---
title: "工具使用能力（Tool Use）"
slug: tool-use
language: zh-TW
source: https://aiterms.tw/terms/tool-use
updated_at: 2026-04-29
tags: [大型語言模型, Prompt工程, AI應用, 自然語言處理, AI基礎]
ipas_term: false
---

# 工具使用能力（Tool Use）

> **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

### 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
>

### 記住這句就好
> 會回答不夠，還要會選工具、填參數、讀結果。

### 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
>

### 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
> **Q：工具使用能力一定要靠 API 嗎？**
> 不一定，但最常見的實作就是把工具包成可呼叫的介面。
>
> **Q：為什麼模型有時候會亂選工具？**
> 因為它可能沒看清楚任務邊界，或工具描述寫得不夠明確。
>
> **Q：工具使用能力和 RAG 一樣嗎？**
> 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
> - **大型語言模型**：工具使用通常建立在語言理解能力之上
> - **函數呼叫**：這是最常見的實作形式之一
> - **提示工程**：工具描述和輸入格式都很依賴它
> - **檢索增強生成**：很多工具任務會和檢索一起使用

---

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