02｜特训套路：Function Calling和ReAct如何让大模型更加智能？
邢云阳
你好，我是邢云阳。
上节课，我们学习了 DeepSeek 如何开通与使用，不知道你是不是已经尝试了它的官方对话模式呢？
不过经常使用 AI 的同学可能会发现，即便 DeepSeek 这样大模型里的佼佼者，也不是万能的。有很多内容其实它是回答不了的。特别是一些垂直领域的知识或实时性比较高的知识。比如我们想做一个天气问答助手，直接调用大模型是不行的：
这时我们就需要想办法让大模型具备与外界进行交互的能力。比如大模型要是能调用高德天气的 API 获取实时天气，就可以解决问题。基于此，行业龙头 OpenAI 为我们提供了解决方案，那就是 Function Calling 机制。该机制可以让大模型审时度势地调用由人类提供的外部工具，从而解决上述问题。
我在《AI 重塑云原生应用开发实战》课程的第一讲详细讲解过 Function Calling 机制，想了解的同学可以点击链接进行查看，由于那一门课程的编程语言是 Go，因此我也提供了一个 Python 的示例放到了我的 GitHub 上。
Function Calling 对于不熟悉 AI 的同学来说，可能还稍微陌生一些。但 Agent，也就是智能体这个词，大家绝对是耳熟能详的。其实呢，Agent 也是类似 Function Calling 一样，能让大模型和外部进行交互的一种思想，今天这节课，我们就来了解其本质。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
1. ReAct思想和Function Calling机制让大模型具备与外界进行交互的能力，解决垂直领域或实时性较高的问题。 2. Agent是一种AI设计模式，通过思维链和外部工具调用，让大模型变得更聪明。 3. ReAct包含了Reason和Act两个部分，让大模型将大问题拆分成小问题，逐步解决，并根据工具反馈结果进行思考和重新调用工具。 4. ReAct Prompt模板是为大模型赋予ReAct能力的关键，通过规定格式指导大模型思考和回答问题，使其变成Agent。 5. Agent核心代码实现了一个查询股票收盘价的案例，使用了ReAct模板，并对模板进行了修改以提高提示词的质量。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《DeepSeek 应用开发实战》，新⼈⾸单¥59
《DeepSeek 应用开发实战》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论