面试题 · Agent
搜索「工具选择」匹配到口述回答，相关段落已展开。查看匹配内容 ↓
请详细解释大语言模型中tool calling机制的工作原理、实现方式以及在实际应用中的价值。
本质：让LLM学会"什么时候该用工具、用什么工具、传什么参数"，突破纯文本生成的能力边界。
按学习路线查看教程、项目和面试题。
| 方案 | 特点 | 适用场景 |
|---|---|---|
| Prompt-based | 工具描述写入system prompt，靠模型遵循指令输出固定格式 | 快速验证、轻量场景 |
| Native Fine-tuned | 模型专门训练识别<tool_call>等特殊token，输出更稳定 | 生产环境（GPT-4、Claude等） |
| ReAct模式 | Thought → Action → Observation循环，可多步推理 | 复杂多跳任务 |
实际落地时，建议从1-2个高频工具开始，监控调用成功率，再逐步扩展工具库。
场景切入
假设你做一个智能客服，用户问“帮我查下天气”，然后又说“再帮我定个闹钟”。你怎么让模型知道第一个请求要调用天气API，第二个要调用闹钟工具？而且参数怎么传？
层层追问
大模型在对话中如果要做个计算或者查个数据库，你一般怎么让它调用外部工具？……那模型怎么知道该调哪个工具？……参数怎么保证格式正确？……如果工具调用失败了怎么办？
直球架构
详细讲讲大模型tool calling的整体流程：从用户输入到工具执行再到最终回复，你怎么做工具注册、意图识别、参数生成和结果回填？实现方式有哪些？实际落地中会遇到什么挑战？
这道题其实问的是，我们怎么让大模型突破纯文本生成的天花板，去操作外部系统。我理解它的核心就是让模型学会判断“什么时候该用工具、用哪个工具、参数怎么填”，然后拿到结果再回给用户。
具体说一下工作流，分四步。第一步是工具注册，就是提前把每个工具的接口定义成一份 schema，包括名称、描述、参数格式，比如 JSON Schema。第二步是意图识别，模型根据用户的问题判断要不要调工具。第三步是参数生成，模型按 schema 输出结构化的参数。第四步是执行和回填，外部系统跑完工具，结果拿回来，模型再生成最终回复。
实现方式上，主要有三种。Prompt-based 最简单，把工具描述塞进 system prompt，靠模型遵循指令输出固定格式，适合快速验证。Native Fine-tuned 是专门训练模型识别特殊 token，像 GPT-4 和 Claude 用的就是这种，输出更稳定。还有一种 [[ReAct]] 模式，Thought 到 Action 到 Observation 循环，适合复杂多跳任务。实际落地时，我一般会把 Prompt-based 和 ReAct 结合起来用：简单工具靠 prompt 搞定，复杂场景走 ReAct 做多步推理。
这里有个坑，就是参数合法性。模型生成的参数可能不符合 schema，比如类型不对、缺字段。所以我会用 JSON Schema 加采样约束，比如 outlines 库，在生成时就限制输出格式。另外错误处理也很关键，工具调用可能超时或失败，我会设计 fallback 逻辑，要么重试一次，要么告诉用户暂时查不到。还有一个常见场景是并行调用，模型一次想查天气和股价，我会在 prompt 里明确支持同时输出多个 tool call。
讲个真实业务场景。比如电商客服系统，用户问“帮我查一下订单 12345 的物流状态，顺便看看这个商品现在有没有优惠”。模型需要同时调订单查询和价格查询两个工具。如果只靠 prompt 去推，很容易参数搞错，比如把订单号传给价格接口。所以我会在 schema 里把参数校验写严，并且让模型先确认订单号格式再传参。如果调用失败，比如物流接口超时，我就 fallback 到返回已知的部分信息，而不是直接报错。
所以我的判断是，tool calling 落地的前提是工具 schema 设计得足够清晰，而且要有完善的错误处理。常见失败场景是工具太多、描述模糊，模型选错工具或参数乱填。上线我会特别关注调用成功率和参数合法率，低的话就调整描述或加 few-shot 示例。
还有一种更激进的玩法，就是让模型自己决定要不要组合多个工具，比如先查天气再推荐穿搭。这个就涉及到 [[Toolformer]] 那类自监督训练的思路，模型学会在文本里插入工具调用 token。但它的风险是可能会滥用工具，推理成本也高，我目前更倾向用 ReAct 加人工设计的工具链。
整体上，我更倾向把 tool calling 看成模型能力的扩展，而不是替代。它擅长解决实时信息获取和精确计算这类问题，但前提是工具接口稳定、schema 设计合理。如果这两点不满足，模型再强也容易翻车。