LLM代码实现-Qwen（Function Calling）

简介

Function Calling 是一种让 Chat Completion 模型调用外部函数的能力，可以让模型不仅仅根据自身的数据库知识进行回答，而是可以额外挂载一个函数库，然后根据用户提问去函数库检索，按照实际需求调用外部函数并获取函数运行结果，再基于函数运行结果进行回答，或者是通过函数调用来调用工具。

Qwen 官方给出的 Function Calling 方法是基于 openai 接口的，这篇文章就从如何利用 Qwen 仿 OpenAI 接口开始写起。

OpenAI_API

在 Qwen 官方给出的代码中有一个 openai_api.py 脚本，可以在 _get_args() 函数中对参数进行配置后运行（主要需要修改模型路径）。

def _get_args():parser = ArgumentParser()parser.add_argument("-c","--checkpoint-path",type=str,default="qwen/Qwen-1_8B-Chat",help="Checkpoint name or path, default to %(default)r",)parser.add_argument("--api-auth", help="API authentication credentials")parser.add_argument("--cpu-only", action="store_true", help="Run demo with CPU only")parser.add_argument("--server-port", type=int, default=8000, help="Demo server port.")parser.add_argument("--server-name",type=str,default="0.0.0.0",help="Demo server name. Default: 127.0.0.1, which is only visible from the local computer."" If you want other computers to access your server, use 0.0.0.0 instead.",)parser.add_argument("--disable-gc", action="store_true",help="Disable GC after each response generated.")args = parser.parse_args()return args

修改完成后运行：

python openai_api.py

接着可以运行以下代码以调用接口进行对话：

import openai
import jsonopenai.api_base = 'http://localhost:8000/v1'
openai.api_key = 'none'def call_qwen(messages):response = openai.ChatCompletion.create(model='Qwen', messages=messages)response = response.choices[0]['message']response = json.loads(json.dumps(response, ensure_ascii=False))print('input:', messages)print('output:', response)return responseif __name__ == '__main__':messages = [{'role': 'user', 'content': '你好'}]response = call_qwen(messages)

Function Calling

首先介绍一下 Function Calling 的具体流程。

使用用户查询和函数参数中定义的一组外部函数库。
模型可以选择调用任意外部函数；如果是这样，内容将是符合自定义架构的字符串化 JSON 对象（注意：模型可能会生成无效的 JSON 或幻觉参数）。
在代码中将字符串解析为 JSON，并使用提供的参数调用函数（如果存在）。
通过将函数响应追加为新消息来再次调用模型，并让模型将结果汇总返回给用户。

外部函数库

首先我们需要定义一个外部函数库，这个函数库是一个列表，可以添加多个函数，列表中每个函数都为 json 格式，每个函数格式固定，以下是一个关于控制开关灯光的函数例子。

functions = [{"name_for_human": "灯光控制","name_for_model": "contral","description_for_model": "灯光控制可以帮助用户开关灯"+ " Format the arguments as a JSON object.","parameters": [{"name": "switch","description": "用于控制灯的开关，若为True则为开灯，若为false则为关灯","required": True,"schema": {"type": "bool"},}],}
]# 各参数作用# "name_for_human"：函数名字（对人类）
# "name_for_model"：函数名字（对模型）
# "description_for_model"：描述函数的作用，让模型能够判断什么时候调用这个函数
# "parameters"：返回结果中的参数，该键对应的值为一个列表，可以返回多个参数
#     "name"：参数的名字
#     "description"：参数的描述，用于让模型判断这个参数填入什么
#     "required"：这个参数是否是必要的
#     "schema"：可以指定这个参数的数据类型

调用函数库方式如下，这里创建了一个 contral 函数假装调用了接口来进行开关灯操作：

import openai
import jsonopenai.api_base = "http://localhost:8006/v1"
openai.api_key = "none"def contral(response):if response.choices[0].message.function_call:result = eval(response.choices[0].message.function_call.arguments)switch = "开灯" if result["switch"] else "关灯"print(switch)def call_qwen(messages, functions=None):print(messages)if functions:response = openai.ChatCompletion.create(model="Qwen", messages=messages, functions=functions)else:response = openai.ChatCompletion.create(model="Qwen", messages=messages)print(response)result = response.choices[0].message.function_callif result:if result.name == "contral":contral(response)print(response.choices[0].message.content)return responseif __name__ == "__main__:functions = [{"name_for_human": "灯光控制","name_for_model": "contral","description_for_model": "灯光控制可以帮助用户开关灯"+ " Format the arguments as a JSON object.","parameters": [{"name": "switch","description": "用于控制灯的开关，若为True则为开灯，若为false则为关灯","required": True,"schema": {"type": "bool"},}],}]messages = [{"role": "user", "content": "帮我开一下灯"}]call_qwen(messages, functions)

返回结果如下：

# messages
[{'role': 'user', 'content': '帮我开一下灯'}]# response
{"model": "Qwen","object": "chat.completion","choices": [{"index": 0,"message": {"role": "assistant","content": "Thought: \u9700\u8981\u4f7f\u7528\u706f\u5149\u63a7\u5236API\u6765\u5b9e\u73b0\u5f00\u706f\u64cd\u4f5c","function_call": {"name": "contral","arguments": "{\"switch\": True}"}},"finish_reason": "function_call"}],"created": 1706839240
}# switch
开灯# response.choices[0].message.content（json 会导致"content"中的中文会变为Unicode，取出来后就是正常的）
Thought: 需要使用灯光控制API来实现开灯操作

Function Calling 是一种非常有用的功能，可以让Chat Completion模型更加灵活地应对各种场景比如自动发邮件、控制机械臂、上网搜索用户提问中的相关信息后回答，调用其他厂家的 api 接口……通过调用外部函数进行输出格式化，可以让Chat Completion模型更加贴合实际需求，并提供更加优质、高效、个性化的服务。怎么用就取决于大家的想象力了。

在这里插入图片描述