首页
AI / 大模型
  • 智能体 Agent
  • 大模型工程
  • 模型原理
  • AI 应用
  • 检索增强 RAG
大数据
  • Flink
  • Kafka
  • ClickHouse
  • Hive
  • ZooKeeper
  • Hadoop
运维部署
  • 网站部署
  • 后端与工程
项目管理 关于本站
峰的个人知识库 菜单
  1. 首页
  2. AI / 大模型
    1. 智能体 Agent
    2. 大模型工程
    3. 模型原理
    4. AI 应用
    5. 检索增强 RAG
  3. 大数据
    1. Flink
    2. Kafka
    3. ClickHouse
    4. Hive
    5. ZooKeeper
    6. Hadoop
  4. 运维部署
    1. 网站部署
    2. 后端与工程
  5. 项目管理
  6. 关于本站
快捷操作
登录

Function Calling
大模型工程 2026.01.08
阅读 1 评论 0 点赞 0

Function Calling

Function Calling是大模型API的原生能力,开发者在代码中定义函数名和参数Schema,模型自主判断是否调用并输出合规参数JSON,实现与外部工具交互。工作机制分为五步:定义Schema、模型决策、输出JSON、本地执行、结果回传。与MCP相比,FC与项目代码耦合,MCP通过Client-Server架构实现解耦与可迁移。与RAG区别在于:FC执行动作/查动态数据,RAG检索静态知识。FC也是一种结构化输出方式,可强制约束格式减少幻觉。工程上需分层校验参数幻觉,区分可重试与不可重试错误;安全上模型仅建议权,高危工具需人工确认,入参按不可信输入处理;性能上支持并行调用、缓存只读工具、流式提前触发;架构上简单工具用原生FC,跨项目复用能力封装MCP Server以避免维护问题。

#Function Calling#工具调用
DATA · LLM · DEVOPS DATA · LLM · DEVOPS DATA · LLM · DEVOPS DATA · LLM · DEVOPS
F Archive

沉淀后端底层、大数据工程与大模型落地实践,结构化归档技术学习笔记。

导航

  • 首页
  • AI / 大模型
  • 大数据
  • 运维部署
  • 项目管理
  • 关于本站

© 2026 峰的个人知识库. 保留所有权利.

用 ♥ 与氢气构建

Built with Theme 氢·简 CMS Halo