【AI大模型学习路线】第三阶段之RAG与LangChain——第十三章（理解Function Calling）如何使用 Function Calling 且保证鲁棒性？

【AI大模型学习路线】第三阶段之RAG与LangChain——第十三章（理解Function Calling）如何使用 Function Calling 且保证鲁棒性？

【AI大模型学习路线】第三阶段之RAG与LangChain——第十三章（理解Function Calling）如何使用 Function Calling 且保证鲁棒性？

---

---

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

---

前言

• 在 LangChain 中使用 Function Calling（函数调用）时，确保鲁棒性（robustness）是构建可靠智能应用的关键。
• 特别是在大模型广泛应用于 RAG、Agent、问答系统的背景下，函数调用不仅要正确、结构化，还必须容错、健壮。

✅ 一、什么是 LangChain 中的 Function Calling？

LangChain 支持通过 tools、function、Runnable 模式将外部函数注册到 LLM 调用链中，让大模型“调用”你的函数来完成任务。这背后的机制依赖于：

• LLM 的原生 function_call 支持（如 OpenAI 的 GPT-4）
• LangChain 的函数封装（Tool, StructuredTool）
• 参数结构约束（使用 Pydantic）

二、鲁棒性的核心挑战

问题	描述
参数结构不匹配	LLM 输出的参数字段缺失或类型错误
多函数选择歧义	多工具注册时，LLM无法准确选择目标函数
JSON 结构无效	LLM输出无法被解析为合法结构
多轮对话混乱	用户意图改变但上下文未更新

三、核心策略：保证鲁棒性

✅ 1. 使用 @tool + Pydantic 限定函数结构

from langchain.tools import tool
from pydantic import BaseModel

class RectangleInput(BaseModel):
    length: float
    width: float

@tool(args_schema=RectangleInput)
def calculate_area(length: float, width: float) -> str:
    """计算矩形面积"""
    return f"The area is {length * width}"

✅ 2. 封装工具：注册到 Agent

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

tools = [calculate_area]
llm = ChatOpenAI(model="gpt-4", temperature=0)

agent = initialize_agent(
    tools=tools,
    llm=llm,
    agent=AgentType.OPENAI_FUNCTIONS,
    verbose=True
)

✅ 3. 启用日志与容错（try/except + logging）

import logging
logging.basicConfig(level=logging.INFO)

try:
    result = agent.run("帮我计算一个长是10，宽是5的矩形面积")
    print("✅ Agent 返回结果：", result)
except Exception as e:
    logging.error("❌ Agent 执行失败：%s", e)

四、添加自定义校验 + 回退机制（鲁棒处理）

示例：加入 NDVI 函数、加入回退提示

class NDVIInput(BaseModel):
    nir: float
    red: float

@tool(args_schema=NDVIInput)
def calculate_ndvi(nir: float, red: float) -> str:
    if red + nir == 0:
        return "Error: NIR + RED 不能为 0"
    ndvi = (nir - red) / (nir + red)
    return f"NDVI is {ndvi:.2f}"

五、结合 RAG + Function Calling 的鲁棒应用架构（进阶）

                ┌──────────────┐
                │  用户提问     │
                └─────┬────────┘
                      ▼
            ┌────────────────────┐
            │ LLM + Prompt 模型   │
            └─────┬────┬─────────┘
                  ▼    ▼
       ┌─────────────┐  ┌────────────┐
       │ RAG 检索模块 │  │ Tool 调用模块 │ ← @tool + schema
       └─────────────┘  └────────────┘
                  ▼           ▼
              文档补全    JSON结构输出 → 调用Python函数
                  ▼           ▼
               合并最终回答（Agent输出）

✅ 六、总结：LangChain 中 Function Calling 的鲁棒建议

建议	说明
✅ 使用 args_schema=BaseModel	自动生成 schema，限制结构
✅ AgentType 选用 OPENAI_FUNCTIONS	原生支持 function_call 模式
✅ 增加日志与 try-except	防止执行错误或未捕获异常
✅ 明确函数说明与输入限制	减少模型选择错误
✅ 使用多函数组合 + fallback（回退）逻辑	提高多任务处理能力