在過去幾天的文章中，我們學習了變數、if / else 條件判斷、List 串列與 Dictionary 字典。
當我們的程式碼越寫越多時，如果每次要執行某個功能（例如：計算折扣、格式化文字、查詢天氣）都把程式碼重寫一遍，不僅會讓檔案變得又長又亂，之後想要修改時也會非常痛苦。
為了讓程式碼可以重複使用且易於維護，我們需要使用 Python 的 Function（函數 / 函式）。
什麼是 Function（函數）？
你可以把 Function 想像成一台「積木」或是「小機器」：

1. 你給它一些原料（輸入參數 / Arguments）
2. 它在內部進行處理（執行邏輯）
3. 最後吐出處理好的成品（回傳值 / Return Value）
   在 Python 中，我們使用 def 關鍵字來定義一個函數：

# 定義一個名為 greet 的函數
def greet(user_name):
    message = f"你好，{user_name}！我是你的 AI 生活助理。"
    return message

# 呼叫（使用）這個函數
result = greet("小明")
print(result)

執行結果：你好，小明！我是你的 AI 生活助理。
透過定義函數，未來只要需要發送招呼語，我們只需要呼叫 greet("名字") 即可，不需要再重複寫字串拼接的邏輯。
帶有邏輯處理的 Function
函數內部可以包涵我們前幾天學到的所有技巧，例如條件判斷與字典操作。
假設我們寫一個幫使用者判斷「今天出門穿著建議」的函數：

def get_clothing_advice(temperature):
    if temperature < 15:
        return "今天天氣較冷，建議穿厚外套與長褲。"
    elif temperature < 22:
        return "天氣涼爽，建議穿薄外套或長袖衫。"
    else:
        return "天氣炎熱，穿短袖即可！"

# 測試不同溫度
print(get_clothing_advice(12))
print(get_clothing_advice(26))

執行結果：今天天氣較冷，建議穿厚外套與長褲。 天氣炎熱，穿短袖即可！
Function 與 AI Agent 有什麼關係？
如果你了解了 Function 的運作機制，你就已經掌握了 AI Agent 呼叫外部工具（Tool Calling / Function Calling） 的核心概念！
大語言模型（LLM）本身只是一套文字生成模型，它無法直接存取網路、無法讀取資料庫、也無法直接操作你的手機。那麼 AI 助理是怎麼幫我們查天氣、訂機票或發送 Email 的呢？
答案就是：工程師把這些功能寫成 Python Function，並授權給 AI 使用！
Agent 工具呼叫的 3 步驟：

1. 定義工具：我們用 Python 寫好一個 get_weather(city) 的 Function。
2. 告知 AI（Schema）： 我們告訴 AI：「我這裡有一個 Function 叫 get_weather，如果你需要查詢天氣，請給我 city 參數。」
3. AI 決策與執行（Execution）： 當使用者問「台北天氣怎樣？」時，AI 判斷需要使用工具，於是輸出一個 JSON/Dictionary 告知程式：「請幫我執行 get_weather("台北")」。程式執行完 Function 後，再把結果傳回給 AI 總結輸出。
   也就是說，你寫的每一個 Python Function，未來都有可能變成 AI Agent 的一隻「手」或「腳」，讓它能夠真正踏出文字對話框，去幫你執行實體任務。
   今天學到什麼？
   今天我們學習了 Python 模組化的重要核心：
4. Function（函數）：使用 def 定義可重複使用的程式碼區塊。
5. 參數與回傳值：透過 Input（參數）傳入資料，透過 return 吐出處理結果。
6. 在 Agent 中的角色：Function 是未來幫 AI Agent 打造「外部工具（Tools）」的原型與基礎。
   到今天為止，我們已經把 Python 的基礎語法（變數、判斷、迴圈、清單、字典、函數）通通走過一遍了！
   下一篇，我們將介紹如何讓 Python 讀取外部檔案（例如 .txt 或 .json），學習生活助理該如何把資料「永久存下來」！