OpenAI推出的函数调用(function calling)功能

OpenAI推出的函数调用(function calling)功能其实是一个巨大的创新。它面向开发者，技术性强，但所有从业者都应理解。

下面我们深入浅出地解释它的原理和能力。

从本质上讲，对于LLM的开发者，这就像是为ChatGPT加上了插件。这让工程师为大脑加上了手脚，增加了它可以做的事情。

后面有具体例子：

基本流程如下，形成一个循环：

开发者给LL发指令并提供工具列表（function)。

LLM返回如何执行工具和对应的参数。

根据LLM返回的工具和参数，在本地执行工具，获取执行结果。

利用这个结果重新组织指令，告知LLM这次的执行结果，再决定下次应该怎么执行和参数是什么 不断循环。

以“为本公司客户数量最多的城市预约一个可容纳1万人的大会议厅”（简称命令）为例，要完成这个任务，除了LLM，还需要三个工具：

：本公司的客户数据库

：搜索引擎，找到合适的会议厅

：预约会议厅的接口 接下来，我们看看开发者（简称）

如何配合LLM自动完成上述任务：

第一步 将命令告诉LLM，并通知LLM可以使用三个工具（1-3）。 LLM收到命令后，开始思考。首先，它需要解决的第一个问题是“本公司客户数量最多的城市是哪个”（简称1）。然后，它发现1中有客户数据库。接着，它根据数据库的模式，编写一段SQL查询语句，然后返回给，让执行这个查询。

第二步： 执行这个查询，获得结果，比如“深圳”。 然后，用命令再次调用LLM，除了告诉LLM有三个工具，还需要告诉LLM： 1. 根据LLM的建议使用了1和SQL 2. 使用1和SQL的查询结果是“深圳” 这就是命令2。

第三步： LLM收到命令2，它还是思考第一个问题1。然后它发现1 + SQL的结果已经得出，是深圳。 然后，它开始考虑第二个问题，“深圳有哪些可以容纳1万人的大会议厅”（2）。这时，它发现了2可以用来搜索。然后它返回给用户，请用“深圳一个1万人的大会议厅”进行搜索。

第四步： 根据LLM的提示使用2搜索“深圳1万人的大会议厅”，并获得结果。然后，再次调用LLM，使用，并告诉LLM： 1. 1+SQL “本公司客户最多的城市是深圳”，结果是“深圳” 2. 2+查询“深圳一个1万人的大会议厅”，结果是“南山希尔顿” 这就是命令3。

第五步： LLM收到命令3，它再次考虑第一个问题1和第二个问题2，并发现已经有了结果。 然后它思考第三个问题，“如何预约南山希尔顿大会议厅”（3），然后发现3（预约会议厅的接口）可以使用，它返回给，建议使用3预约南山希尔顿大会议厅。

第六步 根据LLM的建议，使用3预约了“南山希尔顿1万人的大会议厅”，并获得了预约结果。然后，再次调用LLM，使用，并告诉LLM更多信息： 1. 1+SQL “本公司客户最多的城市是深圳”，结果是“深圳” 2. 2+查询“深圳1万人的大会议厅”，结果是“南山希尔顿” 3. 3+预约，预约结果 这就是命令4

第七步： LLM收到命令4，它再次思考第一个问题1，第二个问题2和第三个问题3，发现所有问题都已经得到了解决。 于是，LLM返回一段正常的总结文本给，告诉它：“您公司客户最多的城市是深圳，深圳的南山希尔顿有一个可以容纳1万人的会议厅，已经为您预约了”。