GPT-4 也能用工具了：OpenAI 上線函式呼叫，模型學會自己搖人

小嬰兒剛出生時什麼都不會，但他們掌握了一項終極技能：把父母當成工具。餓了哭、尿布溼了哭，等長大一點，他們就會用精準的語言提要求，比如「我想吃餅乾」，然後父母負責走過去、拿餅乾、遞過來。

大語言模型過去恰恰缺了這種本事。本週早些時候，OpenAI 給 GPT API 塞進了一項名為「函式呼叫」（function calling）的新能力，直接把工具呼叫的機制做進了底層模型裡。

說白了，以前的 GPT-4 就像一個懂很多道理但手腳被捆住的天才。它數學算不好、不知道 2021 年之後發生了什麼、拿不到企業私有資料，也沒辦法直接呼叫外部介面。現在有了函式呼叫，GPT 終於學會像小孩找大人求助一樣，向外部程式要支援了。

讓模型學會自己挑工具

這套機制的運轉邏輯其實很直接。開發者在呼叫 GPT 模型時，可以順便附帶一組外部工具的描述清單。

這個清單裡會清楚寫明每個工具能幹什麼，比如做高精度數學計算、查詢內部 SQL 資料庫，或者呼叫某個業務系統的 API，同時交代清楚怎麼呼叫的具體格式。

面對使用者的提問，GPT 會自己判斷是直接張嘴回答，還是該去叫外援。如果它覺得這道題超綱，就會按要求返回一個結構化的工具呼叫請求。開發者的程式在後臺把工具跑完，把結果再塞回給 GPT，讓它整合出最終答案。

在這項官方更新之前，社群裡早就有各種第三方開源庫在嘗試做類似的事。但開發者們普遍遇到的痛點是速度慢，而且很不穩定，模型經常搞錯格式或邏輯掉鏈子。現在 OpenAI 直接在模型原生層支援，這類開源庫的很大一部分生態位直接被收編了。

為什麼重要

我們認為，這一步走得非常聰明，它標誌著大模型從單純的「聊天框」真正邁向了「軟體中樞」。

對開發者和企業來說，它的價值立竿見影。過去大家想讓大模型接入業務系統，往往要寫極長又脆弱的提示詞，祈禱模型返回正確的格式。現在有了官方函式呼叫，大模型與傳統軟體之間堅固的牆被砸開了一個標準入口，無論是查即時資料庫還是做複雜計算，穩定性和可用性都大幅提升。

對行業生態來說，這也是一次典型的降維打擊。此前不少初創專案和開源庫全靠給模型外接工具起家，現在 OpenAI 自己把底層通道鋪好，這類膠水層工具如果不往更深度的業務流走，生存空間會迅速被擠壓。

不過，看起來隱患也依然存在。OpenAI 只是讓模型學會了「發起呼叫」，真正執行操作、確保安全的責任依然全在開發者這邊。如果模型在複雜的鏈條中判斷失誤，或者工具許可權開得過大，外部系統很可能會面臨越權操作或資料洩露的風險。怎麼在賦予 AI 更多操作權的同時做好沙箱隔離，會是接下來的硬骨頭。