系列篇章💥
| No. | 文章 |
|---|---|
| 01 | 【DeepSeek应用实践】DeepSeek接入Word、WPS方法详解：无需代码，轻松实现智能办公助手功能 |
| 02 | 【DeepSeek应用实践】通义灵码 + DeepSeek：AI 编程助手的实战指南 |
| 03 | 【DeepSeek应用实践】Cline集成DeepSeek：开源AI编程助手，终端与Web开发的超强助力 |
| 04 | 【DeepSeek开发入门】DeepSeek API 开发初体验 |
| 05 | 【DeepSeek开发入门】DeepSeek API高级开发指南（推理与多轮对话机器人实践） |
| 06 | 【DeepSeek开发入门】Function Calling 函数功能应用实战指南 |
| 07 | 【DeepSeek部署实战】DeepSeek-R1-Distill-Qwen-7B：本地部署与API服务快速上手 |
| 08 | 【DeepSeek部署实战】DeepSeek-R1-Distill-Qwen-7B：Web聊天机器人部署指南 |
| 09 | 【DeepSeek部署实战】DeepSeek-R1-Distill-Qwen-7B：基于vLLM 搭建高性能推理服务器 |
| 10 | 【DeepSeek部署实战】基于Ollama快速部署DeepSeek-R1系列模型实战指南（Linux） |
| 11 | 【DeepSeek部署实战】基于Ollama+Chatbox零成本部署DeepSeek-R1系列模型攻略（Windows） |
| 12 | 【DeepSeek开发实战】DeepSeek-R1-Distill-Qwen与LangChain的本地大模型应用开发指南 |
目录
前言
在人工智能开发领域，DeepSeek 以其丰富的功能和强大的性能备受关注。其中，Function Calling（函数调用）功能为开发者提供了一种全新的交互方式，使得模型能够与外部工具和函数进行交互，极大地拓展了模型的应用能力。本文将深入探讨 DeepSeek Function Calling 的原理、使用方法、应用场景以及开发过程中的注意事项。
一、Function Calling 功能概述
（一）功能原理
Function Calling 允许模型根据用户的输入，判断是否需要调用外部函数来完成任务。模型通过对用户问题的理解，识别出需要借助特定函数解决的部分，然后生成调用函数的指令。这些函数可以是自定义的工具函数，也可以是调用第三方 API 的函数。例如，当用户询问 “明天北京的天气如何”，模型识别到这是一个获取天气信息的任务，就可以调用相应的天气查询函数来获取数据并回答用户。
（二）与传统对话的区别
与传统的对话模型不同，Function Calling 打破了模型只能基于自身知识进行回答的限制。传统对话模型主要依赖预训练的知识来生成回复，而 Function Calling 使得模型能够动态地调用外部工具，获取最新的信息和执行特定的任务，从而提供更准确、更实用的回答。
二、Function Calling使用方法详解
（一）定义业务函数
在使用 Function Calling 之前，开发者需要定义可供模型调用的函数。这些函数需要有清晰的定义，包括函数名、参数列表和功能描述。例如，定义一个获取城市天气的函数：
def get_weather(city):
"""
获取指定城市的天气信息
:param city: 城市名称
:return: 包含天气状况和温度的字典
"""
# 这里是实际获取天气数据的代码，例如调用天气API
weather_data = {
"condition": "sunny",
"temperature": "25°C"
}
return weather_data
（二）初始化大模型客户端
导入相关的依赖包，并初始化大模型客户端
import json
from openai import OpenAI
client = OpenAI(api_key="sk-47a1288c898f43ecbb41864bf8f85a8a", base_url="https://api.deepseek.com")
（三）定义tools工具函数
# 定义tools工具函数
tools = [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "获取指定城市的天气信息",
"parameters": {
"type": "object",
"properties": {
"city": {
"type": "string",
"description": "城市名称"
}
},
"required": ["city"]
}
}
}
]
（四）第一次调用大模型API
在调用 DeepSeek API 时，需要在请求体中包含tools参数，用于指定模型可以调用的函数列表。同时，tool_choice参数可以控制模型调用工具的行为，取值包括none（不调用任何工具，直接生成消息）、auto（模型可选择生成消息或调用工具）、required（模型必须调用工具）。
# 定义消息
messages = [
{"role": "user", "content": "明天北京的天气如何"}
]
# 第1次大模型调用（查看是否有匹配到工具函数）
response = client.chat.completions.create(
model="deepseek-chat",
messages=messages,
tools=tools,
tool_choice="auto"
)
# 查看第一次调用后返回的消息（检查大模型是否有找到函数信息）
reply = response.choices[0].message
messages.append(reply)
print(reply)
返回结果如下：
（五）调用真正的业务函数
function_args = json.loads(reply.tool_calls[0].function.arguments) # 确保转换为字典
result = get_weather(**function_args) #真正调用，手动执行获取天气信息的方法
print(result)
打印如下：
{'condition': 'sunny', 'temperature': '25°C'}
（六）第二次调用大模型API
第2次大模型调用；将获取到的结果，丢给大模型帮忙整理后再输出给用户。
示例代码如下：
# messages.append({"role": "tool", "name": function_name, "content": str(result)})
tool_call_id = reply.tool_calls[0].id
#print("tool_call_id",tool_call_id)
messages.append({"role": "tool", "tool_call_id": tool_call_id, "content": str(result)})
second_response = client.chat.completions.create(
model="deepseek-chat",
messages=messages
)
print(second_response.choices[0].message.content)
模型整理后返回如下：
明天北京的天气预计是晴天，气温大约在25°C左右。记得做好防晒措施哦！
三、Function Calling实战（天气查询自能助手完整代码）
基于function calling自助查询天气，完整代码如下：
# 1、导入依赖&初始化大模型客户端
import json
from openai import OpenAI
client = OpenAI(api_key="sk-47a1288c898f43ecbb41864bf8f85a8a", base_url="https://api.deepseek.com")
# 2、定义消息
messages = [
{"role": "user", "content": "明天北京的天气如何"}
]
# 3、定义tools工具函数
tools = [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "获取指定城市的天气信息",
"parameters": {
"type": "object",
"properties": {
"city": {
"type": "string",
"description": "城市名称"
}
},
"required": ["city"]
}
}
}
]
# 第1次大模型调用（查看是否有匹配到工具函数）
response = client.chat.completions.create(
model="deepseek-chat",
messages=messages,
tools=tools,
tool_choice="auto"
)
# 查看第一次调用后返回的消息（检查大模型是否有找到函数信息）
reply = response.choices[0].message
print(reply)
messages.append(reply)
if reply.tool_calls:
#function_name = reply.tool_calls[0].function.name
#function_args = reply.tool_calls[0].function.arguments
function_args = json.loads(reply.tool_calls[0].function.arguments) # 确保转换为字典
result = get_weather(**function_args) #真正调用，手动执行获取天气信息的方法
print(result)
# 第2次大模型调用（将获取到的结果，丢给大模型帮忙整理后再输出给用户）
# messages.append({"role": "tool", "name": function_name, "content": str(result)})
tool_call_id = reply.tool_calls[0].id
#print("tool_call_id",tool_call_id)
messages.append({"role": "tool", "tool_call_id": tool_call_id, "content": str(result)})
second_response = client.chat.completions.create(
model="deepseek-chat",
messages=messages
)
print(second_response.choices[0].message.content)
else:
print(reply.message.content)
四、Function Calling应用场景
（一）智能助手
在智能助手应用中，Function Calling 可以使助手调用各种工具函数，如查询日历、发送邮件、设置提醒等。例如，用户说 “帮我明天下午三点设置一个会议提醒”，智能助手可以调用设置提醒的函数来完成任务。
（二）数据分析
在数据分析场景下，模型可以调用数据分析函数，如数据清洗、统计分析、数据可视化等。当用户询问 “对这个销售数据进行一下统计分析”，模型可以调用相应的数据分析函数，并将分析结果以可视化的方式呈现给用户。
（三）电商购物
在电商购物平台中，Function Calling 可以帮助用户查询商品信息、下单购买、跟踪物流等。用户说 “我想购买一部苹果手机”，模型可以调用商品查询和下单函数，完成购物流程。
五、Function Calling开发注意事项
（一）函数定义规范
定义函数时，要确保函数的描述清晰准确，参数定义明确。不规范的函数定义可能导致模型错误地调用函数，或者无法正确解析函数的返回结果。
（二）安全问题
在调用外部函数和 API 时，要注意安全问题，防止数据泄露和恶意攻击。例如，对用户输入进行严格的验证和过滤，避免 SQL 注入和其他安全漏洞。
（三）性能优化
过多的函数调用可能会影响性能，特别是在调用第三方 API 时，可能会面临网络延迟等问题。开发者需要合理设计函数调用策略，优化性能，例如缓存常用的函数调用结果。
总结
通过本文的介绍，我们深入了解了 DeepSeek Function Calling 的原理、使用方法、应用场景以及开发注意事项。Function Calling 为开发者提供了强大的工具，使得模型能够与外部世界进行更紧密的交互。在未来的开发中，我们可以进一步探索 Function Calling 与其他技术的结合，如与知识图谱、物联网设备的集成，拓展其应用边界。同时，随着模型和工具的不断发展，Function Calling 的性能和安全性也将得到进一步提升，为我们带来更多的创新和惊喜。让我们期待在 DeepSeek Function Calling 的助力下，创造出更加智能、高效的应用。
🎯🔖更多专栏系列文章：AI大模型提示工程完全指南、AI大模型探索之路（零基础入门）、AI大模型预训练微调进阶、AI大模型开源精选实践、AI大模型RAG应用探索实践🔥🔥🔥 其他专栏可以查看博客主页📑
😎 作者介绍：资深程序老猿，从业10年+、互联网系统架构师，目前专注于AIGC的探索（CSDN博客之星|AIGC领域优质创作者）
📖专属社群：欢迎关注【小兵的AI视界】公众号或扫描下方👇二维码，回复‘入群’ 即刻上车，获取邀请链接。
💘领取三大专属福利：1️⃣免费赠送AI+编程📚500本，2️⃣AI技术教程副业资料1套，3️⃣DeepSeek资料教程1套🔥（限前500人）
如果文章内容对您有所触动，别忘了点赞、⭐关注，收藏！加入我们，一起携手同行AI的探索之旅，开启智能时代的大门！
扫一扫
365
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
