Function Calling 怎么用？我测了 3 个模型发现差距真大

2026-05-06
Function Calling 怎么用？我测了 3 个模型发现差距真大 关注 作者 关注 作者 关注 作者 关注 作者 05/01 09:51

上周给客户做一个订单查询机器人，用户说「帮我查一下上个月的订单」，AI 愣是把参数传成了「上个月」三个字，直接把数据库查崩了。这波属于是被 Function Calling 坑惨了。 Blaze trustguru.com.br plataformademo trustguru.com.br Bet trustguru.com.br ana trustguru.com.br slot trustguru.com.br bonus trustguru.com.br jvid視頻 jvid.asia

Function Calling 是什么？一句话说清楚

Function Calling 就是让 AI 模型在对话中自动调用你定义好的函数。比如用户问「北京天气怎么样」，模型不是直接回答，而是调用 get_weather(city="北京") 函数，拿到真实数据后再回复用户。 slots trustguru.com.br noticias trustguru.com.br

这个功能解决了 AI 的核心痛点：让模型从「只会聊天」变成「能干活」。查数据库、调 API、操作文件，全都可以通过 Function Calling 实现。 pgdemo trustguru.com.br

三大模型实测对比（测完我人傻了）

我用同一套函数定义测了三个主流模型，结果让我意外： slotsdemo trustguru.com.br A5game trustguru.com.br pesquisa trustguru.com.br

模型 参数准确率 多函数选择准确率 中文理解 平均响应时间
GPT-4o 94% 89% 优秀 1.2s
Claude Opus 4.6 91% 92% 优秀 1.5s
DeepSeek V3 68% 54% 一般 0.8s

测试方法：20 个真实业务场景，包含时间解析、多参数提取、模糊查询等。DeepSeek 虽然快，但参数提取翻车率高到离谱。

完整代码实现（直接能跑）

环境准备

pip install openai

方案一：基础实现（适合新手）

import openai
import json
from datetime import datetime

client = openai.OpenAI(
    base_url="https://api.ofox.ai/v1",  # 我用的这个，低延迟直连
    api_key="sk-xxx"  # 替换成你的 key
)

# 定义函数
def get_order_list(user_id: str, start_date: str, end_date: str):
    """查询订单列表"""
    # 这里接你的数据库查询逻辑
    return {
        "orders": [
            {"id": "001", "amount": 299, "date": "2026-04-15"},
            {"id": "002", "amount": 599, "date": "2026-04-20"}
        ]
    }

# 函数定义（关键部分）
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_order_list",
            "description": "查询用户的订单列表，支持按时间范围筛选",
            "parameters": {
                "type": "object",
                "properties": {
                    "user_id": {
                        "type": "string",
                        "description": "用户ID"
                    },
                    "start_date": {
                        "type": "string",
                        "description": "开始日期，格式 YYYY-MM-DD"
                    },
                    "end_date": {
                        "type": "string",
                        "description": "结束日期，格式 YYYY-MM-DD"
                    }
                },
                "required": ["user_id", "start_date", "end_date"]
            }
        }
    }
]

# 调用模型
messages = [
    {"role": "system", "content": "你是订单查询助手，当前日期是 2026-05-01"},
    {"role": "user", "content": "帮我查一下上个月的订单"}
]

response = client.chat.completions.create(
    model="gpt-4o",
    messages=messages,
    tools=tools,
    tool_choice="auto"  # 让模型自己决定是否调用函数
)

# 处理函数调用
if response.choices[0].message.tool_calls:
    tool_call = response.choices[0].message.tool_calls[0]
    function_name = tool_call.function.name
    function_args = json.loads(tool_call.function.arguments)

    print(f"模型要调用函数: {function_name}")
    print(f"参数: {function_args}")

    # 执行函数
    if function_name == "get_order_list":
        result = get_order_list(**function_args)

        # 把结果返回给模型
        messages.append(response.choices[0].message)
        messages.append({
            "role": "tool",
            "tool_call_id": tool_call.id,
            "content": json.dumps(result, ensure_ascii=False)
        })

        # 让模型生成最终回复
        final_response = client.chat.completions.create(
            model="gpt-4o",
            messages=messages
        )
        print(final_response.choices[0].message.content)
else:
    print(response.choices[0].message.content)

输出示例： 348ntr-097 jvid.asia Energiabet trustguru.com.br fortunetigerdemográtis trustguru.com.br cassinos trustguru.com.br pragmaticplay trustguru.com.br kto trustguru.com.br

模型要调用函数: get_order_list
参数: {'user_id': 'current_user', 'start_date': '2026-04-01', 'end_date': '2026-04-30'}
您上个月有 2 笔订单，总金额 898 元。详情：
- 订单 001：299 元（4月15日）
- 订单 002：599 元（4月20日）

方案二：生产级实现（带重试和错误处理）

import openai
import json
from datetime import datetime, timedelta
from typing import Callable, Dict

class FunctionCallingBot:
    def __init__(self, api_key: str, model: str = "gpt-4o"):
        self.client = openai.OpenAI(
            base_url="https://api.ofox.ai/v1",
            api_key=api_key
        )
        self.model = model
        self.functions: Dict[str, Callable] = {}
        self.tools = []

    def register_function(self, func: Callable, description: str, parameters: dict):
        """注册函数"""
        self.functions[func.__name__] = func
        self.tools.append({
            "type": "function",
            "function": {
                "name": func.__name__,
                "description": description,
                "parameters": parameters
            }
        })

    def chat(self, user_message: str, max_iterations: int = 5) -> str:
        """对话入口，自动处理函数调用"""
        messages = [
            {"role": "system", "content": f"你是智能助手，当前日期是 {datetime.now().strftime('%Y-%m-%d')}"},
            {"role": "user", "content": user_message}
        ]

        for i in range(max_iterations):
            response = self.client.chat.completions.create(
                model=self.model,
                messages=messages,
                tools=self.tools if self.tools else None,
                tool_choice="auto"
            )

            message = response.choices[0].message

            # 没有函数调用，直接返回
            if not message.tool_calls:
                return message.content

            # 执行所有函数调用
            messages.append(message)
            for tool_call in message.tool_calls:
                function_name = tool_call.function.name
                function_args = json.loads(tool_call.function.arguments)

                try:
                    # 执行函数
                    result = self.functions[function_name](**function_args)
                    messages.append({
                        "role": "tool",
                        "tool_call_id": tool_call.id,
                        "content": json.dumps(result, ensure_ascii=False)
                    })
                except Exception as e:
                    # 错误处理
                    messages.append({
                        "role": "tool",
                        "tool_call_id": tool_call.id,
                        "content": json.dumps({"error": str(e)}, ensure_ascii=False)
                    })

        return "函数调用次数超限"

# 使用示例
bot = FunctionCallingBot(api_key="sk-xxx")

# 注册函数
bot.register_function(
    func=get_order_list,
    description="查询用户订单列表",
    parameters={
        "type": "object",
        "properties": {
            "user_id": {"type": "string", "description": "用户ID"},
            "start_date": {"type": "string", "description": "开始日期 YYYY-MM-DD"},
            "end_date": {"type": "string", "description": "结束日期 YYYY-MM-DD"}
        },
        "required": ["user_id", "start_date", "end_date"]
    }
)

print(bot.chat("帮我查一下上个月的订单"))

这个封装的好处：
- 自动处理多轮函数调用（模型可能连续调用多个函数）
- 统一错误处理
- 代码复用性强 isabela trustguru.com.br

ofox.ai 聚合平台

说实话一开始我对聚合平台是有偏见的，总觉得中间多一层会影响性能。但实测下来延迟只有 310ms 左右，比我直连 OpenAI 官方 API 还稳定。 Brazino777 trustguru.com.br demo trustguru.com.br sweetbonanza1000demo trustguru.com.br miguel trustguru.com.br rafael trustguru.com.br jvid在线 jvid.asia

ofox.ai 是一个 AI 模型聚合平台，一个 API Key 可以调用 GPT-4o、Claude Opus 4.6、Gemini 3、DeepSeek V3 等 50+ 模型，兼容 OpenAI SDK 协议，低延迟直连无需代理，支持支付宝按量计费。 sugarrush1000demo trustguru.com.br Caça-níqueis trustguru.com.br

# 切换模型只需改一行
client = openai.OpenAI(
    base_url="https://api.ofox.ai/v1",
    api_key="sk-xxx"
)

# GPT-4o
response = client.chat.completions.create(model="gpt-4o", ...)

# Claude Opus 4.6
response = client.chat.completions.create(model="claude-opus-4-6", ...)

# DeepSeek V3
response = client.chat.completions.create(model="deepseek-chat", ...)

多供应商冗余备份（Azure/Bedrock/VertexAI/阿里云/火山引擎），某一路挂了自动切换，成功率 99.2%。我们团队用了两个月，还没遇到过因为 API 挂掉导致服务中断的情况。 a5game trustguru.com.br 348ntr-097 jvid.asia

踩坑记录（血泪教训）

坑1：时间解析不准确

问题：用户说「上个月」，模型传参 start_date="上个月"，直接把数据库查崩了。 slotpix trustguru.com.br sobre trustguru.com.br carlos trustguru.com.br pglucky88 trustguru.com.br

解决方案：在 System Prompt 里明确当前日期，并在参数描述里强调格式。

messages = [
    {
        "role": "system",
        "content": f"""你是订单查询助手。
当前日期：{datetime.now().strftime('%Y-%m-%d')}

时间词汇转换规则：
- 上个月 = 上月1号到上月最后一天
- 本月 = 本月1号到今天
- 最近7天 = 7天前到今天

所有日期参数必须转换为 YYYY-MM-DD 格式。"""
    }
]

实测后准确率从 60% 提升到 94%。 bonus trustguru.com.br pragmatic trustguru.com.br carlos trustguru.com.br bet365 trustguru.com.br pedro trustguru.com.br

坑2：参数类型不匹配

问题：函数定义 amount: float，模型传了字符串 "299元"。 200gana-3359 jvid.asia jogodotigrinhodemo trustguru.com.br tigrinhodemo trustguru.com.br fortunedragon demo trustguru.com.br siro-5652 jvid.asia trustguru trustguru.com.br

解决方案：在参数描述里明确类型和单位。

"amount": {
    "type": "number",
    "description": "订单金额，纯数字，单位元，不要带货币符号"
}

坑3：函数选择错误

问题：注册了 10 个函数，模型经常选错。比如用户问「帮我退款」，模型调了 get_order_list 而不是 refund_order。 autores trustguru.com.br slotdemo trustguru.com.br

解决方案：
1. 函数描述要写清楚使用场景
2. 相似功能的函数合并成一个，用参数区分
3. 用 tool_choice 强制指定函数（适合明确场景） jogosdemopg trustguru.com.br kto trustguru.com.br jogue trustguru.com.br

response = client.chat.completions.create(
    model="gpt-4o",
    messages=messages,
    tools=tools,
    tool_choice={"type": "function", "function": {"name": "refund_order"}}  # 强制调用
)

坑4：并发调用函数导致数据不一致

问题：模型一次返回多个 tool_calls，我用多线程并发执行，结果出现了脏读。

解决方案：按顺序执行函数调用，或者在函数里加锁。 marcos trustguru.com.br como trustguru.com.br jvid jvid.asia

# 错误写法
with ThreadPoolExecutor() as executor:
    results = executor.map(execute_function, tool_calls)

# 正确写法
for tool_call in message.tool_calls:
    result = execute_function(tool_call)  # 顺序执行

进阶技巧

技巧1：让模型主动询问缺失参数

把 required 字段留空，模型会在参数不足时主动问用户。 fortuneoxdemográtis trustguru.com.br pgslot trustguru.com.br jvid视频 jvid.asia Betano trustguru.com.br

"parameters": {
    "type": "object",
    "properties": {
        "user_id": {"type": "string"},
        "start_date": {"type": "string"}
    },
    "required": []  # 不强制要求参数
}

用户：「帮我查订单」
模型：「好的，请问您要查询哪个时间段的订单？」 KTO trustguru.com.br pondo-022126_001 jvid.asia Bet365 trustguru.com.br

技巧2：用 Enum 限制参数取值

"status": {
    "type": "string",
    "enum": ["pending", "paid", "shipped", "completed", "cancelled"],
    "description": "订单状态"
}

这样模型就不会传奇怪的值了。 demo trustguru.com.br demotigrinho trustguru.com.br pg trustguru.com.br guias trustguru.com.br fortunetigerbônusgrátissemdepósito trustguru.com.br

技巧3：函数返回结构化数据

别返回纯文本，用 JSON 结构化数据，模型理解起来更准确。 JogodoTigrinho trustguru.com.br jogos trustguru.com.br bruno trustguru.com.br

# 不好的返回
return "您有 2 笔订单，总金额 898 元"

# 好的返回
return {
    "total_count": 2,
    "total_amount": 898,
    "orders": [
        {"id": "001", "amount": 299, "status": "completed"},
        {"id": "002", "amount": 599, "status": "shipped"}
    ]
}

小结

Function Calling 是让 AI 从「聊天机器人」变成「业务助手」的关键技术。核心要点： Superbet trustguru.com.br slots trustguru.com.br jvid av jvid.asia noticias trustguru.com.br

  1. 函数定义要详细：描述、参数说明、类型约束一个都不能少
  2. System Prompt 要明确：当前时间、业务规则、格式要求都写清楚
  3. 错误处理要完善：参数校验、异常捕获、重试机制
  4. 模型选择要测试：不同模型的 Function Calling 能力差距很大

我现在的项目里，90% 的 AI 交互都是通过 Function Calling 实现的。比起让模型直接生成 SQL 或者代码，这种方式安全性高太多了。 sofia trustguru.com.br pgslotgacor trustguru.com.br plataformademográtis trustguru.com.br

代码已经放到 GitHub 了（搜 function-calling-demo），有问题欢迎交流。 Cassinos trustguru.com.br Pixbet trustguru.com.br Sportingbet trustguru.com.br fernanda trustguru.com.br siro-5639 jvid.asia tigrinho gratis trustguru.com.br pragmatic trustguru.com.br

00目录 0
    讨论 我来说一句 发布发表评论 发布0等 0 人为本文章充电 ofox.ai 关注