企业官网建设流程全解析

大连网站关键词,大汉网站开发,广告网站怎么建设,传销网站开发系统维护在开发大模型应用时#xff0c;我们经常遇到两个痛点#xff1a;数据滞后#xff1a;大模型不知道今天新开了哪家网红店#xff0c;也不知道实时的路况。无法行动#xff1a;大模型只是一个大脑#xff0c;它无法直接去“查询”外部世界。今天#xff0c;我们通过 Funct…在开发大模型应用时我们经常遇到两个痛点数据滞后大模型不知道今天新开了哪家网红店也不知道实时的路况。无法行动大模型只是一个大脑它无法直接去“查询”外部世界。今天我们通过Function Calling函数调用技术给大模型装上“手脚”。我们将以高德地图 API为例演示如何让 ChatGPT 变身“实时导游”完成从意图识别到API调用再到结果反馈的全过程。一、核心原理让 AI 读懂“说明书”Function Calling 的核心在于你给大模型一份工具说明书Schema大模型根据用户的问题决定是否使用工具以及使用什么工具。在大模型眼里调用外部 API 的流程是这样的用户提问“我在春熙路附近想喝咖啡。”模型思考这需要查地图我手里有search_nearby_pois这个工具。模型返回请帮我运行这个函数search_nearby_pois(keyword咖啡, location春熙路。本地代码执行Python 代码真正去调用高德 API拿到数据。模型总结将 API 返回的 JSON 数据整理成自然语言告诉用户。二、实战接入高德地图 API接下来是硬核代码环节。我们需要完成三个步骤定义工具函数、描述工具接口、实现调用循环。第一步编写实际执行的 Python 函数大模型是不会自己发 HTTP 请求的我们需要先写好 Python 代码来对接高德地图的接口。这里我们需要两个核心能力地理编码把地名如“春熙路”变成经纬度。周边搜索根据经纬度搜索附近的店铺如“咖啡”。(注请确保你已申请高德地图 API Key)申请网址https://lbs.amap.com/import jsonimport requestsfrom openai import OpenAI# 配置区域# 请替换为你的真实 KeyAMAP_API_KEY # 必须是 Web服务 类型的 KeyOPENAI_API_KEY OPENAI_BASE_URL https://api.deepseek.com/v1 # 如果用中转请修改此处client OpenAI( api_keyOPENAI_API_KEY, base_urlOPENAI_BASE_URL) plaintext # 第一部分定义本地 Python 工具函数defget_location_coordinate(location, cityNone): 根据地点名称获取经纬度坐标 # 修复点 1高德地理编码 API 参数名必须是 address params { key: AMAP_API_KEY, address: location, output: json } if city: params[city] city try: # 修复点 2补全缺失的请求逻辑 response requests.get(https://restapi.amap.com/v3/geocode/geo, paramsparams) response.raise_for_status() data response.json() if data[status] 1andint(data[count]) 0: geocode data[geocodes][0] # 返回格式化的坐标字符串 经度,纬度 return { location: geocode[location], formatted_address: geocode[formatted_address], city: geocode[city] } else: returnf错误: 未找到 {location} 的位置信息 except Exception as e: returnfAPI请求错误: {str(e)}defsearch_nearby_pois(keyword, location, radius1000, cityNone): 根据经纬度搜索附近店铺 # 修复点 3原 Notebook 这里错误调用了 geo 接口这里修正为 place/around params { key: AMAP_API_KEY, keywords: keyword, location: location, # 这里需要 经度,纬度 radius: radius, output: json } if city: params[city] city try: response requests.get(https://restapi.amap.com/v3/place/around, paramsparams) response.raise_for_status() data response.json() if data[status] 1andint(data[count]) 0: # 提取前 3 个结果节省 Token pois [] for poi in data[pois][:3]: pois.append({ name: poi[name], address: poi[address], distance: poi[distance] }) return pois else: returnf附近没有找到关于 {keyword} 的店铺 except Exception as e: return fAPI请求错误: {str(e)}第二步告诉大模型你有什么工具 (Tools Schema)这是最关键的一步。我们需要用 JSON 格式告诉大模型函数叫什么做什么用的需要什么参数这相当于给大模型看的“API 文档”。# 第二部分定义工具描述 (Schema)# 这是给大模型看的“说明书”tools [ { type: function, function: { name: get_location_coordinate, description: 根据地点名称获取经纬度坐标用于后续搜索, parameters: { type: object, properties: { location: { type: string, description: 地点名称如成都东站、春熙路 }, city: { type: string, description: 城市名称可选 } }, required: [location] } } }, { type: function, function: { name: search_nearby_pois, description: 搜索指定坐标附近的兴趣点店铺、景点等, parameters: { type: object, properties: { keyword: { type: string, description: 搜索关键词如咖啡、酒店 }, location: { type: string, description: 中心点的经纬度坐标格式为经度,纬度 }, radius: { type: number, description: 搜索半径米 } }, required: [keyword, location] } } }]第三步让大模型“动起来” (Main Loop)现在我们将用户的问题发给 GPT看看它如何智能调度这两个函数。用户提问我想在春熙路附近喝咖啡能给我推荐几个店铺吗注意这是一个多步推理任务。GPT 不知道“春熙路”的坐标 -需要先调用get_location_coordinate。拿到坐标后 -再调用search_nearby_pois。# 第三部分主运行逻辑 (支持多步调用)defrun_conversation(user_prompt): print(fUser: {user_prompt}\n -*50) # 1. 初始化消息 messages [ {role: system, content: 你是一个地图助手。如果是查询地点请先获取坐标再搜索周边。}, {role: user, content: user_prompt} ] # 2. 发起第一次请求 response client.chat.completions.create( modeldeepseek-reasoner, # 或 deepseek-chat messagesmessages, toolstools, tool_choiceauto ) response_message response.choices[0].message messages.append(response_message) # 必须加入历史 # 3. 循环处理工具调用核心修复点使用 while 处理多步 while response_message.tool_calls: print(f 模型想调用 {len(response_message.tool_calls)} 个工具...) # 遍历所有工具调用请求 for tool_call in response_message.tool_calls: function_name tool_call.function.name args json.loads(tool_call.function.arguments) print(f 调用: {function_name} | 参数: {args}) # 路由执行 function_result None if function_name get_location_coordinate: function_result get_location_coordinate(**args) elif function_name search_nearby_pois: function_result search_nearby_pois(**args) print(f✅ 结果: {function_result}) # 将结果传回给模型 messages.append({ tool_call_id: tool_call.id, role: tool, name: function_name, content: json.dumps(function_result, ensure_asciiFalse) }) # 4. 把工具结果提交给模型看它是否还要继续 print( 结果已提交等待模型下一步响应...\n) response client.chat.completions.create( modeldeepseek-reasoner, messagesmessages, toolstools ) response_message response.choices[0].message messages.append(response_message) # 更新循环条件 # 5. 输出最终文本回复 print(*50) print(fAI: {response_message.content})# 运行测试if __name__ __main__:输入测试# 测试复杂任务查坐标 - 查周边 - 生成回复 run_conversation(春熙路附近的咖啡店)结果如下在高德地图查询是否属实完全是真的地址。三、总结通过上面的代码我们不再是简单地和 GPT 聊天而是把 GPT 当作了一个业务中控系统。•Prompt 是接口JSON Schema 中的description字段就是写给 AI 看的 Prompt写得越清楚AI 调用的准确率越高。•Agent 的雏形通过不断增加tools列表比如增加“打车”、“订座”接口你可以构建一个无所不能的 AI 助理。Function Calling 彻底改变了大模型的应用方式它让 LLM 从“懂王”变成了实干家。想入门 AI 大模型却找不到清晰方向备考大厂 AI 岗还在四处搜集零散资料别再浪费时间啦2025 年AI 大模型全套学习资料已整理完毕从学习路线到面试真题从工具教程到行业报告一站式覆盖你的所有需求现在全部免费分享扫码免费领取全部内容​一、学习必备100本大模型电子书26 份行业报告 600 套技术PPT帮你看透 AI 趋势想了解大模型的行业动态、商业落地案例大模型电子书这份资料帮你站在 “行业高度” 学 AI1. 100本大模型方向电子书2. 26 份行业研究报告覆盖多领域实践与趋势报告包含阿里、DeepSeek 等权威机构发布的核心内容涵盖职业趋势《AI 职业趋势报告》《中国 AI 人才粮仓模型解析》商业落地《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》领域细分《AGI 在金融领域的应用报告》《AI GC 实践案例集》行业监测《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。3. 600套技术大会 PPT听行业大咖讲实战PPT 整理自 2024-2025 年热门技术大会包含百度、腾讯、字节等企业的一线实践安全方向《端侧大模型的安全建设》《大模型驱动安全升级腾讯代码安全实践》产品与创新《大模型产品如何创新与创收》《AI 时代的新范式构建 AI 产品》多模态与 Agent《Step-Video 开源模型视频生成进展》《Agentic RAG 的现在与未来》工程落地《从原型到生产AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。二、求职必看大厂 AI 岗面试 “弹药库”300 真题 107 道面经直接抱走想冲字节、腾讯、阿里、蔚来等大厂 AI 岗这份面试资料帮你提前 “押题”拒绝临场慌1. 107 道大厂面经覆盖 Prompt、RAG、大模型应用工程师等热门岗位面经整理自 2021-2025 年真实面试场景包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题每道题都附带思路解析2. 102 道 AI 大模型真题直击大模型核心考点针对大模型专属考题从概念到实践全面覆盖帮你理清底层逻辑3. 97 道 LLMs 真题聚焦大型语言模型高频问题专门拆解 LLMs 的核心痛点与解决方案比如让很多人头疼的 “复读机问题”三、路线必明 AI 大模型学习路线图1 张图理清核心内容刚接触 AI 大模型不知道该从哪学起这份「AI大模型 学习路线图」直接帮你划重点不用再盲目摸索路线图涵盖 5 大核心板块从基础到进阶层层递进一步步带你从入门到进阶从理论到实战。L1阶段:启航篇丨极速破界AI新时代L1阶段了解大模型的基础知识以及大模型在各个行业的应用和分析学习理解大模型的核心原理、关键技术以及大模型应用场景。L2阶段攻坚篇丨RAG开发实战工坊L2阶段AI大模型RAG应用开发工程主要学习RAG检索增强生成包括Naive RAG、Advanced-RAG以及RAG性能评估还有GraphRAG在内的多个RAG热门项目的分析。L3阶段跃迁篇丨Agent智能体架构设计L3阶段大模型Agent应用架构进阶实现主要学习LangChain、 LIamaIndex框架也会学习到AutoGPT、 MetaGPT等多Agent系统打造Agent智能体。L4阶段精进篇丨模型微调与私有化部署L4阶段大模型的微调和私有化部署更加深入的探讨Transformer架构学习大模型的微调技术利用DeepSpeed、Lamam Factory等工具快速进行模型微调并通过Ollama、vLLM等推理部署框架实现模型的快速部署。L5阶段专题集丨特训篇 【录播课】四、资料领取全套内容免费抱走学 AI 不用再找第二份不管你是 0 基础想入门 AI 大模型还是有基础想冲刺大厂、了解行业趋势这份资料都能满足你现在只需按照提示操作就能免费领取扫码免费领取全部内容​2025 年想抓住 AI 大模型的风口别犹豫这份免费资料就是你的 “起跑线”