吴恩达新课程：Agentic AI（笔记5）

Module 3: 工具使用（Tool use）

3.1 什么是工具？

核心思想：工具即函数，模型自主决策 关键在于，模型拥有自主决策权。它不再是被动地根据内部知识库生成答案，而是能主动判断：在当前情境下，是否需要、以及应该调用哪个工具来完成任务。

类比：就像人类借助锤子、扳手等工具能完成徒手无法做到的事情一样，语言模型通过调用“函数工具”，也能突破自身训练数据和能力的限制，变得无比强大。

例子：以“现在几点？”为例，清晰展示了工具使用的完整闭环：

1. 输入提示 (Input Prompt): 用户提问 “What time is it?”。

2. 模型决策 (Model Decision): LLM 意识到自己无法提供实时时间，于是决定调用名为 get_current_time() 的工具。

3. 工具执行 (Tool Execution): 系统执行该函数，返回精确的时间值，例如 15:20:45。

4. 结果反馈 (Result Feedback): 这个时间值被作为新的上下文（对话历史）回传给 LLM。

5. 最终输出 (Final Output): LLM 结合这个新信息，生成自然语言回复：“It's 3:20pm.”

整个过程的关键点：

• 工具是函数：get_current_time() 是一段 Python 代码，它负责与系统时钟交互并返回字符串。

• 模型自主选择：模型自行决定何时、何地调用哪个工具。

• 动态上下文：工具返回的结果会融入对话历史，供模型后续推理使用。

何时调用，何时不调用？

工具使用的一个重要特性是条件性调用。

模型并非对所有问题都盲目调用工具，而是能智能判断。

• 调用工具的例子：当被问及“现在几点？”，模型知道需要实时数据，因此调用 get_current_time()。

• 不调用工具的例子：当被问及“绿茶含多少咖啡因？”，模型可以基于其内部知识库直接回答：“Green tea typically contains 25-50 mg of caffeine per cup.”，无需调用任何工具。

这体现了模型的“智能”——它能区分哪些信息是静态的（可内化），哪些是动态的（需外求）。

多工具协作

对于更复杂的请求，模型可以串联调用多个工具，形成工作流。

案例：日历助理

• 用户请求: “请在周四我的日历中找一个空闲时段，并与Alice预约。”

• 提供的工具集:

  • check_calendar(): 查询日历，返回空闲时段。

  • make_appointment(): 创建预约。

  • delete_appointment(): 取消预约。

• 模型执行流程:

  1. 首先调用 check_calendar()，获得结果：“Thursday, 3pm; Thursday, 4pm; Thursday, 6pm”。

  2. 基于返回的信息，模型决定选择“3pm”这个时段。

  3. 接着调用 make_appointment(time="3pm", with="Alice")。

  4. 工具返回确认信息：“Meeting created successfully!”。

  5. 最终，模型整合信息，回复用户：“Your appointment is set up with Alice at 3 PM Thursday.”

总结

工具使用是构建下一代 AI 应用的关键技术。它让语言模型从“只会聊天”的伙伴，进化为能够“动手做事”的智能助手。

核心价值：

• 超越知识边界：通过调用工具，模型可以获取实时数据、访问数据库、执行计算。

• 实现复杂逻辑：支持多步推理和工具链协作，处理现实世界的复杂需求。

• 提升应用价值：无论是餐厅推荐、零售分析还是个人日程管理，都能因工具而变得更实用、更强大。

3.2 创建一个工具

LLM本身并不会直接执行代码或调用函数，它被训练的核心能力是生成文本。

如何让LLM学会调用函数的过程，核心思想是模型不直接调用，而是“请求”调用。工具其实就是一些代码/函数。如今的主流语言模型都经过直接训练去使用工具，没有训练就必须得写提示词来告诉模型如何使用工具。

实现工具使用：

1. 开发者编写工具函数：例如 get_current_time()。

2. 开发者编写系统提示词 (System Prompt)：告诉模型，如果它想使用某个工具，应该如何格式化它的输出。

3. 模型根据提示词输出特定格式的文本：这个文本不是最终答案，而是一个“请求”，例如 FUNCTION: get_current_time()。

4. 开发者编写解析代码：读取模型的输出，识别出这个“请求”，然后真正地调用对应的函数。

5. 将函数结果回传给模型：把函数返回的结果作为新的上下文输入给模型，让它生成最终的自然语言回复。

类比：就像你不能直接命令一个只会说话的人去帮你买咖啡，但你可以告诉他：“如果你想去买咖啡，请说‘我要买一杯美式’。” 然后你听到这句话后，自己去帮他买。

案例一：以获取此刻时间为例

1. 编写工具函数

from datetime import datetimedef get_current_time():"""Returns the current time as a string"""return datetime.now().strftime("%H:%M:%S")

1. 设计系统提示词 (System Prompt)

“你有一个名为 get_current_time 的工具。要使用它，请严格按照以下格式输出：FUNCTION: get_current_time()。”

1. 模型响应与开发者解析 当用户提问 “What time is it?” 时：

• LLM 会根据提示词，输出：FUNCTION: get_current_time()

• 开发者的代码会检测到输出中包含 “FUNCTION” 关键字。

• 代码会从输出中提取出 get_current_time() 这个函数名和参数。

• 代码随后实际调用 get_current_time() 函数，得到结果，比如 "08:00:00"。

1. 将结果反馈给模型

开发者将结果 "08:00:00" 和之前的对话历史一起，再次输入给模型。

1. 模型生成最终回复

模型现在知道了“当前时间是 08:00:00”，于是可以生成自然语言回答：“It's 8am.”

案例二：获取指定时区的时间

第一步：编写带参数的工具函数

from datetime import datetime
from zoneinfo import ZoneInfodef get_current_time(timezone):"""Returns current time for the given time zone"""timezone = ZoneInfo(timezone)return datetime.now(timezone).strftime("%H:%M:%S")

第二步：更新系统提示词

“你有一个名为 get_current_time 的工具，它可以接受一个时区参数。要使用它，请严格按照以下格式输出：FUNCTION: get_current_time("timezone")。”

第三步：模型响应与开发者解析

当用户提问 “What time is it in New Zealand?” 时：

• LLM 会输出：FUNCTION: get_current_time("Pacific/Auckland")

• 开发者的代码解析出函数名 get_current_time 和参数 "Pacific/Auckland"。

• 代码调用函数，得到结果，比如 "04:00:00"。

• 结果被回传给模型。

第四步：模型生成最终回复

模型结合新信息，生成最终回答：“It's 4am in New Zealand.”

总结：四步循环

1. 提供工具 (Provide the Tool)：开发者编写好功能函数。

2. 告知模型 (Tell the LLM)：通过系统提示词，明确告诉模型有哪些工具可用，以及如何“请求”调用它们（即输出什么格式的文本）。

3. 解析并执行 (Parse and Execute)：开发者编写代码，监听模型的输出，识别其“请求”，并实际执行对应的函数。

4. 反馈结果 (Feed Back Result)：将函数执行的结果作为新的上下文，送回给模型，让它继续推理或生成最终答案。

这个流程的关键在于，开发者扮演了“翻译官”和“执行者”的角色，弥合了语言模型的“文本生成”能力与现实世界“函数执行”能力之间的鸿沟。