本文主要是介绍大模型学习_zhipu_ai调用函数，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
ChatGLM 的函数调用功能可以增强模型推理效果或进行其他外部操作，包括信息检索、数据库操作、知识图谱搜索与推理、操作系统、触发外部操作等工具调用场景。
流程:
- 定义函数
- 与模型交互，触发模型对函数的调用
- 使用模型生成的结果调用外部函数
demo
from zhipuai import ZhipuAI
client = ZhipuAI(api_key="#") # 定义的函数
def get_weatcher(cityname):return "天津今天的天气为阴天,局部地区可能会有小雨"# 使用 Chat Completion 接口向模型描述外部函数
tools = [{"type": "function","function": {"name": "get_weatcher","description": "根据用户提供的地点信息,查询该地点当前的天气情况","parameters": {"type": "string","properties": {"cityname": {"type": "string","description": "城市名称,如:北京,天津",}, },"required": ["cityname"],},}}
]
#与模型交互，触发模型对函数的调用
response = client.chat.completions.create(model="glm-3-turbo",messages= [{"role": "user","content": "帮我查询一下天津今天的天气？"},{"role":"assistant","content":"好的，我可以帮你查询，请问你想要查询哪个城市的天气？"},{"role": "user","content": "天津"},],tools=tools,tool_choice="auto",
)# 返回结果
# 模型返回的内容中，有效的部分其实是关于 工具调用传参的部分
#(model='glm-3-turbo', created=1713071474, choices=[CompletionChoice(index=0, finish_reason='tool_calls', message=CompletionMessage(content=None, role='assistant', tool_calls=[CompletionMessageToolCall(id='call_8563695846623001693', function=Function(arguments='{"cityname":"天津"}', name='get_weatcher'), type='function')]))], request_id='8563695846623001693', id='8563695846623001693', usage=CompletionUsage(prompt_tokens=170, completion_tokens=23, total_tokens=193))# 定义一个解析和执行的函数
def extract_function_and_execute(llm_output, messages):name = llm_output.choices[0].message.tool_calls[0].function.nameparams = json.loads(llm_output.choices[0].message.tool_calls[0].function.arguments)function_to_call = globals().get(name)if not function_to_call:raise ValueError(f"Function '{name}' not found")messages.append({"role": "tool","content": str(function_to_call(**params))})return messagesprint(extract_function_and_execute(response,[]))#[{'role': 'tool', 'content': '天津今天的天气为阴天,局部地区可能会有小雨'}]定义函数
参考内容: https://open.bigmodel.cn/dev/howuse/functioncall
| 参数名称 | 类型 | 是否必填 | 参数说明 |
|---|---|---|---|
| type | String | 是 | 设置为function |
| function | Object | 是 | |
| name | String | 是 | 函数名称 |
| description | String | 是 | 用于描述函数功能。模型会根据这段描述决定函数调用方式。 |
| parameters | Object | 是 | parameters字段需要传入一个 Json Schema 对象，以准确地定义函数所接受的参数。若调用函数时不需要传入参数，省略该参数即可。样例： |
tools = [{"type": "function","function": {"name": "get_flight_number","description": "根据始发地、目的地和日期，查询对应日期的航班号","parameters": {"type": "object","properties": {"departure": {"description": "出发地","type": "string"},"destination": {"description": "目的地","type": "string"},"date": {"description": "日期","type": "string",}},"required": [ "departure", "destination", "date" ]},}},{"type": "function","function": {"name": "get_ticket_price","description": "查询某航班在某日的票价","parameters": {"type": "object","properties": {"flight_number": {"description": "航班号","type": "string"},"date": {"description": "日期","type": "string",}},"required": [ "flight_number", "date"]},}},
]
编写函数参数列表的 JSON 描述
为了准确定义函数的参数列表，在编写参数列表的 JSON Schema 时建议最少包含以下字段：
- description ：说明函数方法的用途。
- type ：定义 JSON 数据的数据类型约束。
- properties：一个Object，其中的每个属性代表要定义的 JSON 数据中的一个键。
- required：指定哪些属性在数据中必须被包含。
- enum：如果一个属性是枚举类型，则此字段应当设置为枚举值的数组。
函数调用选择
在 tools 参数中，如果填写了 functions 参数，则默认情况下模型将决定何时适合使用其中一个函数。 如果要控制模型如何选择函数调用，需要设置 tool_choice 参数。参数默认值为auto，
此时模型根据上下文信息自行选择是否返回函数调用。将其设置为 {“name”: “your_function_name”} 时，可以强制 API 返回特定函数的调用。还可以通过将 tool_choice 参数设置为 “none” 来强制 API 不返回任何函数的调用。
目前函数调用仅支持 auto 模式。
这篇关于大模型学习_zhipu_ai调用函数的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
