原贴链接

我一直在探索Ollama的工具支持，并在他们的博客文章中找到了这个示例（https://ollama.com/blog/tool-support）：

text
import ollama
response = ollama.chat(
    model='llama3.1',
    messages=[{'role': 'user', 'content': 
        '多伦多的天气怎么样？'}],
    tools=[{
      'type': 'function',
      'function': {
        'name': 'get_current_weather',
        'description': '获取城市的当前天气',
        'parameters': {
          'type': 'object',
          'properties': {
            'city': {
              'type': 'string',
              'description': '城市的名称',
            },
          },
          'required': ['city'],
        },
      },
    }],
)
print(response['message']['tool_calls'])

我不清楚这段代码是如何在没有与外部API接口的情况下实际获取天气数据的。我是否遗漏了什么，还是这只是为了展示工具支持结构的简化示例？任何见解都将受到欢迎。

讨论总结

本次讨论主要围绕Ollama模型中函数调用的实际应用和理解展开。发帖者对一个示例代码如何在没有外部API接口的情况下获取天气数据感到困惑。评论者们提供了不同的观点和解释，包括代码如何处理工具调用、模型行为的差异、系统提示的影响以及函数调用的实际作用。整体讨论热度较低，但提供了一些有价值的见解和示例代码链接。

主要观点

  1. 👍 代码负责获取响应对象并处理工具调用
    • 支持理由：coder543解释了代码如何处理工具调用，并指出Ollama模型本身不负责与外部API接口。
    • 反对声音：无
  2. 🔥 示例代码只是一个简化示例，实际应用中需要编写函数调用API
    • 正方观点：BigYoSpeck指出示例代码只是一个简化示例，实际应用中需要编写函数调用API。
    • 反方观点：无
  3. 💡 系统提示可以影响模型的行为
    • 解释：BigYoSpeck提到通过调整系统提示，可以改善模型的自然语言处理能力，避免不必要的函数调用。

金句与有趣评论

  1. “😂 coder543：Your code is the one getting the response object. Your code sees there was a tool call, and what the arguments were, so then you do the action in your code.”
    • 亮点：清晰解释了代码如何处理工具调用。
  2. “🤔 BigYoSpeck：This is just a simplified example, you would write a function to call an API in reality.”
    • 亮点：指出了示例代码的局限性，强调实际应用中需要编写函数调用API。
  3. “👀 Such_Advantage_6949：Function calling is a bit misleading. It is more like function calling argument.”
    • 亮点：提出了对函数调用描述的误解，建议更准确地解释其作用。

情感分析

讨论的总体情感倾向较为中性，主要集中在技术解释和代码示例上。存在一些对示例代码描述的误解和澄清，但整体上没有明显的争议或负面情绪。

趋势与预测

  • 新兴话题：如何通过系统提示优化模型行为，以及不同模型在处理函数调用和自然语言交互时的行为差异。
  • 潜在影响：对Ollama模型用户来说，更清晰的理解函数调用和系统提示的作用，有助于提高模型的实际应用效果。