# 函数调用课程里，FDE 最该看的 9 分钟

> DeepLearning.AI 与 Nexusflow 的课程以客服对话转 SQL 收尾，照搬做法之前，先弄清它的短板。

原文: https://fdetimes.net/zh/books-courses/deeplearning-ai-function-calling-course-review/

这门课的最后一节只有 9 分钟，却最接近前线部署工程师（FDE）日常做的数据管道工作：拿来一批客服对话记录，让 LLM 生成 SQL 调用，再把结果写入数据库。课程的终点是一张数据表，而不是聊天机器人。

正因如此，DeepLearning.AI 的“Function-calling and data extraction with LLMs”值得花一个晚上看完。但它也有短板，事先不了解，就会把错误的习惯带进客户项目。

## 这门课由谁制作，教什么？

这是 DeepLearning.AI 与 Nexusflow 合作推出的短课，2024 年上线。授课人是 Nexusflow 联合创始人兼 CEO、UC Berkeley EECS 与统计学助理教授 Jiantao Jiao，以及 Nexusflow 创始工程师 Venkat Srinivasan。课程页面最后更新于 2026 年 8 月 27 日。

课程页面直接写明了目标：两项技能，即函数调用，以及从自由文本中抽取结构化数据。视频合计约 58-59 分钟。页面目前显示的 1 小时 19 分钟，还包含 10 分钟阅读材料和一次 10 分钟的计分测验。

主要课时包括：什么是函数调用（9 分钟）、函数调用的变体（12 分钟）、连接外部工具（5 分钟）、结构化抽取（7 分钟）、应用（10 分钟），以及一个对话处理项目（9 分钟）。

课程定为入门级，要求对 LLM 有一定了解，并掌握基础 Python。平台 beta 期间可免费学习；计分作业和证书需要 PRO 订阅。

## 要点一：模型只写调用，执行在你

函数调用这几课最值得带走的一点是：模型读取你所声明函数的描述，返回函数名和参数。要不要调用、怎么调用、如何校验参数，都由你写的代码决定。

**要点:** 模型只负责写出函数调用，是否执行由你的代码决定。

对 FDE 来说，这是最重要的安全边界。客户问“Agent 能不能自己删数据？”，正确答案在你搭建的执行层里，而不在 prompt 里。

单次调用之外，课程还讲了并行调用和嵌套调用。这部分要仔细看，因为真实请求很少只需要一次调用。

## 要点二：抽取本质上就是函数调用

结构化抽取一课只有 7 分钟，别指望讲得多深。但其中的思路值得记住：要从文本中提取数据，就声明一个“函数”，参数恰好是你需要的字段，然后让模型去“调用”它。

设想一段对话记录：客户来电投诉订单晚到了三天，要求退款。你声明一个函数 `log_ticket`，参数包括订单号、问题类型、不满程度，以及是否要求退款。

模型返回一次填好参数的调用，你的代码检查数据类型，再把它转成 `INSERT` 语句。这就是课程项目的主干。

需要自己补上的一步是评测抽取的准确率。比如跑了 200 条对话记录，人工核对其中 50 条：如果“是否要求退款”字段错了 6 次，这个字段的准确率就是 88%。客户在允许数据流入自家系统之前，要看的就是这个数字。

## 要点三：OpenAPI 规范是通往客户系统的桥梁

课程有一部分用 OpenAPI 规范构造对 Web 服务的调用。在客户现场，这是非常实用的捷径。客户的内部系统往往已经有现成的规范，你可以直接从中生成函数列表，不必逐个手写。

落地时的建议：不要把整份规范交给模型。挑出工作流真正需要的几个端点，重写描述让含义清楚，并在执行层拦截写入和删除类端点。

## 哪些可以略过

动手练习使用 NexusRavenV2-13B，这是一个基于 CodeLlama-13B 微调的开源模型，可以在本机运行。该模型的 Hugging Face 页面称，在嵌套调用和组合调用上，它的函数调用成功率比 GPT-4 高 7%。

这是厂商自己发布的基准测试，而且只针对某一类调用，别拿这个数字去说服客户。

所以，概念要学，这个模型的 prompt 语法不必死记。实际工作中，你得把一切迁移到 OpenAI 或 Anthropic 风格的 tool use 上。最值得做的练习，是用客户实际使用的 API 把项目重写一遍。

## 适合谁，按什么顺序学？

这门课适合调用过几次 LLM API、但从未把模型接入真实系统的工程师。如果你已经在生产环境中运行 tool use，只看项目课和 OpenAPI 部分即可。

比较合理的顺序：先看“什么是函数调用”理解概念，再看“变体”，然后直接跳到项目课。之后再回头看抽取和连接工具两课。证书没有必要，FDE 招聘经理更相信代码仓库。

简历上不要写“完成了函数调用课程”。要写你搭建了一条从对话记录到数据库的管道，抽取多少个字段，在自己标注的数据集上达到多高准确率。职位描述提到 Agent 或 LLM 集成时，面试官最想深挖的正是这类证据。

这门课给你大约一小时的概念。剩下的部分，包括评测准确率、拦截危险调用，都得自己动手，而这恰恰是雇主愿意付钱的部分。

**本周动手试试:**

- 先看“什么是函数调用”（9 分钟），再看“函数调用的变体”（12 分钟），然后直接看项目课（9 分钟）；最后再回头看抽取和连接工具两课
- 用你或客户所用厂商的 tool use API 重做项目，数据是你自己写的 20 条对话记录
- 逐字段人工标注抽取结果的对错，算出准确率，并把这个数字写进项目 README

## 信源

- [Function-calling and data extraction with LLMs - DeepLearning.AI](https://www.deeplearning.ai/courses/function-calling-and-data-extraction-with-llms)

- [New course with Nexusflow: Function-calling and Data Extraction with LLMs](https://info.deeplearning.ai/new-course-with-nexusflow-function-calling-and-data-extraction-with-llms)

- [function-calling-and-data-extraction-with-llms (course companion repo)](https://github.com/ksm26/function-calling-and-data-extraction-with-llms)

- [Function-calling and data extraction with LLMs - DeepLearning.AI](https://www.deeplearning.ai/short-courses/function-calling-and-data-extraction-with-llms/)

- [Nexusflow/NexusRaven-V2-13B · Hugging Face](https://huggingface.co/Nexusflow/NexusRaven-V2-13B)