提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

很多人第一次接触大语言模型时，都会有一种错觉：
它好像真的“记得”我们前面说过的话，也“知道”自己之前回答过什么。

但真相是：它其实没有记忆。

• 那为什么它知道我之前输入了什么？也知道自己之前回答过什么？
• 为什么它总能把回答写得层次清晰、格式规范？
• 为什么它显得很“懂我”？我没有明确说明的内容它都能察觉到呢？

走吧，我们一起来解决这三个问题！

---

一、基础部分：System、User、Assistant三个角色承担的责任

1、System：定规则的人

它负责告诉模型：

• 你是谁

• 你应该怎么说话

• 你要遵守什么规则

• 你回答时要优先考虑什么

一句话总结：

System 像“总导演”或“系统说明书”，负责规定回答边界和行为方式。

2、User：提需求的人

它就是用户当前提出的问题、任务、要求。

一句话总结：

User 决定“这次具体要干什么”。

3、Assistant：保存之前对话内容的人

它表示历史回答，用于让模型知道前文对话进行到哪里了。

一句话总结：

Assistant 负责保留上下文，让对话连续，不至于每轮都失忆

---

讲到这大家应该懂了：对话越长、内容越多，就越需要靠角色标签分清谁在说话、上下文是什么、用户要什么，模型才能给出准确、靠谱的回答。

聪明如你，现在能够回答上面的三个问题了吧，哈哈

很好，想必你也知道，大模型其实只能分析输入，推理预测回答，那么我开始继续问你了：

• 它怎么知道我在成都？还知道成都的天气是10°C~19°C的呢？
• 它怎么知道我有白色衬衫？牛仔夹克和小碎花雨伞呢？

又晕了是吧，别害怕，RAG、Function Call来给你答案

二、进阶内容：RAG查内部知识库、Function Call调用工具接口

1、Function Call：调用公共工具API的人

可以理解成：模型自己不会算、不会查、不会联网，但它会 “叫工具帮忙”。
大模型本身是 “纯文本大脑”，没有实时信息、不会计算、不能操作外部系统。

Function Call 就是让模型学会 “调用工具”：

• 问天气 → 调用天气 API
• 问时间 → 调用时间接口
• 算数学题 → 调用计算器
• 查订单 → 调用数据库 / 业务接口

模型负责理解你要什么，然后自动决定调用哪个工具、传什么参数，拿到结果再整理成人话回答你。

一句话总结：
Function Call = 模型的 “手脚”，让它能调用外部 API、工具和系统，完成现实世界的操作。

2、RAG：查看内部信息的人

RAG 是让模型只看你给的内部资料回答，不乱编。我们案例中用户的房间里所有的东西就类比于公司的内部数据。

大模型训练数据是旧的、公开的，不知道你的公司文档、产品手册、私有数据。
RAG 把你的资料切成碎片，存在向量库中。

你提问时：

• 系统先去库里检索最相关的资料
• 把资料和问题一起丢给模型
• 模型只基于这些资料回答，不瞎编

适合：客服问答、企业知识库、法规 / 合同查询、内部制度问答。
一句话总结：

RAG = 模型的 “私人资料库”，只查你给的内部信息，回答更准、更安全、更靠谱。

---

结尾

到这里大家应该都懂得差不多了吧。

不过你真的懂了吗？

请问：

• 到底该调用哪个接口？
• 要去查内部资料里的哪些信息？
• 这一切，又是由谁来决定的呢？

嘿嘿，请我下集分解。