大模型应用开发初探 : 通用函数调用Planner

大家好，我是Edison。

上一篇，我们了解了什么是AI Agent以及如何用Semantic Kernel手搓一个AI Agent。有朋友留言说，自动函数调用对大模型有较高的要求，比如Azure OpenAI、智谱AI等这些收费的大模型产品就能很好地规划和处理函数调用，而像是一些开源的小参数量的模型例如qwen2-7b-instruct这种可能效果就不太好。刚好，之前在网上看到一位大佬的开源通用函数调用方案，于是重构了一下上一篇的Agent应用。

UniversalFunctionCaller

这个项目是一个封装了大模型对话的入口，有点类似我们在ASP.NET中写的Filter，在处理某个真正的请求时，给其设置一些横切面，例如PreHandle,PostHandle之类的方法供用户做自定义处理，最终完成所谓的AoP（面向横切面编程）的效果。这个项目做的事儿其实也就是封装了横切面，在真正将prompt发给LLM前，它会读取一些自定义的优点类似于预训练的prompt来对用户的prompt进行"增强"。例如，下面这个方法 GetAskFromHistory 就会来 设定一个函数调用的背景 以及 给出一些预置的训练提示词供大模型理解，妥妥的一个手动增强版提示词工程：

public class UniversalFunctionCaller
{
    ......

    public async Task<string> RunAsync(ChatHistory askHistory)
    {
        var ask = await GetAskFromHistory(askHistory);
        return await RunAsync(ask);
    }

    private async Task<string> GetAskFromHistory(ChatHistory askHistory)
    {
      var sb = new StringBuilder();
      var userAndAssistantMessages = askHistory.Where(h => h.Role == AuthorRole.Assistant || h.Role == AuthorRole.User);
      foreach (var message in userAndAssistantMessages)
          sb.AppendLine($"{message.Role.ToString()}: {message.Content}");

      var extractAskFromHistoryPrompt = $@"阅读这段用户与助手之间的对话。 
          总结用户在最后一句话中希望助手做什么
          ##对话开始##
          {sb.ToString()}
          ##对话结束##";

      var extractAskResult = await _chatCompletion.GetChatMessageContentAsync(extractAskFromHistoryPrompt);
      var ask = extractAskResult.Content;
      return ask;
    }

　　......

}

然后，它会初始化一个ChatHistory，提供一些示范性的对话，让大模型知道是否该进行函数调用 以及 如何调用：

private ChatHistory InitializeChatHistory(string ask)
{
    var history = new ChatHistory();
    history.Add(new ChatMessageContent(AuthorRole.User, "New task: 启动飞船"));
    history.Add(new ChatMessageContent(AuthorRole.Assistant, "GetMySpaceshipName()"));
    history.Add(new ChatMessageContent(AuthorRole.User, "长征七号"));
    history.Add(new ChatMessageContent(AuthorRole.Assistant, "StartSpaceship(ship_name: \"长征七号\")"));
    history.Add(new ChatMessageContent(AuthorRole.User, "飞船启动"));
    history.Add(new ChatMessageContent(AuthorRole.Assistant, "Finished(finalmessage: \"'长征七号'飞船启动 \")"));return history;
}

而示范用的函数则将其封装到了一个预置的Plugin，我们暂且叫它 PreTrainingPlugin，它是一个internal访问的class，只用于对prompt进行增强即给出示例：

internal class PreTrainingPlugin
{
    [KernelFunction, Description("当工作流程完成，没有更多的函数需要调用时，调用这个函数")]
    public string Finished([Description("总结已完成的工作和结果，尽量简洁明了。")] string finalmessage)
    {
        return string.Empty;
        //no actual implementation, for internal routing only
    }

    [KernelFunction, Description("获取用户飞船的名称")]
    public string GetMySpaceshipName()
    {
        return "长征七号";
    }

    [KernelFunction, Description("启动飞船")]
    public void StartSpaceship([Description("启动的飞船的名字")] string ship_name)
    {
        //no actual implementation, for internal routing only
    }
}

同时，它会将你定义的Functions总结为一个string列表，然后作为可用的Function list 放到prompt中告诉大模型：

然后，就开始根据用户的prompt进行函数调用了，直到它认为不会再需要函数调用时就结束，这个方法的全部代码如下所示：

public async Task<string> RunAsync(string task)
{
    // Initialize plugins
    var plugins = _kernel.Plugins;
    var internalPlugin = _kernel.Plugins.AddFromType<PreTrainingPlugin>();

    // Convert plugins to text
    var pluginsAsText = GetTemplatesAsTextPrompt3000(plugins);

    // Initialize function call and chat history
    var nextFunctionCall = new FunctionCall { Name = ConfigConstants.FunctionCallStatus.Start };
    var chatHistory = InitializeChatHistory(task);

    // Add new task to chat history
    chatHistory.Add(new ChatMessageContent(AuthorRole.User, $"New task: {task}"));

    // Process function calls
    for (int iteration = 0; iteration < 10 && nextFunctionCall.Name != ConfigConstants.FunctionCallStatus.Finished; iteration++)
    {
        nextFunctionCall = await GetNextFunctionCallAsync(chatHistory, pluginsAsText);
        if (nextFunctionCall == null) 
            throw new Exception("The LLM is not compatible with this approach!");

        // Add function call to chat history
        var nextFunctionCallText = GetCallAsTextPrompt3000(nextFunctionCall);
        chatHistory.AddAssistantMessage(nextFunctionCallText);

        // Invoke plugin and add response to chat history
        var pluginResponse = await InvokePluginAsync(nextFunctionCall);
        chatHistory.AddUserMessage(pluginResponse);
    }

    // Remove internal plugin
    _kernel.Plugins.Remove(internalPlugin);

    // Check if task was completed successfully
    if (nextFunctionCall.Name == ConfigConstants.FunctionCallStatus.Finished)
    {
        var finalMessage = nextFunctionCall.Parameters[0].Value.ToString();
        return finalMessage;
    }

    throw new Exception("LLM could not finish workflow within 10 steps. Please consider increasing the number of steps!");
}

需要特别注意的是，不建议在一个prompt中涉及超过10次函数调用，这样效果不太好，处理速度也慢，验证也不太方便。

此外，在方法内部进行函数调用的分析时，自动加了一个如下所示的SystemMessage，用于设定一些通用的规则给到大模型进行理解：

private string GetLoopSystemMessage(string pluginsAsTextPrompt3000)
{
   var systemPrompt = $@"你是一个计算机系统。
你只能使用TextPrompt3000指令，让用户调用对应的函数，而用户将作为另一个回答这些函数的计算机系统。
以下是您所需实现的目标，以及用户可以使用的函数列表。
您需要找出用户到达目标的下一步，并推荐一个TextPrompt3000函数调用。 
您还会得到一个TextPrompt3000 Schema格式的函数列表。
TextPrompt3000格式的定义如下所示:
{GetTextPrompt300Explanation()}
##可用函数列表开始##
{pluginsAsTextPrompt3000}
##可用函数列表结束##

以下规则非常重要：
1) 你只能推荐一个函数及其参数，而不是多个函数
2) 你可以推荐的函数只存在于可用函数列表中
3) 你需要为该函数提供所有参数。不要在函数名或参数名中转义特殊字符，直接使用（如只写aaa_bbb，不要写成aaa\_bbb）
4) 你推荐的历史记录与函数需要对更接近目标有重要作用
5) 不要将函数相互嵌套。 遵循列表中的函数，这不是一个数学问题。 不要使用占位符。
我们只需要一个函数，下一个所需的函数。举个例子， 如果 function A() 需要在 function B()中当参数使用, 不要使用 B(A())。 而是,
如果A还没有被调用, 先调用 A()。返回的结果将在下一次迭代中在B中使用。
6) 不要推荐一个最近已经调用过的函数。 使用输出代替。 不要将占位符或函数作为其他函数的参数使用。
7) 只写出一个函数调用，不解释原因，不提供理由。您只能写出一个函数调用！
8) 当所有必需的函数都被调用，且计算机系统呈现了结果，调用Finished函数并展示结果。
9) 请使用中文回答。

如果你违反了任何这些规定，那么会有一只小猫死去。
";
   return systemPrompt;
}

综上所示，这就是提示词工程的魔力所在！

更新后的AI Agent效果

这里我们快速对原来的WorkOrder Agent重构了一下，增加了 Use Function Planner 的 checkbox选项，如果你勾选了它，就会使用上面介绍的 UniversalFunctionCaller 进行prompt的包裹和预处理，然后再发给大模型 以及 进行函数调用。

这里我修改了使用的模型和平台信息，这里我们基于SiliconCloud来使用一个通义千问的小参数文本生成模型Qwen2-7B-Instruct来试试：

{
  "LLM_API_PROVIDER": "QwenAI",
  "LLM_API_MODEL": "Qwen/Qwen2-7B-Instruct",
  "LLM_API_BASE_URL": "https://api.siliconflow.cn",
  "LLM_API_KEY": "sk-**************" // Update this value to yours
}

具体效果如下图所示：

（1）没有使用Function Planner的效果

（2）使用了Function Planner的效果

可以看到，我的需求其实包含3个步骤：第一步是更新工单的Quantity，第二步是更新工单的状态，第三步是查询更新后的工单信息。而这几个步骤我们假设其实都是需要去调用MES WorkOrderService API才能获得的，这里我们的Agent理解到了要点，并分别调用了两个function实现了任务。

这个示例代码的结构如下所示：

我这里将UniversalFunctionCaller放到了解决方案中的Shared类库中了，源码来自Jenscaasen 大佬的开源项目，中文翻译的prompt来自国内的mingupupu大佬的介绍。

小结

本文简单介绍了一种面向小参数量模型的通用函数调用方案，基于这个方案，我们可以在这类大模型上进行准确的函数调用，以便实现更可靠的AI Agent。

参考内容

国外的Jenscaasen 大佬开源的这个项目 : https://github.com/Jenscaasen/UniversalLLMFunctionCaller

国内的mingupupu 大佬的介绍和翻译：https://www.cnblogs.com/mingupupu/p/18385798

示例源码

GitHub：https://github.com/Coder-EdisonZhou/EDT.Agent.Demos

推荐学习

Microsoft Learn, 《Semantic Kernel 学习之路》

作者：周旭龙

出处：https://edisonchou.cnblogs.com

本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文链接。