[]
Function Calling 是大语言模型与外部工具或 API 交互的机制。模型根据用户请求生成结构化参数（如 JSON），触发预定义的函数（如查询天气、数据库操作）。流程示例：
用户问：“上海下周一的天气如何？”
模型返回函数调用请求：{"name": "get\_weather", "arguments": {"location": "Shanghai", "date": "2025-05-01"}}
系统执行函数并返回结果，模型转化为自然语言回答。
此功能扩展了模型能力边界，使其超越纯文本生成，实现动态数据获取或事务处理（如订机票）。开发时需正确定义函数描述（名称、参数、用途）以供模型理解。
在活字格低代码平台中，Function Calling（函数调用）是指大语言模型（LLM）能够根据用户请求，自动生成结构化参数，触发平台内预定义的命令，实现“AI 驱动业务逻辑”的能力。这一机制极大拓展了 LLM 的应用边界，使其不仅能生成文本，还能主动与平台的数据、流程、服务深度集成。
运行时深度融合：在运行时 AI 对话单元格和 AI 助手命令中，开发者可为 LLM 配置函数定义列表。模型在理解用户意图后，会自动生成函数调用请求（JSON 格式），平台据此执行对应的业务逻辑（如查询数据库、触发审批、导出报表等），并将结果返回给 LLM 进行自然语言回复或结构化展示。
函数定义与参数配置：平台支持通过可视化界面定义函数名称、描述、参数列表、返回值及执行命令。开发者可灵活绑定已有的业务命令，实现高度定制化的智能交互。
安全与控制：每个函数可设置启用/禁用、执行前确认等安全选项，防止误操作或敏感操作被自动触发。所有函数调用过程均可审计和追踪，保障业务安全合规。
典型场景：
智能客服：AI 自动调用“查询订单详情”函数，结合业务数据个性化回复用户。
智能审批：AI 根据输入参数自动触发“审批流程”函数，返回审批建议或结果。
数据分析：AI 生成分析指令，调用“生成报表”函数，输出结构化数据或图表卡片。
多轮对话与上下文：函数调用可结合多轮对话上下文，动态调整参数，实现复杂业务流程的智能化自动处理。
注意事项：
函数定义需明确参数类型和返回值，便于 LLM 正确理解和调用。
关键操作建议开启“执行前确认”，防止误触发高风险命令。
复杂函数建议分步设计，提升可维护性和用户体验。
通过 Function Calling，活字格平台实现了 LLM 与企业业务系统的深度耦合，让 AI 不再只是“会说话”，而是真正具备“动手能力”，助力企业打造智能化、自动化的业务流程。
