尧图网站建设 
文档教程知识库【免费下载链接】developer-roadmapInteractive roadmaps, guides and other educational content to help developers grow in their careers.项目地址https://gitcode.com/GitHub_Trending/de/developer-roadmap点击查看免费下载导读函数调用Function Calling是大语言模型LLM与外部工具、API 之间的桥梁模型不再只输出文本而是能够根据用户输入识别出此时应当调用哪个函数并输出执行该函数所需的参数。本指南围绕 developer-roadmap 仓库中 AI 工程师路线图的函数调用主题展开帮助你理解函数调用的核心机制、主流厂商实现方式以及它在 AI 工程师技能体系中的定位读完即可掌握构建能执行动作的 LLM 应用的基本原理与工程范式。什么是函数调用函数调用允许大语言模型与外部工具和 API 进行交互。与单纯生成文本不同LLM 可以被指示当用户输入满足特定条件时识别出应当调用哪个预定义的函数并输出执行该函数所需的参数。这使得 LLM 能够执行超出其训练数据范围的动作例如获取实时信息或自动化任务。在 AI 工程师路线图中这一主题被明确定位为工具与智能体的核心能力。配套文档 Tools Function Calling in AI Agents 进一步说明工具和函数调用赋予了 AI 智能体与现实世界交互、获取外部信息的能力——智能体不再只给出基于文本的回答而是可以使用预定义的函数、工具或 API 执行特定动作比如搜索网页、发送邮件或控制设备。工具的范围非常宽泛可以是从 Web 搜索 API 到计算器、数据库、语言翻译引擎等任何资源。正如 What are Tools 所描述的智能体向工具发送请求、获得结果然后利用该结果继续推进任务。函数调用的核心工作流程函数调用本质上是模型决策 应用执行的协作过程典型流程如下定义函数开发者在 API 请求中声明一组函数每个函数包含名称、描述和参数结构JSON Schema。模型决策LLM 根据用户输入判断是否需要调用某个函数如果需要则返回结构化的调用请求——包含函数名和参数而不是自由格式的文本。应用执行调用方应用程序真正执行该函数如查询数据库、调用外部 API并把结果返回给模型。继续对话模型拿到工具结果后可以继续推理或生成最终回答。这一循环正是智能体Agent能够自主完成多步骤任务的底层机制决策模型与执行应用解耦模型负责想应用程序负责做。为什么需要函数调用函数调用解决了 LLM 的三大天然局限局限函数调用的解决方式训练数据截止缺乏实时信息通过调用搜索、天气、股票等 API 获取最新数据只能输出文本无法产生实际动作通过调用邮件、支付、设备控制等工具完成真实操作上下文缺失无法访问私有/企业数据通过调用数据库、知识库查询接口获得企业内部数据从 What are Tools 的表述看工具可以让一个小型核心模型处理原本很难或很慢的任务同时帮助答案保持及时、准确并锚定在真实数据上选择合适的工具并知道何时使用它是构建智能智能体的关键能力。主流实现方式对比函数调用已是大模型厂商的原生能力不同厂商的实现遵循同一套通用模式但请求/响应格式各有差异。仓库的 AI 智能体路线图中记录了三种主流实现OpenAI Functions CallingOpenAI Functions Calling 允许模型从 API 请求中定义的一组函数中选择并返回结构化的调用——函数名和参数以 JSON 形式给出。调用方应用执行该函数并将结果发回给模型供其在下一次响应中使用。它是最早被广泛采用的原生工具调用实现之一。Anthropic Tool UseClaudeAnthropic Tool Use 是 Claude 对原生函数调用的实现模型可以选择以结构化参数调用已定义的工具作为其响应的一部分。支持并行工具调用并能在需要时强制使用指定工具——这对于需要确定性流程的工程场景非常实用。Gemini Function CallingGemini Function Calling 是 Google 的原生工具调用实现Gemini 模型从提供的函数定义中选择并返回带参数的结构化调用。它遵循与其他厂商函数调用相同的通用模式但拥有自己特定的请求和响应格式。原生函数调用LLM Native Function Calling的意义LLM Native Function Calling 强调了一个关键区别原生函数调用是直接内建在模型 API 中的能力——模型输出对预定义函数的结构化调用含函数名和参数而非自由文本。应用程序执行真实函数并将结果返回模型以继续对话。这一设计带来的核心价值是标准化模型请求动作的方式被规范化无需再从纯文本输出中解析工具调用。相比早期的提示词模拟方案模型输出 JSON 文本、应用再用正则或解析器提取原生函数调用大幅降低了解析失败率和格式漂移问题是构建可靠 AI Agent 的工程基础。在 AI 工程师路线图中的定位函数调用是 AI 工程师路线图中工具与智能体知识板块的组成部分与以下主题紧密关联Tools Function Calling in AI Agents工具的宏观概念与智能体应用场景AI Agents智能体的整体架构State Historical Context函数调用结果如何进入对话状态供后续步骤引用Context Sources工具返回的信息如何成为模型上下文的一部分理解这条链路对实践很重要函数调用不仅仅是发一次请求它会产生状态变化——过去工具调用的记录与结果需要被跟踪否则智能体可能重复步骤、自相矛盾或在多步任务中迷失方向这正是 State Historical Context 所强调的工程要点。进一步探索本仓库为继续深入学习提供了完整的路线图支撑AI 工程师路线图 - 函数调用主题本文依据的原始主题页AI 智能体路线图 - 工具调用专题工具概念的入门讲解AI 智能体路线图 - 原生函数调用原生能力的原理对比按路线图顺序学习可以从什么是函数调用逐步深入到如何为智能体设计并集成工具最终构建出能够自主检索实时信息、调用业务 API 并完成多步自动化任务的 AI 应用。赞分享文档教程知识库【免费下载链接】developer-roadmapInteractive roadmaps, guides and other educational content to help developers grow in their careers.项目地址https://gitcode.com/GitHub_Trending/de/developer-roadmap点击查看免费下载相关推荐Generative AI for Beginners用 Function Calling 构建可调用外部 API 的 AI 应用Generative AI for Beginners用 Function Calling 构建可调用外部 API 的 AI 应用 本篇文章来自《Genera教程人工智能大模型Generative AI 入门使用函数调用Function Calling构建可查询外部数据的智能聊天应用Generative AI 入门使用函数调用Function Calling构建可查询外部数据的智能聊天应用 函数调用Function Calling教程人工智能大模型generative-ai-for-beginners 第11课深度解析用 Function Calling 让 LLM 以结构化数据调用真实外部服务generative ai for beginners 第11课深度解析用 Function Calling 让 LLM 以结构化数据调用真实外部服务 本文基教程人工智能大模型上一篇NHSE终极指南免费开源动森存档编辑器打造你的梦想岛屿下一篇如何快速打造梦想岛屿NHSE动森存档编辑器完全指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 掌握 Function Calling：让 AI 工程师构建可执行外部动作的 LLM 应用
文档教程知识库【免费下载链接】developer-roadmapInteractive roadmaps, guides and other educational content to help developers grow in their careers.项目地址https://gitcode.com/GitHub_Trending/de/developer-roadmap点击查看免费下载导读函数调用Function Calling是大语言模型LLM与外部工具、API 之间的桥梁模型不再只输出文本而是能够根据用户输入识别出此时应当调用哪个函数并输出执行该函数所需的参数。本指南围绕 developer-roadmap 仓库中 AI 工程师路线图的函数调用主题展开帮助你理解函数调用的核心机制、主流厂商实现方式以及它在 AI 工程师技能体系中的定位读完即可掌握构建能执行动作的 LLM 应用的基本原理与工程范式。什么是函数调用函数调用允许大语言模型与外部工具和 API 进行交互。与单纯生成文本不同LLM 可以被指示当用户输入满足特定条件时识别出应当调用哪个预定义的函数并输出执行该函数所需的参数。这使得 LLM 能够执行超出其训练数据范围的动作例如获取实时信息或自动化任务。在 AI 工程师路线图中这一主题被明确定位为工具与智能体的核心能力。配套文档 Tools Function Calling in AI Agents 进一步说明工具和函数调用赋予了 AI 智能体与现实世界交互、获取外部信息的能力——智能体不再只给出基于文本的回答而是可以使用预定义的函数、工具或 API 执行特定动作比如搜索网页、发送邮件或控制设备。工具的范围非常宽泛可以是从 Web 搜索 API 到计算器、数据库、语言翻译引擎等任何资源。正如 What are Tools 所描述的智能体向工具发送请求、获得结果然后利用该结果继续推进任务。函数调用的核心工作流程函数调用本质上是模型决策 应用执行的协作过程典型流程如下定义函数开发者在 API 请求中声明一组函数每个函数包含名称、描述和参数结构JSON Schema。模型决策LLM 根据用户输入判断是否需要调用某个函数如果需要则返回结构化的调用请求——包含函数名和参数而不是自由格式的文本。应用执行调用方应用程序真正执行该函数如查询数据库、调用外部 API并把结果返回给模型。继续对话模型拿到工具结果后可以继续推理或生成最终回答。这一循环正是智能体Agent能够自主完成多步骤任务的底层机制决策模型与执行应用解耦模型负责想应用程序负责做。为什么需要函数调用函数调用解决了 LLM 的三大天然局限局限函数调用的解决方式训练数据截止缺乏实时信息通过调用搜索、天气、股票等 API 获取最新数据只能输出文本无法产生实际动作通过调用邮件、支付、设备控制等工具完成真实操作上下文缺失无法访问私有/企业数据通过调用数据库、知识库查询接口获得企业内部数据从 What are Tools 的表述看工具可以让一个小型核心模型处理原本很难或很慢的任务同时帮助答案保持及时、准确并锚定在真实数据上选择合适的工具并知道何时使用它是构建智能智能体的关键能力。主流实现方式对比函数调用已是大模型厂商的原生能力不同厂商的实现遵循同一套通用模式但请求/响应格式各有差异。仓库的 AI 智能体路线图中记录了三种主流实现OpenAI Functions CallingOpenAI Functions Calling 允许模型从 API 请求中定义的一组函数中选择并返回结构化的调用——函数名和参数以 JSON 形式给出。调用方应用执行该函数并将结果发回给模型供其在下一次响应中使用。它是最早被广泛采用的原生工具调用实现之一。Anthropic Tool UseClaudeAnthropic Tool Use 是 Claude 对原生函数调用的实现模型可以选择以结构化参数调用已定义的工具作为其响应的一部分。支持并行工具调用并能在需要时强制使用指定工具——这对于需要确定性流程的工程场景非常实用。Gemini Function CallingGemini Function Calling 是 Google 的原生工具调用实现Gemini 模型从提供的函数定义中选择并返回带参数的结构化调用。它遵循与其他厂商函数调用相同的通用模式但拥有自己特定的请求和响应格式。原生函数调用LLM Native Function Calling的意义LLM Native Function Calling 强调了一个关键区别原生函数调用是直接内建在模型 API 中的能力——模型输出对预定义函数的结构化调用含函数名和参数而非自由文本。应用程序执行真实函数并将结果返回模型以继续对话。这一设计带来的核心价值是标准化模型请求动作的方式被规范化无需再从纯文本输出中解析工具调用。相比早期的提示词模拟方案模型输出 JSON 文本、应用再用正则或解析器提取原生函数调用大幅降低了解析失败率和格式漂移问题是构建可靠 AI Agent 的工程基础。在 AI 工程师路线图中的定位函数调用是 AI 工程师路线图中工具与智能体知识板块的组成部分与以下主题紧密关联Tools Function Calling in AI Agents工具的宏观概念与智能体应用场景AI Agents智能体的整体架构State Historical Context函数调用结果如何进入对话状态供后续步骤引用Context Sources工具返回的信息如何成为模型上下文的一部分理解这条链路对实践很重要函数调用不仅仅是发一次请求它会产生状态变化——过去工具调用的记录与结果需要被跟踪否则智能体可能重复步骤、自相矛盾或在多步任务中迷失方向这正是 State Historical Context 所强调的工程要点。进一步探索本仓库为继续深入学习提供了完整的路线图支撑AI 工程师路线图 - 函数调用主题本文依据的原始主题页AI 智能体路线图 - 工具调用专题工具概念的入门讲解AI 智能体路线图 - 原生函数调用原生能力的原理对比按路线图顺序学习可以从什么是函数调用逐步深入到如何为智能体设计并集成工具最终构建出能够自主检索实时信息、调用业务 API 并完成多步自动化任务的 AI 应用。赞分享文档教程知识库【免费下载链接】developer-roadmapInteractive roadmaps, guides and other educational content to help developers grow in their careers.项目地址https://gitcode.com/GitHub_Trending/de/developer-roadmap点击查看免费下载相关推荐Generative AI for Beginners用 Function Calling 构建可调用外部 API 的 AI 应用Generative AI for Beginners用 Function Calling 构建可调用外部 API 的 AI 应用 本篇文章来自《Genera教程人工智能大模型Generative AI 入门使用函数调用Function Calling构建可查询外部数据的智能聊天应用Generative AI 入门使用函数调用Function Calling构建可查询外部数据的智能聊天应用 函数调用Function Calling教程人工智能大模型generative-ai-for-beginners 第11课深度解析用 Function Calling 让 LLM 以结构化数据调用真实外部服务generative ai for beginners 第11课深度解析用 Function Calling 让 LLM 以结构化数据调用真实外部服务 本文基教程人工智能大模型上一篇NHSE终极指南免费开源动森存档编辑器打造你的梦想岛屿下一篇如何快速打造梦想岛屿NHSE动森存档编辑器完全指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考