ChatGLM3项目函数调用功能失效问题分析与解决方案
问题背景
在ChatGLM3项目的开发过程中,近期出现了一个影响较大的技术问题:官方提供的所有基于AI服务API实现的函数调用功能突然全部失效。这一问题直接影响了项目中两个关键示例脚本(api_request.py和api_demo.py)的正常运行,只有基于HuggingFace的composite_demo仍能正常工作。
问题根源分析
经过技术团队深入排查,发现问题源于一次代码提交(6c0afae6e4cf6a24143c67d976d295cd1869de50)。该提交本意是改进agent chat功能,但在实现过程中出现了两个关键问题:
-
路由变更问题:开发者原本计划使用新的web endpoint
/agent/chat,但实际修改的却是/v1/chat/completions接口,导致功能路径错位。 -
工具调用限制:代码中错误地将所有外部传入的tools声明完全屏蔽,只允许使用tools包下预定义的函数,这与项目最初设计的开放性原则相违背。
技术影响评估
这一变更对项目产生了多方面影响:
-
功能兼容性破坏:原本支持的外部工具集成功能突然失效,导致依赖此功能的用户无法正常使用。
-
设计原则冲突:项目最初遵循"API对接时不处理工具执行部分"的原则,但此次变更却将工具执行强制纳入项目内部管理。
-
用户体验下降:用户突然面临功能不可用的情况,且缺乏明确的错误提示,增加了排查难度。
解决方案演进
技术团队针对此问题提出了多阶段的解决方案:
临时解决方案
建议用户回退到早期版本(7bd44df08d1476a264724bff59010bede3f79fbf),该版本函数调用功能正常。
最终解决方案
经过社区讨论和代码审查,技术团队提交了新的PR,实现了:
- 恢复默认配置下外部tools的传入功能
- 添加了相关的环境变量配置
- 确保两种模式兼容:
- 标准AI服务接口模式(适用于有API key的场景)
- 自定义路由模式(适用于无API key等特殊场景)
技术实现细节
最终的解决方案体现了以下技术特点:
-
双模式兼容设计:
- 标准模式保持AI服务接口的流式体验优势
- 自定义模式提供更强的灵活性和适应性
-
增强的调度能力:
- 内置工具调度异常的自修复机制
- 允许用户自定义接口路由参数
-
开发者友好性:
- 用户可专注于工具箱(tools)开发
- 无需关心底层调度算法实现
经验总结
此次事件为开源项目管理提供了宝贵经验:
-
变更影响评估:即使是改进性变更,也需要全面评估对现有功能的影响。
-
设计原则坚守:应当坚持项目最初的设计理念和接口约定。
-
兼容性保障:新功能的引入不应破坏现有功能的正常使用。
-
及时响应机制:社区成员发现问题后能够快速响应并提出解决方案。
通过这次问题的解决,ChatGLM3项目的函数调用功能不仅得到了恢复,还在可用性和灵活性方面获得了提升,为后续的功能扩展奠定了更坚实的基础。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00