面试官问：Function Calling / Tool Use 的工作流程？前端怎么用？

📚 参考：Function Calling | AI Agent 智能体

1. Function Calling / Tool Use 的工作流程？前端怎么用？

考察点：是否理解 Function Calling 的完整调用链路，知道如何用 JSON Schema 定义工具，以及前端集成时的安全注意事项。

详细信息

核心回答

Function Calling 让大模型不只是生成文本，还能决定调用哪个函数、传什么参数，让 AI 从"脑子"变成"手+脑子"。

传统 LLM：你问 → 它答（纯文本）
+ Function Calling：你问 → 它决定调哪个 API → 你把结果给它 → 它总结回答

定义工具 Schema：

// 告诉模型：你有哪些可用工具
const tools = [{
  type: 'function',
  function: {
    name: 'getWeather',
    description: '获取指定城市的当前天气',
    parameters: {
      type: 'object',
      properties: {
        city: { type: 'string', description: '城市名称，如 "北京"' },
      },
      required: ['city'],
    },
  },
}]

// 调用 LLM
const response = await openai.chat.completions.create({
  model: 'gpt-4',
  messages: [{ role: 'user', content: '北京天气怎么样？' }],
  tools,
  tool_choice: 'auto', // 模型自动决定是否调用工具
})

// 模型返回工具调用请求
// response.choices[0].message.tool_calls = [{ function: { name: 'getWeather', arguments: '{"city":"北京"}' } }]

前端实战关键点：

• 🔒 不要在前端直接暴露敏感 API：Function Calling 应该通过后端代理
• ✅ 适合前端场景：搜索、筛选、导航、表单填写（调用前端本地函数）
• ⚠️ 安全原则：模型输出的函数参数必须校验，不能直接信任
• 📊 显示工具调用状态：用户等待时展示"正在查询天气..."加载态

面试回答要点

• 画流程图：用户问 → LLM 决定调工具 → 前端执行 → LLM 总结
• 知道工具是用 JSON Schema 定义的
• 强调安全：不要在前端直接调用敏感 API

来源：Function Calling 概念讲解