大模型的Function Call是什么？

前言🔖

大模型本身只会 “生成文字”。

能调用 Skills / Tools / 函数，是模型被特殊训练 + 架构支持后的高级能力。

🔹1. 普通大模型：只会说话

输入文本 → 输出文本
不会主动去查文件、调接口、读数据库
不会用工具

🔹2.支持 Tool Call / Skill Call 的模型：

是专门训练过的，会：

理解你需要外部信息 / 工具
按固定格式输出：
- 工具名
- 参数
- 调用意图
等你把工具结果返回给它，它再整理成自然语言

这就叫：函数调用 / 工具调用 / Skill 调用能力。

函数调用 / 工具调用 / Skill 调用能力, 是Function Call吗?🔖

它们完全等价

Function Call = 函数调用
Tool Call = 工具调用
Skill 调用 = 技能调用

这三个名字，说的是同一种大模型能力。

为什么叫法不一样？

Function Call：最标准、最技术的叫法（OpenAI 最早用）
Tool Call：阿里云、通义、Qwen 官方喜欢叫 “工具调用”
Skill 调用：通义灵码、IDE 智能体里的产品化名字

本质：模型输出结构化参数 → 让代码去执行函数。

这就是 Function Call / Tool Call / Skill 调用 的标准输出：

{
  "name": "file_read",
  "parameters": {
    "file": "main.py"
  }
}

模型不直接读文件
模型只告诉你要读哪个文件
你的代码真正去执行

这就是 function call。

普通大模型不会理解你需要外部信息 / 工具吗？🔖

🔹1.普通大模型，真的不会 “理解你需要工具” 这件事。

不是它笨，是它的任务目标里根本没有 “调用工具” 这一项。

普通大模型在干嘛？

它只做一件事：根据上文，预测下一个最合理的字。

你问：

今天北京气温多少？

普通模型会：

瞎编一个温度
或者用训练数据里过时的知识回答
完全不会意识到：我需要查天气接口
因为它的训练目标里 ** 没有 “调用工具”** 这个概念。

🔹2.只有专门训练过的模型，才会：

我需要调用工具 → 输出结构化参数 → 等你执行 → 再回答

这个能力叫：

Function Call
Tool Call
Skill 调用

三者完全一样。

普通大模型：

只会 “编话”，不会 “调用工具”。它不知道世界上有外部工具、API、数据库、文件。

支持 Function Call 的大模型：

被专门教过：当你不知道、需要实时数据、需要操作时，要输出固定格式，让外部代码去执行。

会 Function Call的模型返回什么？🔖

会 Function Call（Tool Call）的模型，到底返回什么。

返回一段机器能看懂的结构化指令：

我要调用哪个工具 + 传什么参数

🔹普通大模型返回(人话)

你问：

帮我读一下 main.py 的内容

普通模型会瞎编 / 讲道理：

好的，main.py 一般是程序入口文件，里面通常会有...

🔹会 Function Call 的模型返回（机器指令）

它返回的是JSON 结构，不是人话：

{
  "name": "file_read",
  "parameters": {
    "file_path": "main.py"
  }
}

这就叫：

Function Call / Tool Call / 技能调用

你的代码读到这个 JSON，就会：

去读 main.py
把内容塞回给模型
模型再整理成人话给你

🔹再举一个灵码智能体的例子

你在灵码里说：

帮我修复当前文件的报错

灵码底层模型返回的就是：

{
  "name": "get_current_file",
  "parameters": {}
}

{
  "name": "code_diagnose",
  "parameters": {
    "error": "SyntaxError"
  }
}

VS Code 插件收到后，就真的去执行：

取当前文件
执行诊断
把结果还给模型

🔹最核心的一句话

普通模型：只返回文字

支持 Function Call 的模型：返回可执行的指令结构

工具名
参数
格式固定（JSON）

给普通大模型系统提示词告诉它返回调用工具也不行吗？🔖

可以写提示词让它返回工具格式，但 99% 没用、不稳定、不可靠
原因我一句话讲透：
提示词是教它 “怎么说”，不是教它 “真正会”。

你以为：

我写个超级强的 Prompt：然后普通模型就会乖乖按格式返回。

当你需要查文件时，返回 JSON：{"name":"file_read","parameters":{"file":"xxx"}}

现实是：

偶尔能对
经常格式错
经常参数漏
经常不该调用时乱调用
经常该调用时不调用
完全不可控、不可工程化

普通大模型没有被训练过「工具调用逻辑」，它只是在模仿格式，不是真理解。

专门训练过 Function Call 的模型

理解意图
知道该不该调用
知道调用哪个
知道参数怎么填
输出100% 标准结构
可工程化、可上线

为什么灵码智能体那么稳？

因为它用的是 Qwen 原生支持 Tool Call

不是靠 Prompt 硬掰
不是靠运气
是模型天生就会

Function Call 模型不是天生就会，而是通过多阶段专项训练，让模型学会 “判断是否调用、选哪个工具、输出标准 JSON、整合结果” 的完整能力。

Function Call 训练 = 让模型学会「自然语言 → 结构化工具指令」的映射，并稳定输出可解析的 JSON。

它不是 “理解工具”，而是学会一套严格的格式与决策规则。

支持function call 的大模型，是大模型直接调用了tool吗？🔖

不是！大模型 不会直接调用 tool

它只是告诉你：我要调用哪个工具、传什么参数。

🔹真正去调用工具、发请求、执行代码的，是你自己的业务代码。

你 → 大模型：问问题

大模型：不直接查、不直接算、不直接联网只输出一段结构化指令（function call）：

{
  "name": "get_weather",
  "parameters": { "city": "北京" }
}

你的代码：解析这段 JSON → 真的去调用天气接口

你的代码 → 再把结果传回大模型

大模型：整理自然语言回答你

🔹总结

大模型：只做决策，不执行调用
你的系统：负责真正执行 tool

所以：

支持 function call ≠ 模型自己会调用 tool
支持 function call = 模型会输出「让你去调用 tool」的指令

92IT

Just love IT.

大模型的Function Call是什么？