LogoLogo
註冊/登入
  • 使用者手冊
  • 技術人員手冊
  • API 文件
  • AI 助理市集
  • 歡迎來到 MaiAgent
  • 生成式 AI 快速入門
    • 大型語言模型(LLM)
    • RAG 知識庫檢索系統
    • Embedding 模型
    • Reranker 模型
    • Parser 解析工具
    • 圖像辨識支援
    • 部署環境規劃(雲端/地端)
    • GPU 算力硬體規劃
  • 進階生成式 AI 技術
    • Text to SQL
    • Function Calling
    • AI 安全防護機制
  • AI 助理模組
    • 角色指令
    • 知識庫
    • FAQ 常見問題管理
    • 回覆評估與監測結果
    • AWS Guardrails
  • API 串接
    • 快速上手
    • AI 助理列表
    • 對話與訊息回覆(串流/同步)
    • 建立對話與訊息
    • Webhook
    • 檔案上傳
    • 檔案上傳知識庫
    • 附件上傳
  • Line LIFF 串接
    • 什麼是 LINE LIFF
    • 如何串接
  • Remote MCP 串接
    • Remote MCP 服務概述
    • Composio 串接
  • 其他
    • Google Sheet 串接
    • n8n 串接
    • MaiAgent vs. Dify 比較
Powered by GitBook
On this page
  • 定義
  • Function Calling 的用途
  • 1. 即時資料擷取
  • 2. 業務流程自動化
  • 3. 複合任務代理
  • 常見應用
  • 總結

Was this helpful?

  1. 進階生成式 AI 技術

Function Calling

定義

Function Calling 是指 LLM 在推理過程中決定是否呼叫、要呼叫哪一個外部函式(tool),並以結構化格式輸出函式名稱與參數。執行函式本身由呼叫端程式負責,而非模型內部完成。

Function Calling 運作流程如下:

1

結構化指令輸出

LLM 透過自然語言與程式碼混合的 prompt,生成符合預先宣告 schema(通常為 JSON)的「函式名稱 + 參數」結構,本身並不執行函式。

2

模型內部決策

模型根據使用者意圖在多個可用函式(tools)間做選擇,判斷何時需要呼叫、傳入哪些參數。

3

迴圈式交互

後端程式收到 JSON、執行對應操作後,將結果附加回對話,模型再接續生成最終回答或進一步呼叫下一個函式。

Function Calling 讓 「語言模型決定要做什麼」 與 「程式實際去做」 形成閉環,把自然語言請求轉譯為可執行動作,再把回傳結果翻譯回人類語言。

Function Calling 的用途

1. 即時資料擷取

模型可在回答問題前自動呼叫天氣、股票或新聞 API,以最新數據作答,避免知識過時。

2. 業務流程自動化

在客服、電商情境,LLM 能根據對話情境呼叫訂單系統、CRM 或工單 API,完成查詢、退貨或工單建立。

3. 複合任務代理

多步驟任務(如「訂機票→訂飯店→排程」)可由代理調度多個函式,LLM 擔任決策與流程控制核心。

常見應用

類別
應用場景
特色

資訊檢索

AI 助理回答最新法規

保證內容時效性

自動化工作流程

電商客服自助查單、開工單

一問一答即可觸發後端流程

數據分析、視覺化

呼叫計算機、繪圖、統計 API

精準運算、視覺化

總結

Function Calling 把 LLM 從「純文本生成器」升級為「可行動代理」,透過標準化 JSON 介面把語言理解與具體執行連成一條龍;開發者只需聲明函式與參數,模型便能在對話中自動選函式、組裝參數並整合結果。隨著工具庫與安全機制日益成熟,Function Calling 正逐步滲透到客服、商務智能、軟體開發與 IoT 等領域,成為打造 AI Agent 不可或缺的關鍵拼圖。

PreviousText to SQLNextAI 安全防護機制

Last updated 5 days ago

Was this helpful?