什么是Function Calling

核心定义：指的是模型在理解用户需求后，自动识别需要调用外部工具/函数来辅助完成任务。并按照预设格式输出函数名称、参数等信息，最终将工具执行结果整合为自然语言回答的技术。

流程图实例：

核心作用：

1. 弥补 LLM 原生缺陷：解决模型 “知识过期”（如查实时天气、股票）、“不会复杂计算”（如数据分析、公式推导）、“无法交互外部系统”（如调用 API、操作数据库）等问题。
2. 提升任务准确性：对于需要客观数据或固定逻辑的任务（如查询快递、生成报表），直接调用工具获取结果，避免模型 “编造信息”（幻觉）。
3. 实现端到端自动化：无需人工介入，模型可自主完成 “理解需求 → 调用工具 → 处理结果 → 生成回答” 的全流程（如智能客服自动查询订单状态并反馈）。

关键技术要点：

• 意图识别与函数匹配：模型需准确判断用户需求是否需要调用函数，以及调用哪个函数（核心是模型对 “函数功能” 的理解，通常通过函数描述文档（Function Description）训练实现）。

• 参数提取与校验：模型需从用户输入中提取关键参数（如城市、日期），并确保参数格式正确（如日期格式 “YYYY-MM-DD”），避免工具调用失败。

• 多轮函数调用：复杂任务可能需要多次调用工具（如 “先查广州气温，再查未来 3 天降雨概率，最后推荐穿搭”），模型需支持上下文关联，逐步完成任务。

• 结果解析与容错：工具返回结果可能是结构化数据（JSON）或异常信息（如 API 调用失败），模型需能解析正常结果，同时处理异常情况（如 “当前天气服务暂时不可用，请稍后重试”）。