【Dify平台】Function Call 模式模式和ReAct模型有什么不同？

已于 2025-03-17 11:31:57 修改
阅读量1.8k 收藏 20
点赞数 35
分类专栏： 大模型落地探索及agent搭建 AI行业资讯 文章标签： prompt AIGC chatgpt 人工智能
于 2025-03-17 11:31:41 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_25438419/article/details/146310725
版权

本文原创作者：姚瑞南 AI-agent 大模型运营专家，先后任职于美团、猎聘等中大厂AI训练专家和智能运营专家岗；多年人工智能行业智能产品运营及大模型落地经验，拥有AI外呼方向国家专利与PMP项目管理证书。（转载需经授权） 

目录

1. DIFY 平台的 Function Call 模式

2. ReAct（Reasoning + Acting）

关键区别

总结

DIFY 平台的 Function Call 模式 vs. ReAct（Reasoning + Acting）模型的区别

选择不同的模型可以出来模式选项，有的模型只支持一种默认模式

1. DIFY 平台的 Function Call 模式

DIFY（Do It For You）是一个低代码/无代码 AI 应用开发平台，支持 Function Call 模式，这种模式主要依赖 API 函数调用 来增强 LLM（大语言模型）的功能。其特点包括&#

最低0.47元/天 解锁文章
超越Dify工作流：如何通过修改QwenAgent的Function Call及ReAct方法实现对日期时间的高效意图识别
羊城迷鹿的博客
04-22 795
本文将介绍如何通过修改QwenAgent框架中的`FnCallAgent`和`ReActChat`类，实现一种更高效的意图识别流程。这种方法能够减少不必要的计算开销，更快速地识别用户意图并提取必要参数。这里以时间识别为例，介绍如何通过工具定义、意图识别、后处理实现对复杂时间问题中时间参数的准确提取。
基于Qwen-Agent框架的Function Call及ReAct方式调用自定义工具
羊城迷鹿的博客
11-19 1151
自定义工具比较麻烦，要严格按照下面的格式才可以，否则会提示工具没有注册的错误。description = "两个整数相乘"'description': '第一个整数','description': '第二个整数',],"""两个整数相乘"""description = "两个整数相加"'description': '第一个整数','description': '第二个整数',],"""两个整数相加"""按照以下方式接入Ollama模型的参数设置。
一文彻底搞懂大模型 - Dify（Agent + RAG）
2401_86435672的博客
10-09 3050
该平台结合了后端即服务（Backend as Service, BaaS）和LLMOps的理念，为开发者提供了。
Agent | Dify中的两种可选模式
weixin_41338279的博客
01-08 4183
参考Dify 为智能助手提供了两种推理模式： Function calling（函数调用）和 ReAct。
Function Call & ReACT，Agent应用落地的加速器
2401_82452722的博客
05-21 4726
相比之下，ReACT方式需要对模型进行更加细致的指导，让通用模型拥有输出规划、函数所需参数的能力，虽然这缓解了对模型本身输出能力的依赖，却增加了对提示工程的依赖，需要针对模型的特性来设计对应的提示模板，生成规划（函数的选择）和函数所需的API，并可能需要提供样例，消耗的上下文Token也相对更多一些。智能体应用的开发逐渐成为了各个大模型应用开发平台所关注的重点，无论是ReACt类型的框架，还是Function Calling类型的模型，都在以难以想象的速度不断迭代。
Function Call & ReACT，Agent应用落地的加速器--function calling和react有什么不同
Dove_1234的博客
08-03 2064
探索智能体Agent的未来之路：Function Call与ReACT框架的较量，谁能引领未来？
Function Calling, ReAct, 以及插件机制的区别与应用
全世界的博客
06-21 4646
是一种在人工智能模型中实现交互的技术，它允许模型调用外部函数或工具来执行特定的任务。这种技术在Chat Completions API中得到了广泛应用，特别是在最新的gpt-3.5-turbo-1106模型中。通过Function Calling，模型可以生成JSON格式的输入，调用预定义的函数，从而扩展其功能和应用范围。在OpenAI的API中，Function Calling的实现方式是通过tools参数来提供的。
Function Call & ReACT，Xinference 兼容OpenAI API，支持LLM原生function call
qq_35422867的博客
05-24 3034
使用prompt来使模型生成tool所需要的参数，返回的json参数格式可以自己定义，然后在Action中解析模型生成的tool中的参数，传入tool中执行，拿到最后的Observation结果。但是chatglm3和qwen是明确支持function call功能的，找了一堆支持OpenAI API的部署方法，发现Xinference功能很强，还集成了vLLM。没有绑定到llm中，是传入到了prompt中，作为prompt中的一部分提示模型生成tool相关的参数。使用的是ReACT方法，即。
Qwen学习笔记1：Qwen模型使用ReAct原理实现function calling，增强模型能力
weixin_42118737的博客
05-15 4768
本文记录使用Qwen模型基于ReAct原理实现的函数调用功能，并附带记录一些代码。
深入理解蒸馏、Function Call、React、Prompt 与 Agent
Da_Zhuang的博客
03-17 1358
在知识传授或模型训练等场景中，可类比为师傅带徒弟的过程。由于人的能力有限，即便师傅能力很强，也难以将所有本领毫无保留地传授给徒弟，而且徒弟也未必能全盘接收。所以，师傅往往会将一部分技能传授给第一个徒弟，另一部分传授给第二个徒弟等。在这个过程中，徒弟学习技能的阶段就被称为蒸馏。在蒸馏过程里，存在硬标签和软标签两个重要概念。师傅传授给徒弟的是一种思维方式，从技术层面讲，是向徒弟传递一些概率分布，即针对每个类别的概率分布，这一专业术语叫做软标签。而徒弟在学习过程中，基于自身理解所形成的思维方式，被称为硬标签。
大模型ReAct框架——打造AI Agent的代码实现——基于LLM + Function Call构建Agent
bugyinyin的博客
10-12 1704
AI Agent也就是AI智能体，是通过把大模型作为“大脑”，通过利用大模型的推理和规划能力，然后调用外部工具来完成复杂任务的一种方式。 简单来说，Agent就是一种让大模型自己思考和分析问题，选择合适的工具，最终解决问题的一种方法，其背后原理就来自于ReAct。 ReAct是Reasoning And Acting的缩写，意思是LLM可以根据逻辑推理(Reson)，构建完整系列行动(Act)，从而达到期望目标。 LLM的灵感来源于人类和推理之间的协同关系，人类根据这种协同关系学习新的知识，做出决策，
Function Calling的理解
m0_62811060的博客
07-26 435
可以引入fastjson依赖，调用JSONObject jsonObject = JSONObject.parseObject(arguments)，将json字符串类型转为对象类型，从中获取到参数。Function Calingl(Tool_Calls)并不是通过对话让大模型执行函数，而是让大模型在与用户交流的过程中获取到函数需要的参数。获取到所需的所有参数后再调用目标函数。响应中的function字段是触发的函数，其中arguments是函数的参数，是json字符串类型。
Dify中的Agent策略插件开发例子：以Function Calling为例
最新发布
NLP工程化
05-26 1771
本文使用Dify v1.0.0-beta.1版本。Agent 策略插件能够帮助 LLM 执行推理或决策逻辑，包括工具选择、调用和结果处理，以更加自动化的方式处理问题。Dify官方实现的Agent策略插件包括Function Calling和Reason+ReAct(Reason+Act)。本文重点介绍Function Calling具体实现。
LLMs之Dify：Dify的简介、安装和使用方法、案例应用之详细攻略
热门推荐
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
11-05 1万+
​ LLMs之Dify：Dify的简介、安装和使用方法、案例应用之详细攻略 目录 Dify的简介 Dify的安装和使用方法 Dify的案例应用 Dify的简介 2023年5月，Dify正式发布，这是一个开源的LLM应用程序开发平台。它直观的界面结合了人工智能工作流程、RAG管道、代理能力、模型管理、可观察性特性等等，让您能够快速从原型到生产。 GitHub地址：https://github.com/langgenius/dify 1、核心功能列表 >> 工作流：在可视化画布上
私有化部署 Dify 并快速搭建 AI 应用
m0_59235699的博客
05-30 8832
Dify可以切换几乎所有主流的模型，通过模板可以快速创建应用，添加各种类型的文档作为知识库，添加后端API等，相较于LangChain需要通过 Python 代码进行开发，Dify 开箱即用，对于大部分人来说更加的友好，最重要的可以进行私有化部署。
如何使用 Dify 搭建属于你的投资分析 Agent 助手
qq_39172059的博客
06-15 6561
现在，Dify 在应用编排中新增了 Agent Assistant 模式（智能助手），可以基于不同的 LLMs 作为基础的自然语言理解和推理模型（目前 Dify 已支持市面上所有流行的 LLMs ），并提供一系列工具让 LLM 根据需要来调用，解决多步骤的复杂问题场景，帮助开发者构建更具想象力的 GPTs 和 Agent Assistants（智能助手）。
dify agent functioncall
03-08
### Dify Agent 函数调用实现与故障排除 #### 实现机制 Dify 提供了两种推理模式来增强智能助手的功能：Function calling 和 ReAct。其中，Function calling 是一种允许智能代理通过调用特定功能或服务来进行更复杂的操作的方式[^1]。 当开发者希望构建具备高级交互能力的应用程序时，在“提示词”中定义详细的指令至关重要。这不仅限于描述任务本身，还应包括期望的结果、处理逻辑以及任何必要的约束条件。对于函数调用而言，这意味着要清晰地指定哪些外部API或者内部方法可以被调用来辅助解决问题，并提供相应的参数说明和预期返回值的信息[^2]。 #### 故障排查指南 如果遇到与Dify Agent 的 `function_call` 相关的问题，则可以从以下几个方面入手： - **验证输入数据的有效性** 确认传递给函数的所有参数都是合法且符合预期类型的。错误的数据可能导致无法解析或执行失败的情况发生。 - **检查权限配置** 如果涉及到访问第三方服务或其他受限资源，确保已经正确设置了所需的认证凭证和其他安全设置。 - **日志分析** 查看运行期间产生的调试信息可以帮助定位具体在哪一步出现了异常状况。大多数情况下，这些记录会指出确切的原因所在。 - **测试环境下的模拟运行** 尝试在一个受控环境中重现问题场景，逐步调整变量直到找到触发因素为止。这种方法有助于缩小可能引起故障的因素范围。 ```python def example_function_call(agent, params): try: result = agent.call_external_service(params) return {"status": "success", "data": result} except Exception as e: return {"status": "error", "message": str(e)} ``` 上述代码片段展示了如何封装一次对外部服务的调用尝试，并妥善处理潜在发生的各种情况。实际开发过程中应当依据具体的业务需求定制类似的结构化解决方案。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值