前言现如今我们已经习惯了大模型能回答问题、写代码、生成文案但**大模型本身其实“手无缚鸡之力”**它无法直接访问数据库、不能实时获取天气。但现如今的大模型又是怎么做到这些的呢答案就是——Function Calling函数调用。什么是 Function CallingFunction Calling 是一种让大模型在理解用户自然语言后主动调用外部工具或函数的能力。大模型本身无法直接操作外部系统如数据库、计算工具但通过调用预设函数可以完成实时数据获取天气、股价、新闻、复杂计算数学运算、代码执行、操作外部系统发送邮件、控制智能设备模型可将用户自然语言请求转化为结构化参数传递给函数。例如用户说“明天北京天气如何” → 模型调用 get_weather(location“北京”, date“2025-05-06”)模型可根据上下文决定是否/何时调用函数甚至链式调用多个函数如先查天气再推荐穿搭。举个例子我将询问千问大模型北京的天气怎么样并让千文使用我们自定义的函数查询天气信息并返回个用户天气信息。首先我们定义一个工具函数json格式的是为了让大模型了解这个函数时干什么的函数参数是什么。import requests from http import HTTPStatus import dashscope import os # 设置 DashScope API Key dashscope.api_key os.getenv(DASHSCOPE_API_KEY)# 高德天气 API 的 天气工具定义JSON 格式 weather_tool { type: function, function: { name: get_current_weather, description: Get the current weather in a given location, parameters: { type: object, properties: { location: { type: string, description: The city name, e.g. 北京, }, adcode: { type: string, description: The city code, e.g. 110000 (北京), } }, required: [location], }, }, }接着编写天气条用的函数def get_current_weather(location: str, adcode: str None): 调用高德地图API查询天气 gaode_api_key os.getenv(GAOGE_API_KEY) # 替换成你的高德API Key base_url https://restapi.amap.com/v3/weather/weatherInfo params { key: gaode_api_key, city: adcode if adcode else location, extensions: base, # 可改为 all 获取预报 } response requests.get(base_url, paramsparams) if response.status_code 200: return response.json() else: return {error: fFailed to fetch weather: {response.status_code}}通过dashscope调用大模型回答问题大模型会根据之前的函数定义信息构造出函数需要的参数值和参数格式再调用函数。使用 Qwen3 查询天气 messages [ {role: system, content: 你是一个智能助手可以查询天气信息。}, {role: user, content: 北京现在天气怎么样} ] response dashscope.Generation.call( modelqwen-turbo-latest, # 可使用 Qwen3 最新版本 messagesmessages, tools[weather_tool], # 传入工具定义 tool_choiceauto, # 让模型决定是否调用工具 ) if response.status_code HTTPStatus.OK: # 检查是否需要调用工具 if tool_calls in response.output.choices[0].message: print(response, response.output.choices[0]) tool_call response.output.choices[0].message.tool_calls[0] print(tool_call, tool_call) if tool_call[function][name] get_current_weather: # 解析参数并调用高德API import json args json.loads(tool_call[function][arguments]) location args.get(location, 北京) adcode args.get(adcode, None) weather_data get_current_weather(location, adcode) print(f查询结果{weather_data}) else: print(response.output.choices[0].message.content) else: print(f请求失败: {response.code} - {response.message})summary怎么样使用funcation calling是不是很简单我们只需要将函数的具体功能实现并告诉大模型这样大模型就会自动调用函数获取关键信息。普通人如何抓住AI大模型的风口为什么要学AI大模型当下⼈⼯智能市场迎来了爆发期并逐渐进⼊以⼈⼯通⽤智能AGI为主导的新时代。企业纷纷官宣“ AI ”战略为新兴技术⼈才创造丰富的就业机会⼈才缺⼝将达 400 万DeepSeek问世以来生成式AI和大模型技术爆发式增长让很多岗位重新成了炙手可热的新星岗位薪资远超很多后端岗位在程序员中稳居前列。与此同时AI与各行各业深度融合飞速发展成为炙手可热的新风口企业非常需要了解AI、懂AI、会用AI的员工纷纷开出高薪招聘AI大模型相关岗位。AI大模型开发工程师对AI大模型需要了解到什么程度呢我们先看一下招聘需求知道人家要什么能力一切就好办了我整理了AI大模型开发工程师需要掌握的知识如下大模型基础知识你得知道市面上的大模型产品生态和产品线还要了解Llama、Qwen等开源大模型与OpenAI等闭源模型的能力差异以及了解开源模型的二次开发优势以及闭源模型的商业化限制等等。了解这些技术的目的在于建立与算法工程师的共通语言确保能够沟通项目需求同时具备管理AI项目进展、合理分配项目资源、把握和控制项目成本的能力。产品经理还需要有业务sense这其实就又回到了产品人的看家本领上。我们知道先阶段AI的局限性还非常大模型生成的内容不理想甚至错误的情况屡见不鲜。因此AI产品经理看技术更多的是从技术边界、成本等角度出发选择合适的技术方案来实现需求甚至用业务来补足技术的短板。AI Agent现阶段AI Agent的发展可谓是百花齐放甚至有人说Agent就是未来应用该有的样子所以这个LLM的重要分支必须要掌握。Agent中文名为“智能体”由控制端Brain、感知端Perception和行动端Action组成是一种能够在特定环境中自主行动、感知环境、做出决策并与其他Agent或人类进行交互的计算机程序或实体。简单来说就是给大模型这个大脑装上“记忆”、装上“手”和“脚”让它自动完成工作。Agent的核心特性自主性能够独立做出决策不依赖人类的直接控制。适应性能够根据环境的变化调整其行为。交互性能够与人类或其他系统进行有效沟通和交互。对于大模型开发工程师来说学习Agent更多的是理解它的设计理念和工作方式。零代码的大模型应用开发平台也有很多比如dify、coze拿来做一个小项目你就会发现其实并不难。AI 应用项目开发流程如果产品形态和开发模式都和过去不一样了那还画啥原型怎么排项目周期这将深刻影响产品经理这个岗位本身的价值构成所以每个AI产品经理都必须要了解它。看着都是新词其实接触起来也不难。从0到1的大模型系统学习籽料最近很多程序员朋友都已经学习或者准备学习 AI 大模型后台也经常会有小伙伴咨询学习路线和学习资料我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师吴文俊奖得主给大家准备了一份涵盖了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全系列的学习资料这些学习资料不仅深入浅出而且非常实用让大家系统而高效地掌握AI大模型的各个知识点。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】适学人群应届毕业生无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界。业务赋能突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型。AI大模型系统学习路线在面对AI大模型开发领域的复杂与深入精准学习显得尤为重要。一份系统的技术路线图不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点还能提供一条高效、有序的学习路径。基础篇包括了大模型的基本情况核心原理带你认识了解大模型提示词Transformer架构预训练、SFT、RLHF等一些基础概念用最易懂的方式带你入门AI大模型进阶篇你将掌握RAGLangchain、Agent的核心原理和应用学习如何微调大模型让大模型更适合自己的行业需求私有化部署大模型让自己的数据更加安全项目实战篇会手把手一步步带着大家练习企业级落地项目比如电商行业的智能客服、智能销售项目教育行业的智慧校园、智能辅导项目等等但知道是一回事做又是另一回事初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性在这基础上找到高质量的学习资源不浪费时间、不走弯路又是重中之重。AI大模型入门到实战的视频教程项目包看视频学习是一种高效、直观、灵活且富有吸引力的学习方式可以更直观地展示过程能有效提升学习兴趣和理解力是现在获取知识的重要途径光学理论是没用的要学会跟着一起敲要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。海量AI大模型必读的经典书籍PDF阅读AI大模型经典书籍可以帮助读者提高技术水平开拓视野掌握核心技术提高解决问题的能力同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说阅读经典书籍是非常有必要的。600AI大模型报告实时更新这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。AI大模型面试真题答案解析我们学习AI大模型必然是想找到高薪的工作下面这些面试题都是总结当前最新、最热、最高频的面试题并且每道题都有详细的答案面试前刷完这套面试题资料小小offer不在话下AI时代企业最需要的是既懂技术、又有实战经验的复合型人才**当前人工智能岗位需求多薪资高前景好。**在职场里选对赛道就能赢在起跑线。抓住AI这个风口相信下一个人生赢家就是你机会永远留给有准备的人。如何获取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】 【值得收藏】大模型“超能力“：Function Calling实现实时数据获取与系统交互
前言现如今我们已经习惯了大模型能回答问题、写代码、生成文案但**大模型本身其实“手无缚鸡之力”**它无法直接访问数据库、不能实时获取天气。但现如今的大模型又是怎么做到这些的呢答案就是——Function Calling函数调用。什么是 Function CallingFunction Calling 是一种让大模型在理解用户自然语言后主动调用外部工具或函数的能力。大模型本身无法直接操作外部系统如数据库、计算工具但通过调用预设函数可以完成实时数据获取天气、股价、新闻、复杂计算数学运算、代码执行、操作外部系统发送邮件、控制智能设备模型可将用户自然语言请求转化为结构化参数传递给函数。例如用户说“明天北京天气如何” → 模型调用 get_weather(location“北京”, date“2025-05-06”)模型可根据上下文决定是否/何时调用函数甚至链式调用多个函数如先查天气再推荐穿搭。举个例子我将询问千问大模型北京的天气怎么样并让千文使用我们自定义的函数查询天气信息并返回个用户天气信息。首先我们定义一个工具函数json格式的是为了让大模型了解这个函数时干什么的函数参数是什么。import requests from http import HTTPStatus import dashscope import os # 设置 DashScope API Key dashscope.api_key os.getenv(DASHSCOPE_API_KEY)# 高德天气 API 的 天气工具定义JSON 格式 weather_tool { type: function, function: { name: get_current_weather, description: Get the current weather in a given location, parameters: { type: object, properties: { location: { type: string, description: The city name, e.g. 北京, }, adcode: { type: string, description: The city code, e.g. 110000 (北京), } }, required: [location], }, }, }接着编写天气条用的函数def get_current_weather(location: str, adcode: str None): 调用高德地图API查询天气 gaode_api_key os.getenv(GAOGE_API_KEY) # 替换成你的高德API Key base_url https://restapi.amap.com/v3/weather/weatherInfo params { key: gaode_api_key, city: adcode if adcode else location, extensions: base, # 可改为 all 获取预报 } response requests.get(base_url, paramsparams) if response.status_code 200: return response.json() else: return {error: fFailed to fetch weather: {response.status_code}}通过dashscope调用大模型回答问题大模型会根据之前的函数定义信息构造出函数需要的参数值和参数格式再调用函数。使用 Qwen3 查询天气 messages [ {role: system, content: 你是一个智能助手可以查询天气信息。}, {role: user, content: 北京现在天气怎么样} ] response dashscope.Generation.call( modelqwen-turbo-latest, # 可使用 Qwen3 最新版本 messagesmessages, tools[weather_tool], # 传入工具定义 tool_choiceauto, # 让模型决定是否调用工具 ) if response.status_code HTTPStatus.OK: # 检查是否需要调用工具 if tool_calls in response.output.choices[0].message: print(response, response.output.choices[0]) tool_call response.output.choices[0].message.tool_calls[0] print(tool_call, tool_call) if tool_call[function][name] get_current_weather: # 解析参数并调用高德API import json args json.loads(tool_call[function][arguments]) location args.get(location, 北京) adcode args.get(adcode, None) weather_data get_current_weather(location, adcode) print(f查询结果{weather_data}) else: print(response.output.choices[0].message.content) else: print(f请求失败: {response.code} - {response.message})summary怎么样使用funcation calling是不是很简单我们只需要将函数的具体功能实现并告诉大模型这样大模型就会自动调用函数获取关键信息。普通人如何抓住AI大模型的风口为什么要学AI大模型当下⼈⼯智能市场迎来了爆发期并逐渐进⼊以⼈⼯通⽤智能AGI为主导的新时代。企业纷纷官宣“ AI ”战略为新兴技术⼈才创造丰富的就业机会⼈才缺⼝将达 400 万DeepSeek问世以来生成式AI和大模型技术爆发式增长让很多岗位重新成了炙手可热的新星岗位薪资远超很多后端岗位在程序员中稳居前列。与此同时AI与各行各业深度融合飞速发展成为炙手可热的新风口企业非常需要了解AI、懂AI、会用AI的员工纷纷开出高薪招聘AI大模型相关岗位。AI大模型开发工程师对AI大模型需要了解到什么程度呢我们先看一下招聘需求知道人家要什么能力一切就好办了我整理了AI大模型开发工程师需要掌握的知识如下大模型基础知识你得知道市面上的大模型产品生态和产品线还要了解Llama、Qwen等开源大模型与OpenAI等闭源模型的能力差异以及了解开源模型的二次开发优势以及闭源模型的商业化限制等等。了解这些技术的目的在于建立与算法工程师的共通语言确保能够沟通项目需求同时具备管理AI项目进展、合理分配项目资源、把握和控制项目成本的能力。产品经理还需要有业务sense这其实就又回到了产品人的看家本领上。我们知道先阶段AI的局限性还非常大模型生成的内容不理想甚至错误的情况屡见不鲜。因此AI产品经理看技术更多的是从技术边界、成本等角度出发选择合适的技术方案来实现需求甚至用业务来补足技术的短板。AI Agent现阶段AI Agent的发展可谓是百花齐放甚至有人说Agent就是未来应用该有的样子所以这个LLM的重要分支必须要掌握。Agent中文名为“智能体”由控制端Brain、感知端Perception和行动端Action组成是一种能够在特定环境中自主行动、感知环境、做出决策并与其他Agent或人类进行交互的计算机程序或实体。简单来说就是给大模型这个大脑装上“记忆”、装上“手”和“脚”让它自动完成工作。Agent的核心特性自主性能够独立做出决策不依赖人类的直接控制。适应性能够根据环境的变化调整其行为。交互性能够与人类或其他系统进行有效沟通和交互。对于大模型开发工程师来说学习Agent更多的是理解它的设计理念和工作方式。零代码的大模型应用开发平台也有很多比如dify、coze拿来做一个小项目你就会发现其实并不难。AI 应用项目开发流程如果产品形态和开发模式都和过去不一样了那还画啥原型怎么排项目周期这将深刻影响产品经理这个岗位本身的价值构成所以每个AI产品经理都必须要了解它。看着都是新词其实接触起来也不难。从0到1的大模型系统学习籽料最近很多程序员朋友都已经学习或者准备学习 AI 大模型后台也经常会有小伙伴咨询学习路线和学习资料我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师吴文俊奖得主给大家准备了一份涵盖了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全系列的学习资料这些学习资料不仅深入浅出而且非常实用让大家系统而高效地掌握AI大模型的各个知识点。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】适学人群应届毕业生无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界。业务赋能突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型。AI大模型系统学习路线在面对AI大模型开发领域的复杂与深入精准学习显得尤为重要。一份系统的技术路线图不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点还能提供一条高效、有序的学习路径。基础篇包括了大模型的基本情况核心原理带你认识了解大模型提示词Transformer架构预训练、SFT、RLHF等一些基础概念用最易懂的方式带你入门AI大模型进阶篇你将掌握RAGLangchain、Agent的核心原理和应用学习如何微调大模型让大模型更适合自己的行业需求私有化部署大模型让自己的数据更加安全项目实战篇会手把手一步步带着大家练习企业级落地项目比如电商行业的智能客服、智能销售项目教育行业的智慧校园、智能辅导项目等等但知道是一回事做又是另一回事初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性在这基础上找到高质量的学习资源不浪费时间、不走弯路又是重中之重。AI大模型入门到实战的视频教程项目包看视频学习是一种高效、直观、灵活且富有吸引力的学习方式可以更直观地展示过程能有效提升学习兴趣和理解力是现在获取知识的重要途径光学理论是没用的要学会跟着一起敲要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。海量AI大模型必读的经典书籍PDF阅读AI大模型经典书籍可以帮助读者提高技术水平开拓视野掌握核心技术提高解决问题的能力同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说阅读经典书籍是非常有必要的。600AI大模型报告实时更新这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。AI大模型面试真题答案解析我们学习AI大模型必然是想找到高薪的工作下面这些面试题都是总结当前最新、最热、最高频的面试题并且每道题都有详细的答案面试前刷完这套面试题资料小小offer不在话下AI时代企业最需要的是既懂技术、又有实战经验的复合型人才**当前人工智能岗位需求多薪资高前景好。**在职场里选对赛道就能赢在起跑线。抓住AI这个风口相信下一个人生赢家就是你机会永远留给有准备的人。如何获取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】