La llamada de funciones es una capacidad crítica para que los modelos de lenguaje grandes (LLM) interactúen con el mundo real y sean útiles más allá de un simple asistente de chat. Es posible que los LLM no tengan el conocimiento interno para realizar ciertas tareas, como recuperar las condiciones climáticas actuales. Sin embargo, pueden aprovechar las API o funciones externas para recuperar y procesar la información necesaria.

El flujo de la llamada de funciones funciona de la siguiente manera:

1. El LLM primero determina si puede realizar la operación en función de su conocimiento de entrenamiento interno o si necesita utilizar herramientas o funciones externas.
2. Si se requieren herramientas externas, el LLM analizará la consulta del usuario y seleccionará las funciones apropiadas para ejecutar.
3. El LLM luego utilizará un compilador de Python para realizar las llamadas a las funciones, recuperar los resultados y alimentarlos de vuelta al LLM para generar la respuesta final.

En esta sección, exploraremos la capacidad del modelo para manejar llamadas a múltiples funciones y llamadas a funciones anidadas. El objetivo es probar la capacidad del modelo para descomponer consultas complejas y ejecutar múltiples funciones de forma secuencial para proporcionar una respuesta integral.

Primero, veremos un ejemplo de llamadas a múltiples funciones, donde el modelo necesita ejecutar dos funciones separadas para abordar la consulta del usuario. El modelo debe ser capaz de identificar las funciones relevantes, realizar las llamadas a las funciones necesarias y combinar los resultados para generar la respuesta final.

A continuación, exploraremos el concepto de llamadas a funciones anidadas. En este escenario, la salida de una llamada a función se convierte en la entrada de otra llamada a función. El modelo debe reconocer esta dependencia, ejecutar las funciones en el orden correcto y proporcionar el resultado final al usuario.

Para garantizar que las respuestas del modelo sean precisas y bien formateadas, utilizaremos un mensaje del sistema que guíe al modelo sobre cómo manejar las llamadas a funciones dependientes. Este enfoque ayuda al modelo a mantener la integridad de los datos a lo largo del proceso de ejecución de funciones de múltiples etapas.

Finalmente, probaremos un ejemplo más complejo que combine las llamadas a múltiples funciones y las llamadas a funciones anidadas. Esto demostrará la capacidad del modelo para manejar consultas complejas y coordinar la ejecución de múltiples funciones para entregar una respuesta integral y precisa.

La llamada a funciones anidadas es una función poderosa que permite a los modelos de lenguaje realizar operaciones complejas y de múltiples pasos encadenando los resultados de múltiples funciones. Esta capacidad es fundamental para permitir que los modelos de lenguaje interactúen con el mundo real y aborden casos de uso avanzados más allá de los simples chatbots.

En esta sección, exploraremos cómo el modelo Mistol 7B versión 3 puede manejar las llamadas a funciones anidadas, donde la salida de una llamada a función se utiliza como entrada para otra llamada a función. Esto permite que el modelo descomponga las consultas complejas de los usuarios en una serie de pasos interdependientes, cada uno ejecutado por una función separada.

Los pasos clave involucrados en la implementación de las llamadas a funciones anidadas son:

1. Identificar funciones dependientes: El modelo debe reconocer cuándo una consulta de usuario requiere que la salida de una función se utilice como entrada de otra función. Esto requiere que el modelo tenga una comprensión integral de las funciones disponibles y sus relaciones de entrada/salida.

2. Ejecutar las llamadas a funciones en secuencia: Una vez que se han identificado las funciones dependientes, el modelo debe ejecutarlas en el orden correcto, pasando los datos relevantes de una llamada a función a la siguiente.

3. Formatear la salida correctamente: Para garantizar que la salida final sea precisa y significativa, el modelo debe utilizar un mensaje del sistema para guiar el formato de los resultados intermedios de las llamadas a funciones.

Cuando se trata de llamadas a funciones de múltiples etapas o anidadas, es crucial asegurarse de que el formato de entrada y salida sea correcto. Uncle Code recomienda utilizar un mensaje del sistema para guiar al asistente en la selección de las herramientas apropiadas y manejar las dependencias entre ellas.

El mensaje del sistema sugerido es:

Eres un asistente útil. Tu trabajo es seleccionar las herramientas relevantes para la consulta del usuario. En el caso de múltiples herramientas, si las herramientas dependen una de otra y el parámetro de entrada de una herramienta proviene de otra función, usa @seguido del nombre de la función para el valor del parámetro. Esto asegura que el valor esté correctamente formateado.

Este mensaje del sistema tiene dos propósitos clave:

1. Selección de herramientas: Instruye al asistente a seleccionar las herramientas relevantes en función de la consulta del usuario, asegurando que se cubra la funcionalidad necesaria.

2. Manejo de dependencias: Para los casos en los que las herramientas son interdependientes y la salida de una función se requiere como entrada de otra, el mensaje del sistema guía al asistente a usar la sintaxis @nombre_de_la_función para hacer referencia correctamente a la salida de la función anterior.

El modelo Mistol V3 ha demostrado impresionantes capacidades para manejar llamadas a múltiples funciones y llamadas a funciones anidadas. Los puntos clave son:

1. El modelo puede descomponer consultas complejas de los usuarios en llamadas a funciones separadas y ejecutarlas en paralelo, como se ve en el ejemplo de obtener el clima actual en París y la hora actual en San Francisco.

2. Para las llamadas a funciones anidadas, donde la salida de una función es la entrada de otra, el modelo puede manejar esto sin problemas. Utiliza un mensaje del sistema para asegurarse de que la salida de la primera llamada a función esté en el formato correcto para la segunda llamada a función.

3. La capacidad del modelo para manejar una combinación de llamadas a múltiples funciones y llamadas a funciones anidadas, como se muestra en el ejemplo final, resalta su flexibilidad y robustez en escenarios del mundo real.

En general, las capacidades de llamada a funciones del modelo Mistol V3 lo convierten en una herramienta poderosa para construir aplicaciones interactivas que puedan aprovechar las API y servicios externos. Al integrar este modelo en sus proyectos, puede crear asistentes inteligentes que puedan realizar una amplia gama de tareas más allá de las simples interacciones de chat.