AI Prompt Engineering · 课时

LLM 的自定义工具与插件

Q: 「LLM 的自定义工具与插件」这节课中我会学到什么？

开发并集成 LLM 可以利用的自定义工具，扩展其核心知识之外的能力 你通过在浏览器中直接运行的动手代码来练习 AI Prompt Engineering，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

开发并集成 LLM 可以利用的自定义工具，扩展其核心知识之外的能力

LLM 的自定义工具与插件 是 CoddyKit 上的免费 AI Prompt Engineering 课时。这是第 3 节课，共 3 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 AI Prompt Engineering 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 AI Prompt Engineering 课程共包含 3 节课。

什么是自定义工具

欢迎来到“使用工具与智能体进行高级提示”课程的最后一课！今天，我们将深入了解大型语言模型（LLM）的自定义工具和插件。

自定义工具可以让 LLM 超越其训练数据，与现实世界或特定系统进行交互。您可以把它们想象成您教给 LLM 的特殊技能。

扩展能力：添加新函数。
访问实时数据：获取最新信息。
执行操作：对外部系统进行更改。

自定义能力与内置能力对比

您已经了解了基础的函数调用和应用程序接口集成。自定义工具可以让这些能力更进一步。

虽然 LLM 可能天生就知道如何“总结文本”，但除非您为它提供相应工具，否则它并不知道如何“查看伦敦的天气”。自定义工具弥合了这一差距，为 LLM 提供核心知识库之外的特定外部能力。

自定义工具的构成

每个自定义工具都需要清晰的定义，这样 LLM 才知道何时以及如何使用它。主要组成部分包括：

名称：唯一标识符（例如，get_current_time）。
描述：解释工具的功能以及使用时机。这对 LLM 的决策至关重要。
参数：工具运行所需的输入（例如，时间工具所需的 timezone）。
预期输出：工具返回的信息类型。

使用架构描述工具

为了“教会”LLM 使用自定义工具，我们会以结构化格式提供工具定义，通常采用 JSON 架构。这一架构会告诉 LLM 正确调用工具所需了解的一切信息。

下面是对 get_current_time 工具进行描述的简化示例：

{
  "name": "get_current_time",
  "description": "Gets the current time in a specified timezone.",
  "parameters": {
    "type": "object",
    "properties": {
      "timezone": {
        "type": "string",
        "description": "The timezone to get the time for (e.g., UTC, America/New_York)."
      }
    },
    "required": []
  }
}

构建一个简单工具：获取时间

让我们创建一个实际示例：名为 get_current_time 的工具。这个工具只会返回当前时间，也可以选择返回指定时区的时间。

虽然 LLM 能够理解架构中的描述，但实际编写执行所述操作的代码是我们的责任。当 LLM 决定调用该工具时，这段代码会在外部运行。

工具实现示例

这段 Python 代码展示了 get_current_time 工具在幕后可能的实现方式。当 LLM 调用该工具时，它会执行这个函数（或您所选语言中的类似逻辑）并获取结果。

尝试运行它，看看输出结果吧！

import datetime

def get_current_time(timezone="UTC"):
    """
    Returns the current time in the specified timezone.
    """
    # For simplicity, we'll return UTC time and note timezone
    now = datetime.datetime.now(datetime.timezone.utc)
    return f"Current time in {timezone}: {now.strftime('%Y-%m-%d %H:%M:%S')} (UTC basis)"

# This is the entry point that would be called by the LLM's integration layer
if __name__ == "__main__":
    print(get_current_time())
    print(get_current_time(timezone="America/New_York"))

LLM 调用工具的流程

下面介绍 LLM 通常如何使用自定义工具：

用户提示词：您向 LLM 提出问题（例如，“纽约现在几点？”）。
LLM 决策：LLM 会分析您的提示词和可用工具的描述。
工具调用：如果某个工具相关，LLM 会生成工具调用（例如，get_current_time(timezone="America/New_York")）。
执行：您的系统执行实际的工具代码。
结果：工具的输出会返回给 LLM。
LLM 响应：LLM 使用工具的输出为您组织最终答案。

使用自定义工具进行提示

当您向能够访问自定义工具的 LLM 提示时，不需要明确告诉它使用工具。您只需提出一个暗示需要使用该工具的问题。

LLM 理解工具描述的能力是关键。优秀的描述能够帮助 LLM 在正确的时间选择正确的工具。

提示词："What is the current time right now?"
LLM 操作：调用 get_current_time()
工具输出："Current time in UTC: 2023-10-27 10:30:00 (UTC basis)"
LLM 响应："The current time is 10:30 AM UTC."

自定义工具的优势

自定义工具为 LLM 解锁了强大的能力：

领域专用性：为 LLM 提供超越通用训练范围的知识。
实时交互：访问最新信息（例如股票价格、天气）。
可执行的人工智能：让 LLM 能够执行操作（例如发送电子邮件、预约）。
提高准确性：依靠基于事实的工具输出，减少幻觉。
模块化：将 LLM 逻辑与外部系统交互分离。

快速检查：自定义工具

以下哪些是 LLM 的自定义工具定义中不可或缺的组成部分？

回顾：扩展 LLM 能力

本课中，我们探索了自定义工具和插件，这是一种扩展 LLM 能力的强大方式。

自定义工具允许 LLM 与外部系统和数据进行交互。
它们需要清晰的定义（名称、描述、参数），通常使用 JSON 架构。
当 LLM 调用工具时，您需要实现实际运行的逻辑。
自定义工具让 LLM 获得领域专用知识、访问实时数据并执行操作，从而超越简单的文本生成。

掌握自定义工具后，您就能构建真正智能且具有交互性的人工智能应用！

常见问题解答

「LLM 的自定义工具与插件」课时是免费的吗？

是的 — 「LLM 的自定义工具与插件」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 AI Prompt Engineering 课程的其余内容，请升级到 CoddyKit PRO。 AI Prompt Engineering 课程共包含 3 节课。

「LLM 的自定义工具与插件」这节课中我会学到什么？

开发并集成 LLM 可以利用的自定义工具，扩展其核心知识之外的能力你通过在浏览器中直接运行的动手代码来练习 AI Prompt Engineering，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 AI Prompt Engineering 需要有经验吗？

无需任何先前经验。CoddyKit 上的 AI Prompt Engineering 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。这是第 3 节课，共 3 节。

「LLM 的自定义工具与插件」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 AI Prompt Engineering 课中编写并运行代码吗？

能。每节 AI Prompt Engineering 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

← 返回 AI Prompt Engineering