DeepSeek 工具调用与结果回传

模型生成结果后,应用仍需负责校验和执行边界。本教程把 JSON、重试与工具调用串成流程,供你在接入业务时逐项检查。

组织 JSON 输出要求

要得到可以入库的结果,需明确下面三件事。缺少其中一项,输出可能又回到自然语言。

  1. 先配置格式:在请求参数里启用 JSON 对象响应,避免用普通文字替代数据。
  2. 数据结构说明:列出字段命名、类型、必填项、允许值范围与嵌套关系。
  3. 使用样例:提供正确 JSON,让模型按目标格式组织数据。
messages=[ {"role":"system","content":"仅输出 JSON 对象。字段:order_id(字符串),amount(数字,保留两位小数),channel(枚举:web/app/store),tags(字符串数组,可为空)。"}, {"role":"user","content":"把这笔订单转成结构化记录:订单号 A2024-8891,金额 1284.5 元,来自小程序渠道。"} ] response_format={"type":"json_object"}

验证后按需重试

模型并不总能严格按格式回答,工程上要考虑这种不确定性。处理链路应包含解析、校验和失败重试。

import json def extract(text): try: data = json.loads(text) except json.JSONDecodeError as e: return None, f"JSON 解析失败:{e}" required = {"order_id", "amount", "channel", "tags"} missing = required - set(data) if missing: return None, f"缺少字段:{sorted(missing)}" if not isinstance(data["amount"], (int, float)): return None, "amount 不是数字" return data, None result, error = extract(text) if error: # 把错误信息带回对话,让模型自己修正一次 text = retry_with_error(text, error)

重试请求应包含具体校验错误,便于模型修正。生产环境需设重试上限,例如两次,防止异常输入导致无限循环。

工具决策与执行流程

把业务函数提供给模型后,可按四步完成一次工具调用:

  1. 先描述工具:把函数名、功能与参数结构放入请求。参数说明越清楚,模型越容易选对。
  2. 生成调用请求:模型认为需要函数时,输出相应名称及参数。这一步不应以编造答案替代真实调用。
  3. 运行函数:真正执行的是你的程序,结果也由程序取得。执行动作始终在应用一侧,模型不直接接触系统。
  4. 提交执行数据:把函数结果作为消息回传。模型随后依据这些数据生成最终答复。
工具声明(要点) { "name": "query_orders", "description": "按用户 ID 查询最近 30 天的订单列表,返回金额与渠道", "parameters": { "type": "object", "properties": { "user_id": {"type": "string"}, "days": {"type": "integer", "default": 30} }, "required": ["user_id"] } } 执行链路 模型请求调用 query_orders(user_id="U1024") → 你的代码查库并返回真实订单数组 → 把数组作为 tool 消息回传 → 模型据此回答用户问题

为避免选错工具,说明应具体;为避免挤占上下文,过长结果要自行缩减或归纳。涉及写操作需再确认,不要让模型独自决定删除、支付等执行动作。

并发调度及成本管理

要核对 API 地址、密钥和模型名称,参考 开发接入指南。如果希望在本地运行同样流程,可继续查看 DeepSeek 自主部署教程。

常见解答

API 工作流帮助

为什么返回内容仍无法解析?

先检查是否在 JSON 前后出现说明文字,以及字段是否按要求命名。应启用对象响应模式,提示中提供字段定义与样例,程序解析验证,失败后带回错误再重试一次。

工具请求和执行如何衔接?

应用先给出工具列表、参数结构,模型随后输出调用请求。自己的程序负责执行并回传结果,模型再形成答复;真正执行始终在应用侧,模型只决定请求什么。

相关教程推荐

相关任务教程