深入解析Prompt-Engineering-Guide中的OpenAI函数调用技术-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00718/article/details/148324146

深入解析Prompt-Engineering-Guide中的OpenAI函数调用技术

Prompt-Engineering-Guide dair-ai/Prompt-Engineering-Guide: 是一个用于指导对话人工智能开发的文档。适合用于学习对话人工智能开发和自然语言处理。特点是提供了详细的指南和参考资料，涵盖了多种对话人工智能技术和算法，并且可以自定义学习路径和行为。项目地址: https://gitcode.com/gh_mirrors/pr/Prompt-Engineering-Guide

前言

在现代AI应用开发中，将大语言模型(LLM)与外部工具和API集成是一个关键能力。OpenAI的函数调用(Function Calling)功能为这一需求提供了优雅的解决方案。本文将基于Prompt-Engineering-Guide项目中的函数调用示例，深入剖析这一技术的实现原理和应用场景。

函数调用基础概念

函数调用允许大语言模型智能地决定何时以及如何调用开发者定义的外部函数。这一功能的核心价值在于：

将自然语言转换为结构化API调用
实现LLM与外部系统的无缝集成
构建更加强大和实用的AI应用

环境准备与基础设置

首先需要配置OpenAI API环境：

import os
import openai
import json
from dotenv import load_dotenv

load_dotenv()
openai.api_key = os.environ['OPENAI_API_KEY']

定义一个通用的获取模型响应的函数：

def get_completion(messages, model="gpt-3.5-turbo-1106", temperature=0, 
                   max_tokens=300, tools=None, tool_choice=None):
    response = openai.chat.completions.create(
        model=model,
        messages=messages,
        temperature=temperature,
        max_tokens=max_tokens,
        tools=tools,
        tool_choice=tool_choice
    )
    return response.choices[0].message

定义示例函数

我们以一个获取天气的函数为例：

def get_current_weather(location, unit="fahrenheit"):
    """获取指定位置的当前天气"""
    weather = {
        "location": location,
        "temperature": "50",
        "unit": unit,
    }
    return json.dumps(weather)

函数定义与描述

关键点在于如何向模型描述这个函数：

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_current_weather",
            "description": "获取指定位置的当前天气",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "城市和州，例如：San Francisco, CA",
                    },
                    "unit": {
                        "type": "string", 
                        "enum": ["celsius", "fahrenheit"]},
                },
                "required": ["location"],
            },
        },   
    }
]

注意：函数描述(description)和参数描述非常重要，它们直接决定了模型如何理解和使用这个函数。

函数调用流程

用户发起天气查询：

messages = [
    {
        "role": "user",
        "content": "伦敦的天气怎么样？"
    }
]

模型决定调用函数：

response = get_completion(messages, tools=tools)
print(response)

解析函数参数并执行：

args = json.loads(response.tool_calls[0].function.arguments)
weather_data = get_current_weather(**args)

控制函数调用行为

OpenAI API提供了多种控制函数调用的方式：

自动模式(默认)：模型自行决定是否调用函数

get_completion(messages, tools=tools, tool_choice="auto")

强制不调用：确保模型不使用任何函数

get_completion(messages, tools=tools, tool_choice="none")

强制调用特定函数：确保模型调用指定函数

get_completion(messages, tools=tools, 
              tool_choice={"type": "function", 
                          "function": {"name": "get_current_weather"}})

并行函数调用

OpenAI API支持在单次交互中调用多个函数：

messages = [
    {
        "role": "user",
        "content": "伦敦和Belmopan未来几天的天气如何？"
    }
]
response = get_completion(messages, tools=tools)

模型会同时为两个地点生成函数调用请求。

构建完整对话流程

一个完整的函数调用对话流程包括以下步骤：

用户提问
模型决定调用函数
执行函数获取结果
将结果返回给模型
模型生成最终响应

实现代码示例：

# 1. 用户提问
messages = [{"role": "user", "content": "波士顿的天气怎么样？"}]

# 2. 模型决定调用函数
assistant_message = get_completion(messages, tools=tools, tool_choice="auto")
assistant_message = json.loads(assistant_message.model_dump_json())

# 3. 执行函数获取结果
weather = get_current_weather(
    json.loads(assistant_message["tool_calls"][0]["function"]["arguments"])
)

# 4. 将结果返回给模型
messages.append({
    "role": "tool",
    "tool_call_id": assistant_message["tool_calls"][0]["id"],
    "name": assistant_message["tool_calls"][0]["function"]["name"],
    "content": weather
})

# 5. 模型生成最终响应
final_response = get_completion(messages, tools=tools)
print(final_response.content)