Đã bao giờ bị mắc kẹt nói chuyện với ai đó chỉ đơn giản là không nhận được những gì bạn đang yêu cầu? Giống như khi bạn nói với người bạn của bạn rằng bạn cần một chuyến đi đến sân bay lúc 6 giờ sáng, và họ bắt đầu nói với bạn về nhà hàng sân bay yêu thích của họ thay vào đó? Function Calling là gì? Gọi chức năng là khi một AI hiểu rằng nó cần phải sử dụng một công cụ hoặc dịch vụ bên ngoài để hoàn thành một nhiệm vụ.Nó giống như có một trợ lý thông minh không chỉ hiểu những gì bạn muốn mà còn biết khi nào để kéo điện thoại của họ ra để kiểm tra thời tiết, tìm kiếm hướng dẫn, hoặc gọi taxi. Về mặt kỹ thuật, chức năng gọi cho phép các mô hình AI xác định khi nào sử dụng các chức năng cụ thể, các thông số nào để truyền và làm thế nào để định dạng dữ liệu đúng cách - tất cả từ hướng dẫn ngôn ngữ tự nhiên. Lời bài hát: The Dark Ages: Before Function Calling Trước khi gọi chức năng, mọi thứ đều lộn xộn.Nếu bạn muốn một AI sử dụng các công cụ bên ngoài, bạn có hai lựa chọn không kém phần thất vọng: 
 
 
 
 
 Train the AI to generate exact API calls (which often went wrong) 
 
 Write complex code to parse AI responses and extract parameters Nó giống như cố gắng dạy ai đó một điệu nhảy bằng cách mô tả các động tác bằng lời thay vì hiển thị chúng.Bạn sẽ nói một cái gì đó như, "Tôi cần dữ liệu thời tiết cho New York" và AI sẽ trả lời bằng văn bản về thời tiết, không phải dữ liệu thực tế bạn cần. Tôi nhớ xây dựng một chatbot được cho là để đặt phòng nhà hàng. Nếu không có chức năng gọi, nó sẽ vui vẻ nói với người dùng, "Tôi đã đặt bàn của bạn!" mà không thực sự kết nối với bất kỳ hệ thống đặt phòng. Tại sao chức năng gọi vấn đề Chức năng gọi cầu nối khoảng cách giữa ngôn ngữ của con người và hệ thống máy tính. 
 
 
 
 
 
 It's more reliable - the AI structures data exactly as functions need it 
 
 It's more capable - an AI can access real-time data, control devices, or run calculations 
 
 It's more natural - users can make requests in plain language Hãy nghĩ về chức năng gọi là cho một AI quyền truy cập vào một hộp công cụ. Trước đây, nó chỉ có thể nói về búa. Bây giờ nó có thể chọn một và thực sự lái một chiếc móng tay. Một cách đơn giản để suy nghĩ về nó Hãy tưởng tượng bạn đang ở trong một quán cà phê.Khi bạn nói, "Tôi muốn một latte trung bình với sữa cừu," bạn về cơ bản là "chức năng gọi" barista. Chức năng này có thể trông như: make_coffee(size="medium", drink_type="latte", milk="oat")
 Barista biết rằng: 
 
 
 
 
 
 
 Identify the function needed (make a drink) 
 
 Extract the parameters (size, type, milk choice) 
 
 Execute the function (make the coffee) 
 
 Return the result (your drink) Nếu không có chức năng gọi, bạn sẽ nhận được một câu trả lời như: "Một latte trung bình với sữa bơ nghe có vẻ ngon!" nhưng không có cà phê thực sự. Hope you get the idea ! The Core Mechanics Behind Function Calling (Cơ chế cốt lõi đằng sau việc gọi chức năng) Ở trung tâm của nó, chức năng gọi hoạt động vì một số đổi mới kỹ thuật làm việc cùng nhau: 
 
 
 
 
 
 
 
 : When you define functions for an AI model to use, you provide a clear schema that includes the function name, description, and parameter specifications with their types and requirements. This JSON schema helps the model understand not just what the function does, but exactly what information it needs to execute properly. Structured Function Definitions 
 
 : The AI model analyzes user input to determine when a function should be called. Modern models like GPT-4 can recognize when a user's request could be satisfied by calling an external function, even when the user doesn't explicitly ask for it. Intent Recognition 
 
 : The model identifies and extracts relevant parameters from natural language, converting them into the structured format required by the function. For example, when someone asks about Microsoft stock, the model knows to extract "MSFT" as the ticker parameter. Parameter Extraction 
 
 : After a function executes, the model receives the result and incorporates it into a natural language response, creating a seamless experience for the user. Response Formatting 
 
 : The model maintains context throughout the conversation, allowing it to use previous function calls and responses to inform new function calls. Context Awareness ️ Scaffolding Code cho Function Calling Dưới đây là một mẫu bạn có thể sử dụng để bắt đầu với việc gọi chức năng bằng cách sử dụng API OpenAI: from openai import OpenAI
import json

# Initialize the client
client = OpenAI()

# Define your functions
functions = [
    {
        "type": "function",
        "function": {
            "name": "your_function_name",
            "description": "Description of what this function does",
            "parameters": {
                "type": "object",
                "properties": {
                    "param1": {
                        "type": "string",
                        "description": "Description of parameter 1"
                    },
                    "param2": {
                        "type": "integer",
                        "description": "Description of parameter 2"
                    }
                },
                "required": ["param1"]
            }
        }
    }
]

# Your actual implementation of the function
def your_function_name(param1, param2=None):
    # Your code here
    result = f"Did something with {param1}"
    if param2:
        result += f" and {param2}"
    return result

# Process messages and handle function calls
def process_with_function_calling(messages):
    # Get response from the model
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=messages,
        tools=functions,
        tool_choice="auto"
    )
    
    response_message = response.choices[0].message
    
    # Check if the model wants to call a function
    if response_message.tool_calls:
        # Append the model's response to messages
        messages.append(response_message)
        
        # Process each function call
        for tool_call in response_message.tool_calls:
            function_name = tool_call.function.name
            function_args = json.loads(tool_call.function.arguments)
            
            # Call the function
            if function_name == "your_function_name":
                function_response = your_function_name(
                    function_args.get("param1"),
                    function_args.get("param2")
                )
                
                # Append the function response to messages
                messages.append({
                    "role": "tool",
                    "tool_call_id": tool_call.id,
                    "name": function_name,
                    "content": function_response
                })
        
        # Get a new response from the model
        second_response = client.chat.completions.create(
            model="gpt-4o",
            messages=messages
        )
        
        return second_response.choices[0].message.content
    
    return response_message.content

# Example usage
messages = [{"role": "user", "content": "Your user query here"}]
result = process_with_function_calling(messages)
print(result)
 ☀️ Một ví dụ làm việc: Weather Checker Hãy thực hiện điều này với một chức năng kiểm tra thời tiết đơn giản bằng cách sử dụng Azure OpenAI: 

from openai import AzureOpenAI
import json
import requests


# Initialize the Azure OpenAI client
client = AzureOpenAI(
    api_key="your key",  
    api_version="2024-10-21",  # Make sure to use a version that supports function calling
    azure_endpoint="your endpoint"
)


# Define the weather function
weather_functions = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get current weather for a location",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "City name, e.g., 'San Francisco'"
                    },
                    "unit": {
                        "type": "string",
                        "enum": ["celsius", "fahrenheit"],
                        "description": "Temperature unit"
                    }
                },
                "required": ["location"]
            }
        }
    }
]

# Implement the weather function
def get_weather(location, unit="celsius"):
    # In a real app, you'd call a weather API here
    # This is a mock implementation
    weather_data = {
        "San Francisco": {"temp": 18, "condition": "Foggy"},
        "New York": {"temp": 22, "condition": "Partly Cloudy"},
        "London": {"temp": 15, "condition": "Rainy"},
        "Tokyo": {"temp": 24, "condition": "Sunny"}
    }
    
    # Get data for the location or return a default
    data = weather_data.get(location, {"temp": 20, "condition": "Unknown"})
    
    # Convert temperature if needed
    temp = data["temp"]
    if unit == "fahrenheit":
        temp = (temp * 9/5) + 32
    
    return f"It's currently {data['condition']} and {temp}°{'F' if unit == 'fahrenheit' else 'C'} in {location}."

# Process messages with weather function
def check_weather(user_query):
    messages = [{"role": "user", "content": user_query}]
    
    # Get response from the model
    response = client.chat.completions.create(
        model="gpt-4o-mini",  # The name you gave your deployment
        messages=[{"role": "user", "content": user_query}],
        tools=weather_functions,
        tool_choice="auto"
    )
    
    response_message = response.choices[0].message
    
    # Check if the model wants to call the weather function
    if response_message.tool_calls:
        # Append the model's response to messages
        messages.append(response_message)
        
        # Process each function call
        for tool_call in response_message.tool_calls:
            function_name = tool_call.function.name
            function_args = json.loads(tool_call.function.arguments)
            
            # Call the weather function
            if function_name == "get_weather":
                function_response = get_weather(
                    function_args.get("location"),
                    function_args.get("unit", "celsius")
                )
                
                # Append the function response to messages
                messages.append({
                    "role": "tool",
                    "tool_call_id": tool_call.id,
                    "name": function_name,
                    "content": function_response
                })
        
        # Get a new response from the model
        second_response = client.chat.completions.create(
            model="gpt-4o-mini",
            messages=messages
        )
        
        return second_response.choices[0].message.content
    
    return response_message.content

# Try it out
result = check_weather("What's the weather like in Tokyo right now?")
print(result)
 Khi bạn chạy mã này với truy vấn "Thời tiết ở Tokyo hiện tại như thế nào?", AI sẽ: 
 
 
 
 
 
 
 Recognize it needs weather data 
 
 Call the   function with "Tokyo" as the location get_weather 
 
 Receive the weather data 
 
 Generate a natural response with the information Thay vì đoán hoặc tạo ra thông tin thời tiết, nó cung cấp dữ liệu thực tế thông qua chức năng. ️ The Output: Chức năng thời tiết kêu gọi hành động Khi chúng tôi chạy ví dụ thời tiết của chúng tôi với truy vấn "Thời tiết như thế nào ở Tokyo ngay bây giờ?", sự kỳ diệu của chức năng gọi sinh động. mô hình đầu tiên nhận ra đây là một yêu cầu thời tiết và cấu trúc một cuộc gọi chức năng với các thông số: JSON được định dạng này được gửi đến chức năng, thu thập dữ liệu thời tiết giả mạo mà chúng tôi đã xác định: nhiệt độ 24°C và điều kiện "Sunny". hàm trả lời được định dạng: {"location": "Tokyo", "unit": "celsius"} get_weather Bạn muốn sử dụng OpenAI thay vì Azure OpenAI? Sự khác biệt chính giữa và   Thực hiện nằm trong Với OpenAI, bạn sử dụng client tiêu chuẩn với một khóa API trực tiếp, trong khi Azure OpenAI yêu cầu client cụ thể của nó cùng với các thông số bổ sung như và Khi thực hiện các cuộc gọi chức năng, OpenAI tham chiếu các mô hình bằng tên tiêu chuẩn của chúng, trong khi Azure OpenAI yêu cầu bạn sử dụng tên triển khai mà bạn đã tạo trong cổng thông tin Azure của mình. OpenAI Azure OpenAI how you initialize the client azure_endpoint api_version Đây là code so sánh: # Standard OpenAI implementation
from openai import OpenAI

# Initialize the client
client = OpenAI(
    api_key="your-openai-api-key"
)

# Make an API call
response = client.chat.completions.create(
    model="gpt-4o",  # Standard model name
    messages=[{"role": "user", "content": "What's the weather in Seattle?"}],
    tools=functions,
    tool_choice="auto"
)
 # Azure OpenAI implementation
from openai import AzureOpenAI

# Initialize the client - requires more parameters
client = AzureOpenAI(
    api_key="your-azure-openai-api-key",
    api_version="2023-07-01-preview",  # Azure-specific
    azure_endpoint="https://your-resource-name.openai.azure.com"  # Azure-specific
)

# Make an API call
response = client.chat.completions.create(
    model="your-deployed-model-name",  # The name you gave your deployment in Azure
    messages=[{"role": "user", "content": "What's the weather in Seattle?"}],
    tools=functions,
    tool_choice="auto"
)
 Thế giới mới của những cơ hội Cuộc gọi chức năng đã thay đổi mọi thứ. AI bây giờ có thể: 
 
 
 
 
 
 
 
 
 Book real appointments 
 
 Look up real-time data 
 
 Control smart home devices 
 
 Query databases 
 
 Process payments 
 
 And much more Đó là sự khác biệt giữa một AI có thể nói về thế giới và một người thực sự có thể tương tác với nó. Lần sau bạn yêu cầu một chatbot cho tin tức ngày hôm nay hoặc để bật đèn của bạn, hãy nhớ: đó là chức năng gọi là làm cho phép thuật xảy ra phía sau hậu trường. Tóm tắt Chức năng gọi cầu nối khoảng cách giữa ngôn ngữ của con người và hệ thống máy tính. Nó cho phép AI hiểu khi nào gọi các công cụ và dịch vụ bên ngoài bằng cách sử dụng dữ liệu được định dạng chính xác - cho dù bạn đang sử dụng OpenAI trực tiếp hay Dịch vụ OpenAI của Azure. Chúng tôi đã khám phá cách nó chuyển đổi AI từ người trả lời thụ động sang các tác nhân hoạt động có khả năng thực hiện các hành động cụ thể dựa trên yêu cầu ngôn ngữ tự nhiên.Cả hai nền tảng đều hỗ trợ khả năng mang tính cách mạng này, mặc dù chúng khác nhau về chi tiết triển khai, mô hình bảo mật và tích hợp hệ sinh thái. Nhìn về phía trước Sức mạnh thực sự của gọi chức năng không nằm ở những gì nó có thể làm ngày hôm nay, mà là những gì nó cho phép ngày mai.Khi nhiều hệ thống phơi bày các điểm cuối API và khi các tiêu chuẩn xác thực và bảo mật phát triển, chúng ta đang tiếp cận một thế giới nơi ngôn ngữ tự nhiên trở thành một giao diện phổ quát cho các hệ thống kỹ thuật số. Ý tưởng cuối cùng Cuộc cách mạng thực sự không chỉ là AI bây giờ có thể hành động - đó là rào cản giữa suy nghĩ và làm việc đang tan rã. cuộc gọi chức năng không chỉ là một tính năng kỹ thuật; đó là khoảnh khắc AI bước ra ngoài trang và vào thế giới, biến đổi từ người quan sát thành người tham gia.

This story contains new, firsthand information uncovered by the writer.

Books authored by me

Microsoft BUILD Session

PyCloud: Identifying defaulters using Machine Learning

Panel Discussion on Futuristic Technology and Possibilities

AI DEV DAYS: Integrating AI to Blockchain-Based Applications by Ritesh Modi

Understanding & Optimizing Dockerfiles by Ritesh Modi at Bangalore Container Conference 2017

Read My Stories

Nghe bài viết này bằng Tiếng Anh, đọc bởi robot thông minh của HackerNoon

dài quá đọc không nổi

Make resilience your competitive advantage

Mệt mỏi với Chatbots bị hỏng? nâng cấp AI này sửa chữa mọi thứ

About Author

BÌNH LUẬN

chuyên mục

BÀI VIẾT NÀY CŨNG CÓ MẶT TẠI

Related Stories

240 Stories To Learn About Astounding Stories

72 Stories To Learn About The Essays Of Adam Smith

189 Stories To Learn About Reading Books

85 Stories To Learn About Productivity Hacks

240 Stories To Learn About Astounding Stories

72 Stories To Learn About The Essays Of Adam Smith

189 Stories To Learn About Reading Books

85 Stories To Learn About Productivity Hacks

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps