企业官网建设流程全解析

长沙做网站备案,施工企业科技创新规划,中文绿色环保网站模板下载,合肥市城乡建设局本文详解大模型函数调用(Function Calling)技术#xff0c;包括核心概念、与ReACT的区别、工具定义格式及应用场景。通过Python代码示例展示如何让大模型执行计算任务#xff0c;获取更准确结果。Function Calling使大模型能与外部服务交互#xff0c;适用于API调用、数据库…本文详解大模型函数调用(Function Calling)技术包括核心概念、与ReACT的区别、工具定义格式及应用场景。通过Python代码示例展示如何让大模型执行计算任务获取更准确结果。Function Calling使大模型能与外部服务交互适用于API调用、数据库查询等场景是提升AI应用能力的重要技术。Function/Tool Callingopenai: 函数调用为 OpenAI 模型提供了一种强大而灵活的方式可以与您的代码或外部服务进行交互。通过函数调用您可以向 Assistant 描述函数并让其智能地返回需要调用的函数及其参数。openailangchain: 我们将“工具调用”与“函数调用”互换使用。虽然“函数调用”有时指的是单个函数的调用但我们将所有模型视为可以在每条消息中返回多个工具或函数调用。工具调用与 ReACT 的区别项目ReAct 提示词工程Function Calling核心思想用提示词引导模型「推理 行动 观察反馈」循环明确声明函数签名模型调用结构化函数技术机制Prompt 模板控制流程如Think - Act - Obs通过函数描述注册函数接口模型自动生成调用参数环境交互灵活性高适用于复杂多步任务、agent 类流程中适合明确定义的单步工具调用开发复杂度中需要精心设计提示词模板与中间状态管理低~中注册函数较直接但需要参数与返回值处理典型应用场景多步推理、多工具交替使用、信息抽取等复杂场景明确 API 调用、数据库查询、插件系统等与 Agent 框架集成度高常用于 LangChain、AutoGPT 中的推理行为生成高OpenAI、LangChain、Claude 支持直接注册使用优缺点总结✅ 灵活可控✅ 自动结构化调用❌ 难以规模化自动解析❌ 不擅长多步控制与反馈处理function calling 核心概念tools: 函数列表function: 单个函数定义function.name: 函数名字function.description: 函数作用描述parameters: 函数形参说明tools: [ { type: function, function: { name: current_time, description: A tool for getting the current time., parameters: { properties: {}, required: [], type: object } } }, { type: function, function: { name: simple_code, description: A tool for running code and getting the result back. Only native packages are allowed, network/IO operations are disabled. and you must use print() or console.log() to output the result or result will be empty., parameters: { properties: { code: { description: code to be executed, only native packages are allowed, network/IO operations are disabled., type: string }, language: { description: language of the code, only \python3\ and \javascript\ are supported, type: string } }, required: [language, code], type: object } } }]工具调用的返回格式tool_calls: 工具调用序列单个或者多个function 函数调用function.name 函数名字function.arguments 函数实参message: { role: assistant, content: , tool_calls: [ { function: { name: simple_code, arguments: { code: print(0.9111 ** 3), language: python3 } } } ] }常用工具代码解析器 python node命令解析器 bash文件管理 file directory浏览器控制 browser use外部接口 openapi swagger大模型上下文协议 MCP playwright-mcppython 工具调用示例没有工具调用的对话模型使用工具可以获得更加准确的结果带有 function call 的请求{ model: qwen3,stream: false,options: { temperature: 0 },messages: [ { role: system, content: /no_think\n }, { role: user, content: 使用python计算 0.9111**3 } ],tools: [ { type: function, function: { name: current_time, description: A tool for getting the current time., parameters: { properties: {}, required: [], type: object } } }, { type: function, function: { name: simple_code, description: A tool for running code and getting the result back. Only native packages are allowed, network/IO operations are disabled. and you must use print() or console.log() to output the result or result will be empty., parameters: { properties: { code: { description: code to be executed, only native packages are allowed, network/IO operations are disabled., type: string }, language: { description: language of the code, only \python3\ and \javascript\ are supported, type: string } }, required: [language, code], type: object } } } ]}大模型的响应{ model: qwen3,created_at: 2025-05-05T16:57:36.016688Z,message: { role: assistant, content: , tool_calls: [ { function: { name: simple_code, arguments: { code: print(0.9111 ** 3), language: python3 } } } ] },done_reason: stop,done: true,total_duration: 2037533417,load_duration: 34440000,prompt_eval_count: 275,prompt_eval_duration: 776227166,eval_count: 42,eval_duration: 1225024292}最终请求{ model: qwen3,stream: false,options: { temperature: 0 },messages: [ { role: system, content: /no_think\n }, { role: user, content: 使用python计算 0.9111**3 }, { role: assistant, content: }, { role: tool, content: 0.756307034631\n } ],tools: [ { type: function, function: { name: current_time, description: A tool for getting the current time., parameters: { properties: {}, required: [], type: object } } }, { type: function, function: { name: simple_code, description: A tool for running code and getting the result back. Only native packages are allowed, network/IO operations are disabled. and you must use print() or console.log() to output the result or result will be empty., parameters: { properties: { code: { description: code to be executed, only native packages are allowed, network/IO operations are disabled., type: string }, language: { description: language of the code, only \python3\ and \javascript\ are supported, type: string } }, required: [language, code], type: object } } } ]}最终响应{ model: qwen3,created_at: 2025-05-05T16:57:37.121945Z,message: { role: assistant, content: think\n\n/think\n\n0.9111 raised to the power of 3 is approximately **0.7563**. },done_reason: stop,done: true,total_duration: 1030672292,load_duration: 11999667,prompt_eval_count: 303,prompt_eval_duration: 122764292,eval_count: 29,eval_duration: 892274041}如何系统的学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。一直在更新更多的大模型学习和面试资料已经上传带到CSDN的官方了有需要的朋友可以扫描下方二维码免费领取【保证100%免费】01.大模型风口已至月薪30K的AI岗正在批量诞生2025年大模型应用呈现爆发式增长根据工信部最新数据国内大模型相关岗位缺口达47万初级工程师平均薪资28K数据来源BOSS直聘报告70%企业存在能用模型不会调优的痛点真实案例某二本机械专业学员通过4个月系统学习成功拿到某AI医疗公司大模型优化岗offer薪资直接翻3倍02.大模型 AI 学习和面试资料1️⃣ 提示词工程把ChatGPT从玩具变成生产工具2️⃣ RAG系统让大模型精准输出行业知识3️⃣ 智能体开发用AutoGPT打造24小时数字员工熬了三个大夜整理的《AI进化工具包》送你✔️ 大厂内部LLM落地手册含58个真实案例✔️ 提示词设计模板库覆盖12大应用场景✔️ 私藏学习路径图0基础到项目实战仅需90天第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】