在關(guān)于大模型應(yīng)用方面，雖然也了解和應(yīng)用過其中的一些技術(shù)；但經(jīng)過這段時(shí)間的實(shí)踐和思考發(fā)現(xiàn)，對(duì)大模型應(yīng)用的認(rèn)識(shí)還很淺顯，因此在此記錄一下自己的思考。

大模型應(yīng)用的思考

大模型作為人工智能應(yīng)用的底座技術(shù)，所有應(yīng)用場(chǎng)景和技術(shù)都是構(gòu)建在大模型之上；但很多時(shí)候我們都搞錯(cuò)了一件事，那就是我們沒有搞清楚大模型能力和其它技術(shù)的關(guān)聯(lián)和區(qū)別。

因此，在這里我們要搞清楚一個(gè)概念，那就是大模型能力；所謂大模型的能力，就是模型開發(fā)人員怎么把模型做的更好更強(qiáng)，其中設(shè)計(jì)到模型的設(shè)計(jì)，訓(xùn)練等；具體有神經(jīng)網(wǎng)絡(luò)架構(gòu)，模型蒸餾等等。

當(dāng)然，我們不需要關(guān)心大模型是怎么做出來的，以及大模型為什么能做那么好或者那么差；我們僅需要知道大模型有哪些能力和功能即可。

比如爆火的deekseep的V3模型和R1模型，其中V3更多的偏向生成模型，而R1更擅長(zhǎng)的是推理。

前面說了這么多，可能很多人還沒理解其中的含義；之所以說大模型的能力，那就是說我們要明白大模型就是大模型，其它任何附屬于大模型的技術(shù)都不屬于大模型的范疇。

比如說，RAG技術(shù)，function call技術(shù)，MCP技術(shù)，其實(shí)他們并不屬于大模型本身的功能；特別是RAG，從技術(shù)上來看完全可以說RAG和大模型沒什么關(guān)系。

而function call和MCP技術(shù)只是大模型使用外界功能，也就是調(diào)用外部接口的能力；而思維鏈才屬于大模型本身的技術(shù)，讓模型具備分析和推理的能力。

但至于怎么讓大模型使用外部工具，這個(gè)就是function call和MCP需要考慮的事情。

所以說，模型就是模型，功能就是功能，工具就是工具；但往往我們很多時(shí)候都會(huì)把這些混為一談；導(dǎo)致的直接結(jié)果就是，在構(gòu)建應(yīng)用的時(shí)候分不清什么技術(shù)解決了什么問題，也不知道自己能做什么應(yīng)用。

這也是為什么很多基于大模型開發(fā)的功能平臺(tái)，它的核心能力其實(shí)是平臺(tái)的設(shè)計(jì)和功能；和具體的大模型沒直接關(guān)系，市面上有了更好的模型出現(xiàn)，那么直接把現(xiàn)有的模型換掉就行了，并不會(huì)影響到這些平臺(tái)本身的業(yè)務(wù)和功能。

其實(shí)從這個(gè)角度來思考，事實(shí)上這就是一種方法論，很多人不知道怎么使用人工智能解決自己工作和生活中的問題，原因就在于不懂這種方法論；導(dǎo)致自己的認(rèn)知和方向有偏差，感覺自己明明學(xué)了好多東西，但卻不知道能干啥。

大模型是核心，function call和MCP既是一種技術(shù)，也是一種工具；大模型可以選擇集成function call和MCP的能力，也可以選擇不使用這些功能。

function call和MCP屬于大模型能力的一種擴(kuò)展，就類似于一種可插拔組件，其是實(shí)現(xiàn)智能體(Agent)的技術(shù)手段。而思維鏈才是屬于大模型本身的能力，大模型先具備獨(dú)立思考的能力，學(xué)會(huì)分析和拆解任務(wù)，其次再使用外部工具來完成任務(wù)。

當(dāng)然，大模型實(shí)現(xiàn)function call并不需要具備網(wǎng)絡(luò)接口調(diào)用的能力，大模型只需要按照需求生成調(diào)用接口所需要的參數(shù)，然后把參數(shù)傳遞給開發(fā)者寫好的代碼中即可。