函数调用

Function Calling（Tool Use）是大模型调用外部工具的标准化机制，开发者预先声明工具名称、描述和参数Schema，模型自主判断何时调用

Agent工作流的经典范式是规划层与执行层分离，规划层负责理解目标、分解任务、生成执行计划，执行层由专用工具或较小模型负责实际操作

Function Calling的核心机制是开发者以JSON Schema格式描述外部函数签名，模型输出符合schema规范的结构化JSON调用指令

AI原生架构将大语言模型或专用模型置于决策核心，数据层、逻辑层和执行层均围绕AI的上下文理解能力重新设计，无法通过渐进式升级实现

Agentic工作流的本质是顺序推理循环：制定计划、选择工具、执行调用、验证输出、失败时重试，这天然拉高了延迟。

工具调用的底层依赖函数签名描述（Function Schema），模型在推理时决定是否触发调用、传入参数，由宿主程序执行并将结果回注上下文

当前业界在探索的技能描述格式包括Anthropic提出的Skills规范、OpenAI的函数调用与工具定义，以及各类代理框架中的工作流节点。

第一周需要搞懂三件事：大模型的基本原理、提示词编写方法、函数调用（Function Calling）的调用方式。

语音代理连接外部工具和知识库通常依赖函数调用（function calling）或工具调用机制，知识库问答常采用检索增强生成（RAG）。

约束解码和函数调用能在解码阶段限制可选token，但仍属于生成范式，输出的是文本而非可直接使用的概率分布。

智能体的行动能力依赖于大语言模型的推理与函数调用（function calling）机制。

模型输出的工具调用请求和它的自然语言回复是两条独立的生成流，二者不共享强一致性约束，因此“言行不一”在架构上有可能发生。

函数调用使模型发出结构化调用，明确指名工具与参数，系统可以验证并可靠执行该结构。

小模型对函数调用的支持可能不完整或效果较差，且仍可能出现枚举值偏差。

接口漂移指工具描述文本、参数模式或候选工具列表在部署后发生变化，导致模型函数调用失败，即使底层语义不变。

第二步是让模型调用工具，从三类常见工具链入手：检索、函数调用、代码执行或接口调用。

函数调用是模型在对话中主动发起结构化请求、由外部系统执行并回传结果的机制；Google Search grounding 本质上是一种由平台内置的函数调用。

函数调用方式依赖提供商实现，不同平台的行为可能有差异。

结构化输出的常见实现方式包括提供函数调用接口、约束解码或后处理解析加校验。

工具调用的契约漂移（如工具从返回纯文本变成返回 JSON、schema 增加必填字段）通常不会直接报错指向根因，而表现为模型反复解析失败、输出乱码或重试