---
title: "函數呼叫（Function Calling）"
slug: function-calling
language: zh-TW
source: https://aiterms.tw/terms/function-calling
updated_at: 2026-04-29
tags: [大型語言模型, Prompt工程, AI應用, 自然語言處理, 機器學習]
ipas_term: false
---

# 函數呼叫（Function Calling）

> **你有沒有想過，聊天模型不只會回答，還能真的去叫 API 做事？**
>
> 你可以把函數呼叫想成讓模型把意圖轉成交給外部工具的請求，模型負責判斷，系統負責執行。
>
> 它重要，是因為只會說話的模型不夠用，真正落地時常要查資料、算東西、下指令，這些都要靠工具。

### 容易混淆
> **函數呼叫 vs 純語言生成**
> 純生成只會把文字接下去。
> 函數呼叫會把需求轉成結構化指令，交給外部系統處理。
>
> **函數呼叫 vs AI代理**
> 函數呼叫是工具能力。
> AI代理是更大的執行框架，通常會把多次函數呼叫串起來。

### 記住這句就好
> 讓模型把話變成動作，就是函數呼叫。

### 實際案例
> **訂票助理**
> 模型看懂你要改票，再呼叫訂票 API 查座位和改單，不需要你自己翻頁操作。
>
> **資料查詢**
> 你問今天營收，模型直接呼叫查詢函數，回來的結果再整理成自然語言。

### 算法與應用
> 它的核心不是讓模型「自己會做」，而是把可用函數的名稱、參數和回傳格式定義清楚。
> 配合意圖判斷、權限控管和輸入驗證，才能把函數呼叫做成可用又安全的系統。

### 情境判斷
> **Q1：如果模型只會回答文字，不能真的查資料，這算函數呼叫嗎？**
> → 不算，因為沒有真的把意圖交給外部函數執行。
>
> **Q2：如果每個工具都能被模型直接呼叫，這就一定安全嗎？**
> → 不一定，工具範圍越大，越需要權限控管和輸入驗證。

### 常見問題
> **Q：函數呼叫一定要用 LLM 嗎？**
> 不一定，但 LLM 擅長把自然語言轉成工具指令，所以很常搭配它。
>
> **Q：它和工具使用能力有差嗎？**
> 函數呼叫是常見實作方式，工具使用能力是更廣的能力描述。
>
> **Q：如果參數格式錯了怎麼辦？**
> 通常要靠 schema 驗證和重試機制修正。
>
> **Q：為什麼需要 API 閘道？**
> 因為它能幫你統一權限、流量和審計，避免模型直接碰內部系統。

### 相關術語
> - **AI 代理**：多輪函數呼叫通常會進到這個層級。
> - **工具使用能力**：先懂它，才知道函數呼叫在做什麼。
> - **API閘道**：函數呼叫落地時常要搭配它。
> - **程式碼生成**：有時模型會先產生代碼，再呼叫工具執行。
> - **思維鏈**：有助於模型判斷何時該呼叫哪個函數。

---

來源：https://aiterms.tw/terms/function-calling
快查頁：https://aiterms.tw/terms/function-calling
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-function-calling