Çağrı fonksiyonu
Fonksiyon çağrısı, dil modellerinin, fonksiyon çağrılarını belirleyen yapılandırılmış çıkışlar oluşturarak dış araçları kullanmalarına olanak tanır ve bu sayede API ve diğer sistemlerle etkileşim kurmalarına olanak tanır.
Fonksiyon çağırma, büyük dil modellerinin (LLM'ler) harici araçlar ve API'lerle etkileşim kurmasını sağlayan bir tekniktir. LLM, yalnızca metin üretmek yerine, çağrılacak bir fonksiyonu ve argümanlarını belirten JSON gibi yapılandırılmış veriler üretmek üzere eğitilir. Bu, LLM'nin görevleri devretmesine, bilgi almasına ve doğal metin oluşturma yeteneklerinin ötesinde eylemler gerçekleştirmesine olanak tanır. Süreç tipik olarak, LLM'nin daha sonra uygun çağrıları oluşturmak için kullanabileceği açıklamalar ve giriş/çıkış şemalarıyla bir dizi fonksiyon tanımlamayı içerir. Bu, LLM'lerin faydasını genişleterek, harici veri veya eylem gerektiren iş akışlarına ve uygulamalara entegre edilmelerini sağlar.
graph LR
Center["Çağrı fonksiyonu"]:::main
Pre_logic["logic"]:::pre --> Center
click Pre_logic "/terms/logic"
Rel_api["api"]:::related -.-> Center
click Rel_api "/terms/api"
Rel_chain_of_thought["chain-of-thought"]:::related -.-> Center
click Rel_chain_of_thought "/terms/chain-of-thought"
Rel_function["function"]:::related -.-> Center
click Rel_function "/terms/function"
classDef main fill:#7c3aed,stroke:#8b5cf6,stroke-width:2px,color:white,font-weight:bold,rx:5,ry:5;
classDef pre fill:#0f172a,stroke:#3b82f6,color:#94a3b8,rx:5,ry:5;
classDef child fill:#0f172a,stroke:#10b981,color:#94a3b8,rx:5,ry:5;
classDef related fill:#0f172a,stroke:#8b5cf6,stroke-dasharray: 5 5,color:#94a3b8,rx:5,ry:5;
linkStyle default stroke:#4b5563,stroke-width:2px;
🧠 Bilgi testi
🧒 5 yaşındaki gibi açıkla
Süper akıllı bir asistana, sadece tahmin etmek yerine, belirli bir kitaptaki (fonksiyon) bir şeyi arayıp sana cevabı söylemesini istemek gibi bir şey.
🤓 Expert Deep Dive
Büyük Dil Modelleri (BDM) bağlamında fonksiyon çağırma, saf metin üretiminden ajan benzeri davranışa doğru bir paradigma kaymasını temsil eder ve BDM'lerin harici hesaplama kaynaklarının orkestratörü olarak hareket etmesini sağlar. Mimari olarak, fonksiyon imzalarını ve argümanlarını temsil eden önceden tanımlanmış bir şemayı çıktı olarak veren, BDM'nin yapılandırılmış tahmin yapma yeteneğine dayanır. Bu şema genellikle geliştirici tarafından tanımlanır ve BDM'ye kullanabileceği bir "araç seti" sağlar. Süreç, BDM'nin kullanıcının doğal dil sorgusunu ayrıştırmasını, niyeti belirlemesini ve bunu mevcut fonksiyonlara eşlemesini içerir. Ardından, fonksiyon adını ve argümanlarını belirten, şemaya uyan bir JSON nesnesi üretir; bu genellikle istemdeki varlık çıkarma ve yuva doldurma yoluyla elde edilir. Ayrı bir yürütme katmanı ('araç çalıştırıcı' veya 'ajan çerçevesi') bu JSON'u yakalar, doğrular ve ilgili harici API'yi veya kodu çağırır. Araçtan dönen değer daha sonra BDM'nin bağlamına geri beslenir, bu da nihai bir yanıt sentezlemesine veya daha fazla fonksiyon çağrısını zincirlemesine olanak tanır. Bu mekanizma, yanıtlarını gerçek zamanlı verilere dayandırarak ve karmaşık, çok adımlı işlemleri mümkün kılarak BDM'nin kullanışlılığını önemli ölçüde artırır. Karşılaşılan zorluklar arasında, fonksiyon çağırma mekanizmasını hedef alan komut enjeksiyonu saldırıları potansiyeli, araç tanımlarını ve hata yönetimini yönetmenin karmaşıklığı ve yürütme döngüsünün hesaplama yükü yer alır. Özellikle çok sayıda veya belirsiz adlandırılmış araçla, BDM'nin niyeti doğru fonksiyona ve argümanlara doğru bir şekilde eşlediğinden emin olmak kritik bir zorluktur. Bu eşleme doğruluğunu iyileştirmek için az örnekli öğrenme ve ince ayar gibi teknikler kullanılır.