QwenLM/Qwen项目中百炼文档Function Call示例问题分析
2025-05-12 22:37:15作者:尤峻淳Whitney
在QwenLM/Qwen项目的百炼文档中,关于Function Call的示例代码存在一个常见但容易被忽视的问题。这个问题会导致开发者在实际调用API时遇到参数错误,影响开发效率。
问题现象
当开发者按照文档示例代码执行Function Call时,系统会返回400错误,提示消息内容不合法。具体错误信息表明:当消息角色为"tool"时,必须是对前一条包含"tool_calls"消息的响应。这意味着示例代码中缺少了关键的一步操作。
技术分析
在OpenAI风格的API调用中,Function Call的正确流程应该包含以下几个步骤:
- 首次调用时传入messages和tools参数
- 获取包含tool_calls的响应
- 将响应消息追加到对话历史中
- 然后才能发送tool角色的消息
文档示例中缺少了第三步,即没有将首次调用的响应消息追加到对话历史中,导致后续调用时上下文不完整,API无法验证tool消息的合法性。
解决方案
正确的代码实现应该包含以下关键修改:
# 首次调用获取工具调用请求
first_response = client.chat.completions.create(
model="qwen-plus",
messages=messages,
tools=tools
)
# 必须将响应消息添加到对话历史中
assistant_output = first_response.choices[0].message
messages.append(assistant_output) # 这是文档中缺失的关键步骤
# 然后才能处理工具调用结果
最佳实践建议
- 在使用Function Call时,务必保持对话上下文的完整性
- 每次API调用后,都应该将响应消息添加到对话历史中
- 对于工具调用的响应,需要确保其对应前一个工具调用请求
- 在开发过程中,建议逐步打印和检查messages列表的内容,确保上下文结构正确
这个问题虽然看似简单,但对于刚接触Function Call功能的开发者来说可能会造成困扰。理解API调用的上下文管理机制,是正确使用这类功能的关键。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0244- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
HivisionIDPhotos⚡️HivisionIDPhotos: a lightweight and efficient AI ID photos tools. 一个轻量级的AI证件照制作算法。Python05
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
638
4.19 K
Ascend Extension for PyTorch
Python
477
579
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
934
841
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
327
383
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.51 K
865
暂无简介
Dart
883
211
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
386
272
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
132
196
昇腾LLM分布式训练框架
Python
139
162