函数，可以完成：实时数据获取（天气、股价、新闻）复杂计算（数学运算、代码执行）操作外部系统（发送邮件、控制智能设备）结构化输出模型可将用户自然语言请求转化为结构化参数，传递给函数。例如：用户说“明天北京天气如何”->模型调用 get_weather(location=“北京”，date=“2025-05-06”)动态

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。

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

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。

上面两个都是阿里的 但是分工不同。

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

Model Context Protocol(MCP) 是由Anthoropic 推出的一种开放协议标准，目的在于标准化LLM 与外部数据源、工具及服务之间的交互方式。MCP被广泛类比为“AI领域的USB-C接口”