好消息是一個接一個！

原標題：那么多接入 DeepSeek 的，終于有一家支持 Function Call 了！！！
文章來源：特工宇宙
內容字數：3228字

DeepSeek R1 迎來重大升級：Function Call 功能上線，AI Agent 元年加速到來

近期，AI 領域發生了一件令人興奮的事情：DeepSeek R1，這款備受關注的大型語言模型，正式上線了備受期待的 Function Call (函數調用) 功能！這一升級標志著 DeepSeek R1 向更智能、更強大的 AI Agent 邁出了關鍵一步，也為即將到來的 AI Agent 元年注入了新的活力。

Function Call：賦予 LLM 超能力的鑰匙

Function Call 的核心在于將 LLM 從單純的文本生成器轉變為更智能的“操作員”。它通過標準化的接口，允許 LLM 調用外部工具和服務，從而突破自身能力的限制，獲取更豐富的信息和更強大的處理能力。想象一下，LLM 就像一位數字員工，而 Function Call 就是賦予它訪問各種辦公工具和資源的權限，使其能夠更高效地完成任務。

Function Call 的工作流程大致如下：用戶輸入問題后，LLM 會先嘗試自行作答；如果發現需要外部工具的幫助，它會暫停文本生成，轉而生成調用外部工具所需的精確參數；外部系統接收這些參數并執行相應操作，并將結果反饋給 LLM；最后，LLM 結合這些結果和之前的上下文，生成完整的、更準確的答案。

LLM 作為數字員工：Function Call 如何提升效率？

將 LLM 比作數字員工，我們可以更好地理解 Function Call 的價值。一個高效的數字員工需要具備以下能力：強大的認知基座、訪問外部信息的渠道以及清晰的工作規范。而 Function Call 正是填補了 LLM 在這三方面的不足。

以往，LLM 常常出現“幻覺”，即給出不準確或荒謬的答案。這通常是因為其認知基座存在缺陷，或者缺少必要的外部信息。Function Call 通過允許 LLM 調用外部工具，有效地解決了這兩個問題：它可以訪問實時信息、數據庫等，補充 LLM 的知識盲區；同時，通過規范化的接口，確保 LLM 獲取的信息可靠且可信。

清華系開源智能體框架 Eko 的巧妙應用

值得一提的是，清華系開源智能體框架 Eko 在 Function Call 的應用上展現了非凡的靈性。Eko 采用規劃層和執行層的設計：規劃層負責任務規劃，并通過 Function Call 自動生成工作流；執行層則由多個小型智能體組成，它們通過 Function Call 執行具體任務。這種架構使得 Eko 能夠更高效地處理復雜任務。

DeepSeek R1 的未來展望以及行業趨勢

DeepSeek R1 在 Function Call 功能上線后，有望在類似 Eko 的框架下展現更強大的能力。這無疑為 2025 年的 AI Agent 元年增添了強勁動力。工具調用是 Agent 的基石，字節跳動率先在 DeepSeek 上實現了這一功能，標志著 AI 技術的又一次飛躍。

雖然目前 DeepSeek R1 的 Function Call 功能還存在一些小問題，例如偶爾無法準確判斷何時調用函數或參數輸入不夠精確，但其潛力不容小覷。隨著技術的不斷改進，相信 DeepSeek R1 將在 AI Agent 領域發揮越來越重要的作用。

最后，我們也期待基于 Qwen2.5-Max 的深度推理模型的出現，相信這將進一步推動 AI 技術的進步，并為我們帶來更加智能、便捷的 AI 應用。

聯系作者

文章來源：特工宇宙
作者微信：
作者簡介：Agent Universe，專注于智能體的AI科技媒體。