【AI大模型学习路线】第三阶段之RAG与LangChain——第十三章（理解Function Calling）Function Calling（函数调用）详解，附代码？

【AI大模型学习路线】第三阶段之RAG与LangChain——第十三章（理解Function Calling）Function Calling（函数调用）详解，附代码？

【AI大模型学习路线】第三阶段之RAG与LangChain——第十三章（理解Function Calling）Function Calling（函数调用）详解，附代码？

---

---

欢迎宝子们点赞、关注、收藏！欢迎宝子们批评指正！
祝所有的硕博生都能遇到好的导师！好的审稿人！好的同门！顺利毕业！

大多数高校硕博生毕业要求需要参加学术会议，发表EI或者SCI检索的学术论文会议论文。详细信息可关注VX “学术会议小灵通”或参考学术信息专栏：https://fighting.blog.csdn.net/article/details/146994798

---

一、什么是Function Calling？

• Function Calling 是指让大语言模型（LLM）根据用户的自然语言请求，自动判断并调用一个或多个函数，返回结构化结果。
• 与传统聊天式回答不同，Function Calling使得LLM具备“调用工具”的能力，标志着模型从“文本生成器”向“智能代理（AI Agents）”转变，是现代RAG系统和LangChain框架的关键能力。

二、大模型发展背景与Function Calling的出现

随着GPT-4、Claude、Gemini等大模型的涌现，单靠模型记忆生成答案的方式已经难以满足需求。于是：

• RAG机制被引入，让模型能“先检索再生成”。
• Function Calling进一步扩展模型能力，使其可以：
  （1）自动调用天气、金融、数据库等外部API；
  （2）集成搜索、计算、翻译等功能；
  （3）作为Agent组成复杂推理链条（例如LangChain Agent）。

这种能力支持了大模型更深入的应用于问答系统、自动办公、智能决策等场景。

三、Function Calling 示例与Python代码实操

• 我们以下使用 OpenAI API 和 LangChain 框架来演示Function Calling。

安装依赖（如未安装）：

pip install openai langchain

示例：模型自动调用天气查询函数

1. 定义函数元数据（告诉模型能用什么函数）

functions = [
    {
        "name": "get_weather",
        "description": "Get the weather of a given city",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {
                    "type": "string",
                    "description": "Name of the city, like Beijing or New York"
                }
            },
            "required": ["city"]
        }
    }
]

2. 模拟函数行为（实际应用中你需要连接真实API）

def get_weather(city):
    return f"The weather in {city} is sunny and 25°C."

3. 使用OpenAI模型处理用户请求

from openai import OpenAI

client = OpenAI()

user_query = "What's the weather like in Shanghai?"

response = client.chat.completions.create(
    model="gpt-4",
    messages=[{"role": "user", "content": user_query}],
    functions=functions,
    function_call="auto"  # 让模型自动判断是否调用函数
)

# 判断是否调用函数
message = response.choices[0].message

if message.function_call:
    # 提取参数
    import json
    func_name = message.function_call.name
    arguments = json.loads(message.function_call.arguments)

    # 调用函数
    if func_name == "get_weather":
        result = get_weather(arguments["city"])

    print("Function result:", result)
else:
    print("Model response:", message.content)

四、LangChain 中的 Function Calling（工具链模式）

• 在LangChain中，函数调用称为Tool，可与Agent一起使用：

from langchain.agents import initialize_agent, Tool
from langchain.chat_models import ChatOpenAI

llm = ChatOpenAI(model="gpt-4")

# 定义一个工具
def get_weather_tool(city):
    return f"{city} is rainy today."

tools = [
    Tool(
        name="get_weather",
        func=get_weather_tool,
        description="Use this tool to get the current weather of a city"
    )
]

agent = initialize_agent(tools, llm, agent="chat-zero-shot-react-description", verbose=True)

agent.run("What's the weather like in Paris?")

五、发展前景

Function Calling 不仅让大模型能“说话”，还能动手干活，是实现以下技术路线的基础：

• RAG 2.0：检索 + 工具调用组合推理；
• 多智能体协作系统（Multi-Agent System）；
• ‍ 自动办公系统（AutoGPT / AgentGPT）；
• 企业级智能问答平台（如结合知识图谱、ERP）。

✅ 六、小结

项目	内容
本质	让大模型调用结构化函数响应用户意图
应用	API调用、信息检索、数据处理等
框架	OpenAI API / LangChain / LlamaIndex 等
优势	实现模型“生成+行动”，是AI代理的基础