Function Calling

📖 什么是 Function Calling？

Function Calling（函数调用）是LLM的一种超能力，让AI不仅能回答问题，还能主动调用外部工具和API来完成任务。

传统AI就像一个只会背书的学霸，知道很多但做不了实事。Function Calling 就像给AI装上了「手」和「工具箱」，让它能真正帮你干活！

💡 一句话理解

⚙️ 原理讲解

Function Calling 的工作流程：

1. 定义工具：开发者提前告诉AI有哪些可用的函数（如「查天气」「搜文章」）
2. AI 决策：当用户请求需要工具时，AI决定调用哪个函数、传什么参数
3. 执行调用：AI返回函数调用请求，程序实际执行函数
4. 返回结果：函数执行结果返回给AI，AI再生成最终回答

💻 代码示例

以 OpenAI API 为例：

from openai import OpenAI

client = OpenAI()

# 1. 定义可用函数
tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "获取指定城市的天气信息",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "城市名称"}
            },
            "required": ["city"]
        }
    }
}]

# 2. 用户提问
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "北京今天天气怎么样？"}],
    tools=tools
)

# 3. AI决定调用函数
tool_call = response.choices[0].message.tool_calls[0]
print(f"调用函数: {tool_call.function.name}")
print(f"参数: {tool_call.function.arguments}")  # {"city": "北京"}

# 4. 执行函数并返回结果
# (实际项目中这里调用真实的天气API)
weather_result = {"temp": "25°C", "condition": "晴"}

# 5. 将结果传给AI生成最终回答
final_response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "user", "content": "北京今天天气怎么样？"},
        {"role": "assistant", "tool_calls": [tool_call]},
        {"role": "tool", "content": str(weather_result)}
    ]
)
print(final_response.choices[0].message.content)

🎯 应用场景

🔗 相关术语

• 🤖 Agentic AI - AI主动做事的进阶版本
• 🛠️ Tool Use - 使用工具的能力
• 👨‍🎓 LLM - 大语言模型的基础
• 🏛️ RAG - 让AI能查资料