拓冰网站定制 
让大模型替你自动发邮件cgft-llm Function Calling完整指南附Streamlit交互Demo【免费下载链接】cgft-llmcgft-llm 是一个学习大语言模型LLM开发的开源资源。它提供代码、文档和视频教程帮助用户通过实践掌握前沿核心 LLM 技术项目地址: https://gitcode.com/echonoshy/cgft-llm想让自己的大模型不只陪聊还能真正帮你把邮件发出去开源项目cgft-llm用Function Calling大模型函数调用实现了说一句话自动发邮件的完整实战并附带Streamlit 网页交互 Demo新手也能跟着一步步复现是学习 LLM 开发落地的好材料。 一句话概括你告诉 AI帮我给某某发封邮件大模型就会自动解析出收件人、主题、正文再调用发邮件工具真实地把邮件发走。一、什么是 Function Calling为什么大模型能发邮件Function Calling 是大模型的一项核心能力大模型本身不会动手做事但它能把你的自然语言拆解成结构化的函数调用参数由你的程序真正去执行。以发邮件为例整个过程分两步大模型负责想听懂你的话输出send_email函数需要的参数发件人、收件人、主题、正文。你的代码负责做拿到参数后通过 SMTP 协议真实发送邮件。这套大模型想 程序做的分工就是 Function Calling 的精髓。下图直观展示了它的工作流程如图所示人类输入 prompt → 进入工具工作流 → 交给 LLM 判断是否需要用工具 → 需要则走工具分支、否则走普通对话分支。理解了这张图你就抓住了大模型自动发邮件的核心逻辑。二、项目结构与核心文件一览 本实战代码集中在02-llm-core/function-calling/目录文件都很轻量适合通读文件作用说明app.py终端版邮件助手命令行交互发送前需手动确认stapp.pyStreamlit 网页版带确认/取消按钮的交互 Demo.env.sample环境变量模板存放 API Key 与邮箱授权码README.md模块文档安装与运行步骤两个入口功能一致都定义了一个名为send_email的工具tool参数包括FromEmail、Subject、Body、Recipients并通过 126 邮箱 SMTP 服务smtp.126.com:465完成真实发送。三、一键安装环境配置三步走 第 1 步获取仓库代码git clone https://gitcode.com/echonoshy/cgft-llm第 2 步安装依赖项目只依赖两个核心库版本见 README.mdpip install openai0.28.1 streamlit1.37.0第 3 步配置环境变量把 .env.sample 复制为.env填入两项内容OPENAI_API_KEY大模型服务的 API 密钥AUTHORIZATION_CODE126 邮箱的授权码不是登录密码需在邮箱后台开启 SMTP 后获取⚠️ 小提示邮箱授权码是用程序登录邮箱的专用凭证配置前先在 126 邮箱设置里开通客户端授权码功能。四、终端版运行python app.py 自动发邮件 ✉️最简路径直接跑终端版python 02-llm-core/function-calling/app.py启动后按提示输入一句话即可例如帮我发送一封邮件发件人 remember0202126.com收件人 remember0101126.com 内容写一封来自未来胖虎的问候主题随便。AI 会先把将要发送的邮件内容打印出来让你确认发件人 / 收件人 / 主题 / 正文你回复yes才真正发送。这个发送前确认的设计正是生产环境里防止误发的关键习惯——app.py 里的这段交互逻辑非常值得初学者借鉴。五、Streamlit 交互 Demo网页版邮件助手 ️想要更直观的聊天窗口体验用网页版 Demostreamlit run 02-llm-core/function-calling/stapp.py浏览器会自动打开 AI 助手界面体验差异点聊天式交互像用聊天软件一样和 AI 对话可视化确认按钮AI 解析出邮件后界面上出现✅ 确认发送 / ❌ 取消发送两个按钮点一下即可比终端更友好侧边栏调试左侧栏实时展示会话状态与模型返回方便观察大模型到底返回了什么。这一版是学习如何用 Streamlit 给大模型套一个交互壳的绝佳样本代码见 stapp.py。六、进阶思考从发邮件到AI 虚拟人 Function Calling 的价值远不止发邮件。项目作者抛出了一个更有想象力的问题如果大模型能调用工具那我们能不能造一个会对话、有情感、还会做动作的 AI 机器人如上图所示这些拥有性格与形象的虚拟角色正是大模型 工具调用能触及的方向——把发送动作、切换表情、播放语音都抽象成一个个可被调用的函数大模型就能像操作工具一样驱动它们。发邮件只是入口真正的舞台在Agent智能体领域。七、延伸阅读把 Function Calling 学透 想继续深入工具调用建议顺着这两个方向走Tool Call 原理与实战仓库第 17 期讲了 tool-call 底层原理与极简 browser-use 实现文档见 02-llm-core/tool-calls/readme.md基础示例见 basic_tool.py。Dify 工作流用低代码平台搭建 Agent 与 LLM Workflow参考 dify-agent-llm-workflow.md。 小结cgft-llm的 Function Calling 实战用不到一百行核心代码就把大模型想 程序做讲得明明白白。先跑通终端版建立感觉再用 Streamlit 版感受交互最后顺着 Agent 方向往前走就能快速打通大模型落地的第一块拼图。【免费下载链接】cgft-llmcgft-llm 是一个学习大语言模型LLM开发的开源资源。它提供代码、文档和视频教程帮助用户通过实践掌握前沿核心 LLM 技术项目地址: https://gitcode.com/echonoshy/cgft-llm创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 让大模型替你自动发邮件：cgft-llm Function Calling完整指南（附Streamlit交互Demo）
让大模型替你自动发邮件cgft-llm Function Calling完整指南附Streamlit交互Demo【免费下载链接】cgft-llmcgft-llm 是一个学习大语言模型LLM开发的开源资源。它提供代码、文档和视频教程帮助用户通过实践掌握前沿核心 LLM 技术项目地址: https://gitcode.com/echonoshy/cgft-llm想让自己的大模型不只陪聊还能真正帮你把邮件发出去开源项目cgft-llm用Function Calling大模型函数调用实现了说一句话自动发邮件的完整实战并附带Streamlit 网页交互 Demo新手也能跟着一步步复现是学习 LLM 开发落地的好材料。 一句话概括你告诉 AI帮我给某某发封邮件大模型就会自动解析出收件人、主题、正文再调用发邮件工具真实地把邮件发走。一、什么是 Function Calling为什么大模型能发邮件Function Calling 是大模型的一项核心能力大模型本身不会动手做事但它能把你的自然语言拆解成结构化的函数调用参数由你的程序真正去执行。以发邮件为例整个过程分两步大模型负责想听懂你的话输出send_email函数需要的参数发件人、收件人、主题、正文。你的代码负责做拿到参数后通过 SMTP 协议真实发送邮件。这套大模型想 程序做的分工就是 Function Calling 的精髓。下图直观展示了它的工作流程如图所示人类输入 prompt → 进入工具工作流 → 交给 LLM 判断是否需要用工具 → 需要则走工具分支、否则走普通对话分支。理解了这张图你就抓住了大模型自动发邮件的核心逻辑。二、项目结构与核心文件一览 本实战代码集中在02-llm-core/function-calling/目录文件都很轻量适合通读文件作用说明app.py终端版邮件助手命令行交互发送前需手动确认stapp.pyStreamlit 网页版带确认/取消按钮的交互 Demo.env.sample环境变量模板存放 API Key 与邮箱授权码README.md模块文档安装与运行步骤两个入口功能一致都定义了一个名为send_email的工具tool参数包括FromEmail、Subject、Body、Recipients并通过 126 邮箱 SMTP 服务smtp.126.com:465完成真实发送。三、一键安装环境配置三步走 第 1 步获取仓库代码git clone https://gitcode.com/echonoshy/cgft-llm第 2 步安装依赖项目只依赖两个核心库版本见 README.mdpip install openai0.28.1 streamlit1.37.0第 3 步配置环境变量把 .env.sample 复制为.env填入两项内容OPENAI_API_KEY大模型服务的 API 密钥AUTHORIZATION_CODE126 邮箱的授权码不是登录密码需在邮箱后台开启 SMTP 后获取⚠️ 小提示邮箱授权码是用程序登录邮箱的专用凭证配置前先在 126 邮箱设置里开通客户端授权码功能。四、终端版运行python app.py 自动发邮件 ✉️最简路径直接跑终端版python 02-llm-core/function-calling/app.py启动后按提示输入一句话即可例如帮我发送一封邮件发件人 remember0202126.com收件人 remember0101126.com 内容写一封来自未来胖虎的问候主题随便。AI 会先把将要发送的邮件内容打印出来让你确认发件人 / 收件人 / 主题 / 正文你回复yes才真正发送。这个发送前确认的设计正是生产环境里防止误发的关键习惯——app.py 里的这段交互逻辑非常值得初学者借鉴。五、Streamlit 交互 Demo网页版邮件助手 ️想要更直观的聊天窗口体验用网页版 Demostreamlit run 02-llm-core/function-calling/stapp.py浏览器会自动打开 AI 助手界面体验差异点聊天式交互像用聊天软件一样和 AI 对话可视化确认按钮AI 解析出邮件后界面上出现✅ 确认发送 / ❌ 取消发送两个按钮点一下即可比终端更友好侧边栏调试左侧栏实时展示会话状态与模型返回方便观察大模型到底返回了什么。这一版是学习如何用 Streamlit 给大模型套一个交互壳的绝佳样本代码见 stapp.py。六、进阶思考从发邮件到AI 虚拟人 Function Calling 的价值远不止发邮件。项目作者抛出了一个更有想象力的问题如果大模型能调用工具那我们能不能造一个会对话、有情感、还会做动作的 AI 机器人如上图所示这些拥有性格与形象的虚拟角色正是大模型 工具调用能触及的方向——把发送动作、切换表情、播放语音都抽象成一个个可被调用的函数大模型就能像操作工具一样驱动它们。发邮件只是入口真正的舞台在Agent智能体领域。七、延伸阅读把 Function Calling 学透 想继续深入工具调用建议顺着这两个方向走Tool Call 原理与实战仓库第 17 期讲了 tool-call 底层原理与极简 browser-use 实现文档见 02-llm-core/tool-calls/readme.md基础示例见 basic_tool.py。Dify 工作流用低代码平台搭建 Agent 与 LLM Workflow参考 dify-agent-llm-workflow.md。 小结cgft-llm的 Function Calling 实战用不到一百行核心代码就把大模型想 程序做讲得明明白白。先跑通终端版建立感觉再用 Streamlit 版感受交互最后顺着 Agent 方向往前走就能快速打通大模型落地的第一块拼图。【免费下载链接】cgft-llmcgft-llm 是一个学习大语言模型LLM开发的开源资源。它提供代码、文档和视频教程帮助用户通过实践掌握前沿核心 LLM 技术项目地址: https://gitcode.com/echonoshy/cgft-llm创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考