原文出处：Hugging Face Agents Course · units/zh-CN/bonus-unit1/introduction.mdx 原作者：Hugging Face · 许可证：Apache-2.0 License 本篇为课程官方中文译文（Hugging Face 社区翻译），诸葛AI学院仅做格式整理（去除图片与交互组件），版权归原作者所有。
简介 (Introduction)
欢迎来到第一个附加单元，在这里你将学习如何为函数调用 (function calling) 微调大语言模型 (Large Language Model, LLM)。
在大语言模型领域，函数调用正在迅速成为一项必须掌握的技术。
这个想法是，不同于我们在第1单元中仅依赖基于提示的方法，函数调用在训练阶段就训练你的模型采取行动和解释观察结果，使你的人工智能更加健壮。
我应该什么时候学习这个附加单元？
这个部分是可选的，比第1单元更高级，所以不要犹豫，你可以现在就学习这个单元，或者在通过本课程提高了知识水平后再回来学习。
但不用担心，这个附加单元设计时包含了你需要的所有信息，所以即使你还没有学习微调的内部工作原理，我们也会带你了解为函数调用微调模型的每个核心概念。
让你能够跟上这个附加单元的最佳方式是：
你将学到什么
-
函数调用 (Function Calling) 现代大语言模型如何有效地构建对话，使它们能够触发工具 (Tools)。
-
LoRA（低秩适应，Low-Rank Adaptation） 一种轻量级且高效的微调方法，减少计算和存储开销。LoRA 使大型模型的训练变得更快、更便宜、更容易部署。
-
函数调用模型中的思考 → 行动 → 观察循环(Thought → Act → Observe Cycle) 一种简单但强大的方法，用于构建模型如何决定何时（以及如何）调用函数、跟踪中间步骤以及解释来自外部工具或API的结果。
-
新的特殊词元 (Special Tokens) 我们将介绍特殊标记，帮助模型区分： - 内部"思维链"推理 - 外部函数调用 - 来自外部工具的响应
在完成这个附加单元后，你将能够：
- 理解工具相关的 API 内部工作原理。
- 使用 LoRA 技术微调模型。
- 实现和修改思考 → 行动 → 观察循环，以创建健壮和可维护的函数调用工作流。
- 设计和使用特殊词元，无缝分离模型的内部推理和外部行动。
而且你将拥有自己微调的模型来进行函数调用。 🔥
让我们深入了解函数调用吧！