Applications
Function Calling

使用LLMs进行函数调用

函数调用入门

函数调用是可靠地将LLMs连接到外部工具的能力，以实现有效的工具使用和与外部API的交互。

像GPT-4和GPT-3.5这样的LLMs已经经过微调，能够检测何时需要调用函数，然后输出包含调用函数参数的JSON。通过函数调用调用的函数将作为您AI应用程序中的工具，您可以在单个请求中定义多个函数。

函数调用是构建基于LLM的聊天机器人或代理的重要能力，这些机器人或代理需要通过将自然语言转换为API调用来检索LLM的上下文或与外部工具交互。

功能调用使开发者能够创建：

  • 能够有效使用外部工具来回答问题的对话代理。例如，查询“伯利兹的天气如何？”将被转换为函数调用，如get_current_weather(location: string, unit: 'celsius' | 'fahrenheit')
  • LLM驱动的解决方案，用于提取和标记数据（例如，从维基百科文章中提取人名）
  • 可以帮助将自然语言转换为API调用或有效数据库查询的应用程序
  • 与知识库交互的对话式知识检索引擎

在本指南中，我们演示了如何提示像GPT-4和开源模型这样的模型来执行不同用例的函数调用。

使用GPT-4进行函数调用

作为一个基本示例，假设我们要求模型检查给定位置的天气。

单独的LLM无法响应此请求，因为它是在一个具有截止点的数据集上训练的。解决这个问题的方法是将LLM与外部工具结合使用。您可以利用模型的函数调用功能来确定要调用的外部函数及其参数，然后让它返回最终响应。以下是一个简单的示例，展示了如何使用OpenAI API实现这一点。

假设用户向模型提出以下问题：

What is the weather like in London?

要使用函数调用来处理此请求，第一步是定义一个天气函数或一组函数，这些函数将作为OpenAI API请求的一部分传递：

tools = [
    {
        "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 and state, e.g. San Francisco, CA",
                    },
                    "unit": {
                        "type": "string", 
                        "enum": ["celsius", "fahrenheit"]},
                },
                "required": ["location"],
            },
        },   
    }
]

get_current_weather 函数返回给定位置的当前天气。当你将此函数定义作为请求的一部分传递时，它实际上并不执行函数，而是返回一个包含调用函数所需参数的 JSON 对象。以下是一些如何实现此功能的代码片段。

您可以按如下方式定义一个完成函数：

def get_completion(messages, model="gpt-3.5-turbo-1106", temperature=0, max_tokens=300, tools=None):
    response = openai.chat.completions.create(
        model=model,
        messages=messages,
        temperature=temperature,
        max_tokens=max_tokens,
        tools=tools
    )
    return response.choices[0].message

这是你可以如何组织用户问题的方式：

messages = [
    {
        "role": "user",
        "content": "What is the weather like in London?"
    }
]

最后，你可以调用上面的 get_completion 并传递 messages 和 tools：

response = get_completion(messages, tools=tools)

response 对象包含以下内容：

ChatCompletionMessage(content=None, role='assistant', function_call=None, tool_calls=[ChatCompletionMessageToolCall(id='...', function=Function(arguments='{"location":"London","unit":"celsius"}', name='get_current_weather'), type='function')])

特别是，arguments对象包含了模型提取的重要参数，这些参数将用于完成请求。

然后，您可以选择调用外部天气API来获取实际天气情况。一旦您获得了天气信息，您可以将其传递回模型，以根据原始用户问题总结出最终响应。

笔记本

这里是一个简单的示例笔记本，展示了如何使用OpenAI API进行函数调用：

Function Calling with OpenAI APIs

使用开源LLMs进行函数调用

关于使用开源LLMs进行函数调用的更多说明即将发布。

函数调用用例

以下是可以从LLMs的函数调用能力中受益的用例列表：

  • 对话代理: 函数调用可用于创建复杂的对话代理或聊天机器人，这些代理通过调用外部API或外部知识库来回答复杂问题，并提供更相关和有用的响应。

  • 自然语言理解：它可以将自然语言转换为结构化的JSON数据，从文本中提取结构化数据，并执行诸如命名实体识别、情感分析和关键词提取等任务。

  • 数学问题解决: 函数调用可用于定义自定义函数，以解决需要多个步骤和不同类型高级计算的复杂数学问题。

  • API集成：它可以有效地将LLMs与外部API集成，以获取数据或根据输入执行操作。这对于构建问答系统或创意助手可能很有帮助。通常，函数调用可以将自然语言转换为有效的API调用。

  • 信息提取: 函数调用可以有效地用于从给定输入中提取特定信息，例如从文章中检索相关新闻报道或参考文献。

参考文献

Fine-tuning GPT-4oContext Caching with LLMs