LLM 的 Function Calling 是怎么练成的

大型语言模型（LLMs）如 GPT-4、Claude、Qwen 等，在自然语言理解和生成方面展现了惊人的能力。但它们本身是“闭源”的知识库，通常无法直接访问实时信息（如今天的天气）、执行操作（如发送邮件）或查询私有数据（如公司内部知识库）。Function Calling（或称为 Tool Using、API Calling）正是为了打破这种局限，赋予 LLM 连接和操作外部世界能力的“魔法”。

想象一下，你可以用自然语言告诉 ChatGPT：“帮我查一下明天北京的天气，如果下雨就提醒我带伞。” LLM 不仅能理解你的意图，还能“知道”需要调用一个天气查询 API，解析 API 返回的结果，并根据结果（是否下雨）生成最终的提醒。这就是 Function Calling 的用处。

那么，这种神奇的能力是如何“炼成”的呢？

1. 什么是 Function Calling？

Function Calling 指的是 LLM 在处理用户请求时，能够理解请求中隐含的调用外部工具或函数的需求，生成符合预定义格式的函数调用参数，并在获取外部工具执行结果后，结合该结果生成最终回复的能力。

核心流程分解