function call 举个例子

使用 Function Calling 的提示词模板与 OpenAI 示例详解

一、Function Calling 简介

Function Calling 是指大模型在理解用户意图后，自动调用一个或多个预定义的函数，并传入合适的参数。这使得模型不再是“只输出文本”，而是能与外部系统联动，执行真实操作。

例如：

• 用户问：“北京明天天气怎么样？”
• 模型识别出需要调用 get_weather 函数，并传入 city="北京" 和 date="明天"

---

二、提示词模板的作用

提示词模板是 Function Calling 的基础配置文件。

它告诉模型：

• 它扮演的角色（Role）
• 可用的工具（Tools）
• 调用规则（Calling Rules）
• 输出格式（Response Format）

✅ 作用总结：

角色	说明
Role	明确职责边界（如“你是一个天气助手”）
Tools	告知可用函数及其参数
Rules	控制何时调用函数
Output Format	控制返回结果形式

---

三、使用 OpenAI 实现 Function Calling 的 Python 示例

以下是一个完整的示例，展示如何构造提示词模板 + 定义函数 schema + 调用 OpenAI API 并处理响应。

📦 步骤概览：

1. 构造完整的 Prompt（含角色、工具、调用规则）
2. 定义 get_weather 函数的 Schema
3. 发起请求并解析是否调用了函数
4. 如果调用成功，模拟执行函数并返回结果

---

💻 完整代码示例（Python + OpenAI）

import openai

# 设置 OpenAI API Key
openai.api_key = "YOUR_OPENAI_API_KEY"

# 模拟的天气查询函数
def get_weather(city: str, date: str = "明天") -> str:
    weather_data = {
        "北京": {"今天": "22℃，多云", "明天": "23℃，晴"},
        "上海": {"今天": "28℃，小雨", "明天": "29℃，阴"}
    }
    return f"{city}{date}天气：{weather_data.get(city, {}).get(date, '无数据')}"

# 构造提示词模板
def build_prompt(user_query):
    template = """
# 角色  
你是天气助手，仅回答与天气相关的问题。  

# 可用工具  
- **get_weather**:  
  - 描述: 查询城市天气预报。  
  - 参数:  
    - `city` (字符串，必需): 用户指定的城市，如“上海”。  
    - `date` (字符串，可选): 日期（格式：今天/明天/YYYY-MM-DD），默认明天。  

# 调用规则  
1. 仅当用户明确询问天气时调用工具。  
2. 若用户未说明城市，回复：“请问您想查询哪个城市？”  
3. 工具返回结果后，整理为自然语言回复（如“上海明天25℃，晴”）

【用户输入】
"""
    return template.strip() + "\n" + user_query.strip()

# 定义函数 Schema（OpenAI 所需的 JSON 格式）
tool_schema = {
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "查询城市天气预报。",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "要查询的城市名称"},
                "date": {"type": "string", "description": "查询日期，默认明天"}
            },
            "required": ["city"]
        }
    }
}

# 调用 OpenAI 并处理响应
def call_openai_with_function(prompt):
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo-1106",
        messages=[{"role": "user", "content": prompt}],
        functions=[tool_schema],
        function_call="auto"
    )

    message = response.choices[0].message

    if hasattr(message, 'function_call'):
        # 解析调用的函数和参数
        func_name = message.function_call.name
        args = eval(message.function_call.arguments)
        print("调用函数：", func_name)
        print("参数：", args)

        # 模拟调用函数
        result = get_weather(**args)
        return result
    else:
        # 直接返回模型的回答
        return message.content

# 主流程测试
if __name__ == "__main__":
    user_input = "北京天气怎么样？"
    prompt = build_prompt(user_input)
    response = call_openai_with_function(prompt)
    print("最终回复：", response)

---

四、运行结果示例

假设用户输入为：

深色版本

北京天气怎么样？

程序输出可能如下：

深色版本

调用函数： get_weather
参数： {'city': '北京', 'date': '明天'}
最终回复： 北京明天天气：23℃，晴

---

五、总结

内容	说明
✅ 提示词模板	是 Function Calling 的核心，决定了模型的行为逻辑
✅ Function Calling 流程	包括构建 prompt、定义 schema、调用 API、解析 tool_call
✅ OpenAI 支持	通过 functions 和 function_call 字段实现
✅ 本地调试函数	可模拟真实接口行为，便于开发测试