完整定義
工具使用能力是指大型語言模型(LLM)能夠調用和利用外部工具(例如API、資料庫、計算器)來擴展其功能,從而完成更複雜、更具體的任務。這種能力使得LLM不再局限於其自身的知識庫,而是可以利用外部資源來獲取資訊、執行計算或執行其他操作。常見應用包括自動化工作流程、資料分析、程式碼生成。
白話說明
你有沒有想過,模型不只會回答,還能去查資料、算數字、發指令?
你可以把工具使用能力想成「AI 會說話,也會動手做事」
模型先判斷要不要用工具,再把參數送出去,拿回結果後再繼續推理
它很適合查資料、呼叫 API 和執行工作流,但工具設計不好就容易出錯
記住這句
會回答不夠,還要會選工具、填參數、讀結果。
比喻:工具使用能力就像讓一個聰明的學生學會用計算機、字典和網路 -- 他原本只能靠自己的知識回答問題,現在學會用工具,就能解決更難、更精確的問題。
容易混淆
工具使用能力 vs 提示工程
工具使用能力是模型和外部工具互動的能力
提示工程是你設計輸入內容的方法
最關鍵的區別:一個是系統能力,一個是輸入技巧
工具使用能力 vs 函數呼叫
工具使用能力是更大的概念
函數呼叫是常見的實作方式
最關鍵的區別:概念範圍不同
工具使用能力 vs 代理程式
工具使用能力是代理程式的重要零件
代理程式還要有規劃、記憶和迴圈
最關鍵的區別:工具只是其中一環
實際案例
查資料
模型先呼叫搜尋或資料庫工具,再把找到的內容整理成答案,比憑空猜更可靠
工作流程
訂票、寄信、建日曆這類任務,需要模型把語意轉成可執行的動作
演算法與應用
| 工具選擇 | 先判斷要不要查詢、計算或操作系統 | 選錯工具就會走偏 |
| 參數生成 | 把自然語言轉成工具需要的欄位 | 欄位名要對得上 |
| 結果回讀 | 把工具回傳的內容再整理成回答 | 這一步常決定可用性 |
| 錯誤處理 | 處理缺值、失敗和格式不合 | 實務上很重要 |
情境判斷
Q1(直覺題):你要讓模型查今天會議室是否空著,適合用它嗎?
適合,因為這需要連到外部系統查詢。
Q2(判斷題):你只是想讓模型寫一段短文,還一定要接工具嗎?
不一定,純文字生成通常不需要工具,接了反而可能增加複雜度。
常見問題
不一定,但最常見的實作就是把工具包成可呼叫的介面。
因為它可能沒看清楚任務邊界,或工具描述寫得不夠明確。
不一樣,RAG 偏向先檢索資料再生成,工具使用還可能包含操作系統和執行動作。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本