What is Function Calling(函數調用)?
允許語言模型生成帶有適當參數的結構化函數調用的能力,使其能與外部工具和 API 互動。
Definition
函數調用(也稱為工具使用)是語言模型生成代表外部函數或 API 調用的結構化輸出的能力,包括函數名稱和正確類型的參數。模型輸出結構化調用(通常為 JSON),應用程式可以解析並對真實系統執行。
此能力將 LLM 從對話文字生成器轉變為能在真實世界中採取行動的編排引擎。開源模型如 Llama 3、Mistral 和 Qwen 現在都包含透過指令調優訓練的函數調用能力。
Why It Matters
函數調用是 Agentic AI 應用的基礎。沒有它,LLM 只能生成文字——有了它,它們可以與資料庫、API、檔案系統和業務流程互動。對企業應用,函數調用使 LLM 能與現有系統整合,大幅減少添加 AI 能力所需的整合工作。
How It Works
應用程式提供可用函數列表,每個由名稱、描述和 JSON schema 參數描述。模型生成包含函數名稱和 JSON 格式參數的結構化回應。應用程式解析調用、驗證參數、執行函數並將結果返回給模型。
Example Use Case
內部幫助台機器人連接到三個函數:search_knowledge_base、create_ticket 和 check_ticket_status。員工說「我無法存取 VPN,需要緊急修復」時,模型調用搜索函數找到相關解決方案,如果不起作用則調用建立工單函數——全部透過自然對話完成。
Key Takeaways
- 函數調用允許模型從自然語言請求生成結構化 API 調用。
- 它將 LLM 從文字生成器轉變為能採取真實行動的編排引擎。
- 應用程式提供函數 schema;模型生成調用;應用程式執行。
- 函數調用品質因模型而異,從領域特定微調中顯著受益。
- 它是 Agentic AI 和工具使用 AI 助手的基礎能力。
How Ertas Helps
Ertas Studio 透過在自然語言配對正確工具調用的資料集上訓練,使微調模型專門用於函數調用,提高模型選擇函數和提取參數的準確度。
Related Resources
Ship AI that runs on your users' devices.
Early bird pricing starts at $14.50/mo — locked in for life. Plans for builders and agencies.