Tool Calling（工具调用）
先用一句话说清楚
Tool Calling（工具调用）是让模型在需要外部能力时，向系统请求调用受控工具的机制。
实战知识卡
| 维度 | 要点 |
|---|---|
| 项目里看什么 | 看工具名称、参数、权限、风险等级、执行结果和失败兜底是否完整。 |
| 新手最该记住 | Tool Calling（工具调用）的核心不是能调接口，而是受控地调接口。 |
| 作品集证据 | 展示一个只读工具和一个写入工具，说明它们的权限和人工确认差异。 |
| 面试回答公式 | 先讲模型提出工具意图，再讲系统校验和执行权在后端。 |
| 常见扣分点 | 认为模型选了工具就应该直接执行。 |
新手通俗解释
LLM（大语言模型）本身不会真的查订单、读数据库、发邮件、建工单或调用企业系统。Tool Calling（工具调用）就是给模型一张“可申请使用的工具清单”。模型可以判断“我需要查订单工具”，但真正能不能查、怎么查、查谁的数据，必须由系统校验。
所以 Tool Calling（工具调用）不是“让模型随便调接口”。它更像企业里的流程审批：模型提出申请，系统检查权限和参数，工具执行后把结果交回，AI Agent（人工智能体）再根据结果继续回答或进入下一步。
为什么智能体工程师岗位会问它
AI Agent（人工智能体）从“会说话”变成“能办事”，核心就是 Tool Calling（工具调用）。岗位问它，是为了判断你是否能把模型接进真实业务系统，而不是停留在聊天页面。
面试官通常会问：
| 问题 | 真实考察点 |
|---|---|
| 工具怎么定义 | 是否有清晰输入、输出、风险等级和使用条件 |
| 什么时候调用工具 | 是否能区分直接回答、RAG（检索增强生成）、只读工具、写入工具 |
| 工具失败怎么办 | 是否有超时、重试、降级、转人工和日志 |
| 如何防止越权 | 是否有身份、权限、数据范围和审批 |
| 如何避免重复执行 | 是否理解幂等和业务状态 |
它在项目里到底怎么用
以“智能客服 Agent（智能体）工作台”为例，工具可以分成三类：
| 工具类型 | 示例 | 风险控制 |
|---|---|---|
| 只读工具 | 查订单状态、查物流、查售后政策 | 校验身份和数据归属 |
| 写入工具 | 创建工单、提交反馈、预约回访 | 需要用户确认和幂等控制 |
| 高风险工具 | 退款、改价、取消订单、修改合同 | 必须人工审批 |
一次成熟的 Tool Calling（工具调用）链路应该是：
| 步骤 | 说明 |
|---|---|
| 识别意图 | 判断用户是不是需要外部数据或业务动作 |
| 选择工具 | 从工具清单中选择最合适的工具 |
| 补齐字段 | 缺少订单号、用户身份或业务范围时先追问 |
| 系统校验 | 校验权限、参数、风险等级和调用频率 |
| 执行工具 | 后端服务执行，模型不能绕过系统 |
| 观察结果 | 把工具结果交回模型组织回答 |
| 记录日志 | 保存 Trace ID（追踪编号）、工具名、状态和错误原因 |
和普通 API（应用程序接口）调用的区别
普通 API（应用程序接口）调用通常由程序写死：到了某一步就调用某个接口。Tool Calling（工具调用）里，模型参与判断是否需要工具，以及工具参数应该是什么。但最终执行权仍然在系统手里。
面试时可以说：Tool Calling（工具调用）把自然语言任务转成受控工具请求，关键不是“能不能调”，而是“能不能安全、稳定、可追踪地调”。
常见误解
| 误解 | 为什么不对 | 正确理解 |
|---|---|---|
| 工具调用就是调用 API（应用程序接口） | 少了模型意图、参数生成和结果观察 | 它是模型与系统协作的链路 |
| 工具越多越强 | 工具多会增加误用和越权风险 | 工具要按业务场景和权限分级 |
| 模型选了工具就应该执行 | 模型可能选错或缺字段 | 系统必须校验后再执行 |
| 失败就重试 | 写入动作重复重试可能造成重复后果 | 要有幂等、补偿和人工确认 |
面试官可能怎么追问
1. Tool Calling（工具调用）怎么保证安全？
考察点： 是否理解企业系统边界。
参考回答： 我会从工具白名单、身份校验、权限范围、参数校验、风险等级、只读与写入分级、人工确认、幂等控制、日志脱敏和 Trace ID（追踪编号）几个层面保证安全。模型只提出调用意图，真正执行由后端系统控制。
容易扣分： 只说“在 Prompt（提示词）里告诉模型不要乱调”。
2. 工具调用失败时怎么处理？
考察点： 是否具备异常设计能力。
参考回答： 我会先区分失败类型：参数缺失、权限不足、无数据、工具超时、外部系统错误、结构化输出解析失败。不同失败对应不同处理：追问用户、拒绝执行、重试、降级为草稿、转人工或终止。所有失败都要记录到日志，方便复盘。
容易扣分： 所有失败都靠重新调用。
3. Tool Calling（工具调用）和 RAG（检索增强生成）怎么配合？
考察点： 是否能组合能力。
参考回答： RAG（检索增强生成）主要解决“从资料中找依据再回答”，Tool Calling（工具调用）解决“读取或操作业务系统”。客服场景里，退货政策可以走 RAG（检索增强生成），订单状态需要工具调用，复杂问题可能先检索政策再查订单，最后生成带依据的答复。
容易扣分： 把所有外部能力都叫 RAG（检索增强生成）。
作品集里怎么展示它
作品集要让面试官看到你设计的是“受控工具层”：
- 工具清单：每个工具写清用途、输入、输出和风险等级。
- 调用流程：模型选择工具前后，系统做了哪些校验。
- 权限样例：同一问题在不同用户权限下结果不同。
- 失败样例：无权限、缺字段、工具超时、重复提交如何处理。
- 审计日志：展示 Trace ID（追踪编号）如何串起请求、工具和结果。