Function calling 让大模型具备了调用工具的能力，可以为传统的API工具进行赋能，以前的chat会先需要通过词槽的形式从用户的对话中收集相关的实体内容。

例如最简单的订票系统，当用户提问订机票时，需要进行澄清出发地、目的地、时间、航司等内容的澄清，当这些必要的信息都收集到时，才会进行对应的机票查询的API的调用。

Function Calling 的加入看似能够直接平替这一系统，但是实验下来这套系统依旧存在很大的问题：

1. 对于API的选择，当API的候选集过大时，选择正确的API成了一个比较大的问题，完全依赖大模型的function calling能力有点力不从心，比较合适的做法是通过意图或其他强规则的手段召回Topk个对应的API。
2. 即便将 Topk 个API选择出来给模型，模型漏选和错选的事情还是不可避免。
3. 参数的抽取会存在一些问题，识别错误，没有办法找到准确的值导致最后工具使用无法得到正确的值。

优化大模型的function calling准确率有以下方式：

1. 通过填入已知参数
2. 加入System Prompt
3. function 和 parameters 调优
4. parameters examples added

具体可以参考：https://composio.dev/blog/gpt-4-function-calling-example/