Function Calling

Schema

1.1 Schema结构

一次聊天请求里，消息与工具定义是并列字段： 前者是 system、user、assistant… 后者是 tools（每项含 name、description、parameters ）

1.2 Schema和Prompt区别

1. 约束强度：Prompt偏软（模型可能忽略或理解偏）；Schema可进行结构约束校验（若 API 支持 strict: true 等，可对 arguments 做 Schema 校验后再交业务）。

2. Schema主要负责参数有哪些字段、类型、必填、枚举等形状。Prompt主要负责何时用/不用。

3. SpringAI框架从 Java 类型/注解生成 Schema 然后进行模型调用

函数名和描述

• 函数名：模型在 tool_calls 里用此名定位工具；须与客户端注册名一致（如 Spring 里 Bean 名与 defaultFunctions("mockWeatherTool") 一致）。

• 工具级描述（description）：一句话说明用途，帮助在多工具间选型；可略写触发边界，细节放 System Prompt。

• 参数级描述：写在 Schema 各属性的 description（如 Jackson @JsonPropertyDescription），说明取值格式与示例。

Prompt

• SOP：最适合写 何时用 / 何时不要用、与其它工具的分工、缺信息时先追问再调用——这是工具误用的主战场。

• Few-shot：在边界模糊时加 2～3 个短对话示例（用户怎么说 → 调或不调哪个工具），比纯规则更省 token、更直观；不必长链式演示。

• CoT（思维链）：一般 不必 在 system 里要求模型「逐步推理」才允许调工具；易拖长输出、增加跑偏。若要用，只保留极短检查清单（例如「是否已具备 city」）即可。

按需加载

• 只常驻一个（或少数）元工具，例如 search_tools / list_tools：入参是关键词或意图，返回可用工具名 + 简述 + 参数摘要；

• 由 编排层（或第二轮请求）根据检索结果，只把匹配到的子集注册进当前轮的 tools，再让模型做真正的 tool_calls。

样例（Spring AI Function）