我们要构建什么

假设我们要构建一个"AI旅行助手"，用户可以：

  • 查询航班信息（出发地、目的地、日期）
  • 查询酒店信息（城市、日期、预算）
  • 查询天气（城市、日期）
  • 预订机票和酒店（需要用户确认）

我们将通过这个案例，展示Function Calling系统的完整设计和实现过程。

第一步：函数设计

这是最关键的一步。函数设计的好坏，直接决定了Function Calling系统的成败。每个函数需要包含三个要素：

清晰的名称：模型通过函数名来理解函数的作用。名称应该简洁、明确、遵循动词+名词的命名规范。如search_flights、search_hotels、get_weather、book_flight。

详细的描述：描述是这个函数的设计文档。它应该包含：函数做什么、什么情况下应该调用、返回什么信息。一个好的描述示例：

search_flights: 搜索可用的航班。当用户想查询航班信息时调用此函数。
参数：
- origin: 出发城市，支持中文城市名和IATA机场代码
- destination: 目的地城市，支持中文城市名和IATA机场代码
- date: 出发日期，格式为YYYY-MM-DD
返回：航班列表，每个航班包含航班号、出发时间、到达时间、价格、剩余座位数

合理的参数设计：参数应该包含必需参数和可选参数。必需参数是函数执行的最小信息集，可选参数用于过滤和排序。参数类型应该明确（string、integer、boolean、enum等）。

第二步：对话流程设计

我们的旅行助手需要处理以下对话流程：

  1. 用户表达需求（“我想下周五去成都”）
  2. 模型识别到需要调用search_flights函数
  3. 模型提取参数：origin需要询问（用户没提供出发城市），destination=成都，date=下周五的日期
  4. 模型生成回复询问出发城市
  5. 用户回答"上海"
  6. 模型调用search_flights(origin=“上海”, destination=“成都”, date=“2026-07-17”)
  7. 系统执行函数调用，返回航班列表
  8. 模型将航班列表整理成友好的回复展示给用户

这个流程中，第4步是关键的——模型需要识别出参数不完整，并且主动询问缺失的信息。这是Function Calling系统设计中最容易被忽视但最重要的环节。

第三步：错误处理设计

我们的系统需要处理以下错误场景：

函数调用失败：后端API返回错误。此时应该将错误信息反馈给模型，让模型决定是重试还是告知用户。

参数不完整：模型应该能够识别出参数缺失，并询问用户。

参数不合法：用户说了"下个月32号"，模型应该能识别出这是一个无效日期。

超过预算：用户说"预算200元"，但搜索结果都是500元以上。模型应该告知用户实际情况，并询问是否调整预算。

第四步：安全设计

对于book_flight和book_hotel这类写入操作，我们的设计原则是：

  • 在调用这些函数之前，必须向用户确认关键信息（航班号、时间、价格）
  • 函数调用需要携带用户的授权token，后端验证token的有效性
  • 所有预订操作记录到审计日志

第五步：对话管理

多轮对话中，模型需要记住之前获取的信息。比如：

  • 用户先查了航班，然后说"帮我看看那边的酒店"
  • 模型需要知道"那边"指的是目的地城市

在系统设计中，我们需要在对话历史中保留关键信息，确保模型在后续对话中能够正确引用。

实战心得

经过这个案例的实践，我们总结了三条最重要的经验：

  1. 函数描述比你想的更重要。花时间写清楚函数描述，比花时间调模型参数更有效。

  2. 错误处理不是可选项。用户不会按照你的预期路径使用系统，错误处理的设计决定了系统的鲁棒性。

  3. 安全是设计出来的。Function Calling系统的安全不能靠"事后加防护"，必须在系统设计之初就纳入考虑。

如果你准备构建自己的Function Calling系统，希望这个案例能给你提供一个可参考的框架。