FunctionCalling

“Function Calling（函数调用）”是大语言模型（LLM）中一项非常重要的能力，它让模型不再只是“聊天”，而是能主动调用开发者提供的函数、API 或插件来完成任务。

🔧 一句话定义：

Function Calling 是让大模型根据你的输入，自动调用你定义的函数，并用真实数据返回结果的机制。

核心思想就是：统一格式、规范描述

🧠 通俗理解：

想象你和 AI 说：

“查一下上海明天的天气。”

以前的模型只能根据训练数据“编造”天气内容。有了 Function Calling，它会：

理解你想“查天气”

生成一个“函数调用请求”，比如：

{
  "name": "get_weather",
  "arguments": { "location": "上海", "date": "2025-07-25" }
}

调用你后台定义好的 get_weather 函数（如调用真实天气 API）
把结果传给模型，让它组织成自然语言回答你：

“明天上海多云，最高温度 31°C，最低温度 26°C。”

🧩 Function Calling 的工作流程

用户 → 模型 → [生成函数调用意图] → 开发者提供的函数 → 获取结果 → 模型生成回应

📦 举个实际例子（用 OpenAI API）

你定义一个函数接口：

{
  "name": "get_stock_price",
  "description": "获取指定股票的当前价格",
  "parameters": {
    "type": "object",
    "properties": {
      "symbol": {
        "type": "string",
        "description": "股票代码，比如 AAPL 或 TSLA"
      }
    },
    "required": ["symbol"]
  }
}

用户说：

“帮我查一下特斯拉的股价。”

模型就会返回：

{
  "function_call": {
    "name": "get_stock_price",
    "arguments": "{ \"symbol\": \"TSLA\" }"
  }
}

开发者接收到后，调用实际的股价 API，然后把结果返回模型。模型最后会说：

“特斯拉当前股价为 288.64 美元。”

🛠 常见用法场景

应用场景	调用函数
查天气、查汇率、查股价	实时数据 API
安排日程、添加事项	日历接口
搜索数据库	各类 SQL / 检索函数
控制机器人 / 硬件	调用底层控制函数
生成图片 / 图表	调用绘图函数
AI Agent 调度	一个模块调用另一个模块

🧠 和插件有什么区别？

项目	Function Calling	插件
粒度	精细（函数级）	粗一些（整个应用）
控制权	开发者自己写函数	第三方服务提供功能
部署	本地/私有部署方便	插件需要注册开放平台等

✅ 总结一句话：

Function Calling 让大模型从“语言助手”升级为“多功能工具协调者”，是构建智能 Agent、企业 Copilot 等应用的核心能力之一。

从System Prompt转为FunctionCalling 可以节省token开销，也免得自己写重试逻辑。

头疼的问题

每家的大模型的FunctionCalling格式都不一样，搞一个随便切换大模型的其实还是挺烦的。

所以市面上SystemPrompt和FunctionCalling都并存着。