📖 本章预览
本章为预览版本，展示部分核心内容。完整内容包含详细源码解析、实战代码和面试要点，加入知识星球即可解锁全部章节。
第13章 Function Calling：让 AI 不只会说，还会做
13.1 为什么需要 Function Calling
LLM 有一个致命缺陷：它只会"说"，不会"做"。你问它"北京今天天气怎么样"，它只能根据训练数据瞎猜，不能真的去查天气 API。你问它"帮我下个订单"，它只能告诉你怎么下，不能真的帮你下。
Function Calling 解决的就是这个问题：让 LLM 能够调用外部函数/API，从"只会说"变成"能说能做"。
13.1.1 核心原理
传统方式（开发者硬编码意图识别）：
用户："查下北京天气" → if(包含"天气") → 调用天气API → 返回结果
问题：每加一个功能就要写一堆 if-else，无法处理模糊表达
Function Calling 方式（LLM 自动识别意图）：
用户："查下北京天气" → LLM 自动判断需要调用 getWeather → 自动生成参数 {"city":"北京"}
→ 框架执行函数 → 结果回传 LLM → LLM 生成自然语言回答
关键理解：LLM 不直接执行函数。它做的是两件事：
- 决定调用哪个函数（从你注册的函数列表中选）
- 生成函数参数（根据用户输入提取参数，输出 JSON）
真正执行函数的是框架（Spring AI），执行完后把结果喂回给 LLM，LLM 再基于结果生成最终回答。
13.1.2 完整执行流程
┌──────────┐ ①用户提问 ┌──────────┐
│ 用户 │ ──────────────→ │ Spring AI │
└──────────┘ └────┬─────┘
│ ②附带函数描述（JSON Schema）发给 LLM
▼
┌──────────┐
│ LLM │
└────┬─────┘
│ ③返回 tool_calls:
│ [{name:"getWeather", args:{"city":"北京"}}]
▼
┌──────────┐
│ Spring AI│ ④从注册表找到函数，反序列化参数，执行
└────┬─────┘
│ ⑤函数返回：{"temperature":28,"description":"晴"}
▼
┌──────────┐
│ LLM │ ⑥基于函数结果生成自然语言回答
└────┬─────┘
│ ⑦"北京今天晴，气温28°C，适合出行。"
▼
┌──────────┐
│ 用户 │
└──────────┘
注意第②步：Spring AI 会把你注册的函数自动转成 JSON Schema 描述发给 LLM，告诉它"你有这些工具可以用"。LLM 看到描述后自己决定要不要用、用哪个。
13.1.3 深入理解：LLM 到底是怎么"调用函数"的
很多人对 Function Calling 有一个误解：以为 LLM 真的"执行"了函数。实际上 LLM 什么都没执行，它只是生成了一段特殊格式的 JSON。
本质：Function Calling 是一种"结构化输出"的特殊形式。
普通对话时，LLM 输出自然语言文本：
"北京今天天气晴，气温28度。"
Function Calling 时，LLM 输出的是 JSON：
{"name": "getWeather", "arguments": {"city": "北京"}}
LLM 并不知道 getWeather 函数的代码是什么，它只是根据你给的函数描述（JSON Schema），
判断"用户的问题需要调用这个函数"，然后按照 Schema 格式生成参数。
这就像你给一个人一份菜单（函数列表），他看了菜单后说"我要点宫保鸡丁"（选择函数+参数），
但他不会做菜——做菜的是厨房（你的应用代码）。
底层 HTTP 协议层面发生了什么（以 DashScope 为例）：
第一次请求（用户问题 + 函数描述）：
POST /api/v1/services/aigc/text-generation/generation
{
"messages": [
{"role": "user", "content": "北京天气怎么样"}
],
"tools": [
{
"type": "function",
"function": {
"name": "getWeather",
"description": "根据城市名称查询当前天气信息",
"parameters": {
"type": "object",
"properties": {
"city": {"type": "string", "description": "城市名称"}
},
"required": ["city"]
}
}
🔒 解锁完整内容
本章剩余内容需要解锁后查看
以上仅为本章部分预览内容，完整内容包含更多深度源码解析、实战代码和面试要点。
加入知识星球你将获得：
- ✅ 全部 26 章完整内容 + 持续更新
- ✅ 配套源码 + 实战项目
- ✅ 一对一答疑 + 面试辅导
- ✅ 简历优化 + 内推机会
📚 本章完整目录
以下为本章完整目录结构，加入知识星球即可解锁全部内容。