langchain @tool如何“不修改原函数”实现LLM调用： @tool；bind_tools；invoke目录langchain @tool如何“不修改原函数”实现LLM调用： @tool；bind_tools；invoke一、第一步：先写一个完全普通的Python函数（无任何LangChain代码）二、第二步：用@tool一键转换，不修改原函数一行代码三、为什么能实现？核心原理拆解1. 核心前提：Python装饰器模式 + 函数是“一等公民”2. @tool内部做了什么？（极简模拟版）3. 核心原因总结 ：@tool 作用四、LLM怎么自动调用这个Tool？彻底讲透：bind_tools 与 invoke 的内部实现逻辑一、核心前置认知：Function Calling是大模型的原生能力二、纯OpenAI API模拟：不用LangChain，看完整逻辑步骤1：把Python Tool转换成大模型能看懂的JSON Schema步骤2：直接调用OpenAI API，看LLM怎么返回判断你会看到的典型输出三、LLM是怎么“判断调用什么工具”的？（内部推理逻辑）LLM的核心推理链路为什么LLM能精准匹配？四、LangChain的`bind_tools`和`invoke`内部做了什么？1. `llm.bind_tools(tools)` 内部实现逻辑2. `llm_with_tools.invoke(user_query)` 内部实现逻辑闭环： @tool；bind_tools；invoke一、第一步：先写一个完全普通的Python函数（无任何LangChain代码）这是一个你在业务中可能已经写好的、纯原生Python的电商数据统计函数，没有任何LangChain相关的导入、装饰器、接口，就是一个最普通的函数：# ===================== 纯普通Python函数，无任何LangChain代码 =====================importpandasaspddefecommerce_voc_stats(csv_file_path:str)-