1、意图识别，判断是否需要调用工具
2、提取参数和函数名，输出结构化指令（JSON格式）
3、执行函数，将结果返回给大模型
4、大模型组织答案
训练层面：[建立自然语言到函数调用的映射]
在训练数据中加入了大量“用户提问 + 可用函数定义 + 预期函数调用”的示例。模型学会了：当需要外部信息或执行动作时，不是直接回答最终结果，而是输出一个结构化的函数调用请求（如 JSON 格式）。
用户：北京今天天气怎么样？
可用函数：get_weather(city: str)
模型输出：{"name": "get_weather", "arguments": {"city": "北京"}}
