当前位置：首页 > article >正文

如何用Function Calling解锁OpenAI的「真实世界」交互能力？（附Node.js 实战）

article 2025/3/19 7:23:46

一、Function Calling：大模型的「手脚延伸器」

1.1 核心定义

Function Calling是OpenAI在2023年6月13日推出的革命性功能（对应模型版本gpt-3.5-turbo-0613和gpt-4-0613），允许开发者通过自然语言指令触发预定义函数，实现大模型与现实世界系统的交互。如同给语言模型安装「手脚」，使其不仅能思考，还能执行具体操作。

openai官方说明：https://platform.openai.com/docs/guides/function-calling?api-mode=chat#page-top

1.2 诞生背景

在传统AI应用中存在两大痛点：

数据时效性：模型无法获取训练数据之外的实时信息（如天气、股票等）
输出不可控：非结构化文本输出难以集成到业务系统，需要复杂的格式校验

典型场景如用户问「查最近的未读邮件」，模型需要调用邮件系统API才能响应。Function Calling通过结构化参数传递和动态函数匹配，完美解决这些问题。

二、Function Calling开发指南

2.1 配置参数详解

在ChatCompletion API中新增两个核心参数：

参数	类型	说明
`functions`	Array	函数描述数组（支持多个函数声明）
`function_call`	String/Object	调用模式控制：`auto`（自动）、`none`（禁用）、`{name: "函数名"}`（强制调用）

函数描述标准结构

{
  "name": "get_current_weather",
  "description": "获取指定位置的当前天气",
  "parameters": {
    "type": "object",
    "properties": {
      "location": {
        "type": "string",
        "description": "城市名称，如：北京"
      },
      "unit": {
        "type": "string",
        "enum": ["celsius", "fahrenheit"]
      }
    },
    "required": ["location"]
  }
}

参数设计要点：

使用JSON Schema规范
参数描述需清晰易懂（直接影响模型参数生成准确率）
建议开启strict:true强制参数校验

三、底层原理与实战演练

3.1 工作原理

意图识别：模型解析用户query语义
函数匹配：比对预定义函数库选择最适配的function
参数生成：输出符合JSON Schema的参数结构
执行回调：开发者代码执行真实业务逻辑
结果整合：将函数执行结果反馈给模型生成最终回复

3.2 Node.js 实战：智能天气助手

const OpenAI = require('openai');

const openai = new OpenAI(
  {
    apiKey: "",
    baseURL: "https://dashscope.aliyuncs.com/compatible-mode/v1"
  }
);

const functions = [
  {
    name: "getCurrentWeather",
    description: "获取指定城市的当前天气",
    parameters: {
      type: "object",
      properties: {
        location: {
          type: "string",
          description: "城市名称，例如：北京"
        },
        unit: {
          type: "string",
          enum: ["celsius", "fahrenheit"],
          description: "温度单位"
        }
      },
      required: ["location"]
    }
  }
];

const getCurrentWeather = (location, unit) => {
  return {
    temperature: 22,
    unit: unit || "celsius",
    description: "晴天，微风",
    location: location
  };
};

async function llm(callback, messages) {
  //console.log(messages)
  const completion = await openai.chat.completions.create({
    model: "qwen-turbo", // 此处以qwen-plus为例，可按需更换模型名称。模型列表：https://help.aliyun.com/zh/model-studio/getting-started/models
    //model: "qwen-plus",
    messages,
    stream: true,
    result_format: "message",
    incremental_output: true,
    functions,       // 传入函数描述 
    function_call: "auto" // 可选值：auto/none/{name: '函数名'}
  });
  let functionArgs = '', functionName = '';
  for await (const chunk of completion) {
    if (chunk.choices[0].finish_reason === "stop") {
      console.log("结束")
    }

    let functionCall = chunk.choices[0].delta.function_call
    if (functionCall?.name) {
      functionName = functionCall.name;
    }
    if (functionCall?.arguments) {
      functionArgs += functionCall.arguments;
    }
    if (chunk.choices[0].delta.content, chunk.choices[0].finish_reason === "function_call") {
      console.log(functionArgs)
      const parsedArgs = JSON.parse(functionArgs);
      const weatherResult = getCurrentWeather(parsedArgs.location, parsedArgs.unit);
      console.log(JSON.stringify(weatherResult))
      messages.push({
        role: "assistant",
        content: null,
        function_call: {
          name: functionName,
          arguments: functionArgs,
        },
      });
      messages.push({
        role: "function",
        name: functionName,
        content: JSON.stringify(weatherResult)
      })
      llm(callback, messages)
      return
    }


    callback(chunk.choices[0].delta.content, chunk.choices[0].finish_reason === "stop")
  }
}

module.exports = { llm };

关键点说明：