企业官网建设流程全解析

【零基础入门 LLM 开发 · Day 9】：工具描述的艺术——AI 靠"读说明书"做决策

今天只解决一个问题

Day 8 你可能没注意到：两个练习文件里的工具描述不一样。

Day 8 版本（openAITools.py）：

"description":"获取指定城市的当前天气",# 参数描述"location":{"type":"string","description":"城市名称:如：北京"}

Day 9 版本（openAITools2.py）：

"description":"需要查询天气的城市名称，例如：北京、上海、纽约。如果用户没有指定具体城市，请询问用户。",

差别在哪？Day 9 的描述里多了一句行为指令：“如果用户没有指定具体城市，请询问用户。”

效果：当用户问"今天天气怎么样？"（没说城市）——

• 前者：AI 可能瞎猜一个城市直接调用；
• 后者：AI 会反问"请问您想查询哪个城市的天气呢？"

description 不是注释，是提示词（prompt）的一部分。AI 的决策完全基于它。

描述写得好的五个要领

一个认知：AI 是"最较真的新员工"

把 AI 想象成一个第一天上班、极其较真的实习生：

• 说明书模糊 → 它就自由发挥（调用错工具、编造参数）；
• 说明书精确 → 它执行得比谁都标准。

工具多了之后这一点尤其致命：10 个描述含糊的工具摆在面前，选错的概率直线上升——这也是 Day 14 为什么要用"多 Agent 分工"来限制每个 AI 能看到的工具数量。

完整代码

完整代码与 Day 8 相同（openAITools2.py），只改了 description。你可以做一个对照实验：

# 实验 A：把 description 改回简短版，问"今天天气怎么样？"# 实验 B：用 Day 9 的完整描述，问同样的问题# 对比 AI 的行为差异

今日踩坑点

1. 描述里互相矛盾：比如 description 说"用户没指定城市就询问"，参数却标了required——AI 可能先编个城市再询问，行为混乱。
2. 描述写成给人看的文档：大段产品介绍没用，AI 需要的是决策规则（何时用、参数怎么填）。
3. 以为改参数默认值能引导 AI：不如老老实实写进 description。

今日小练习

1. 必做：故意把get_weather的 description 改成"获取股票行情"，问"北京天气如何"，观察 AI 的困惑或错误调用——反向证明 AI 真的在读说明书。
2. 进阶：写两个功能相近的工具（如"查天气"和"查空气质量"），精心设计边界描述，测试 10 个刁钻问题，看 AI 能否稳定选对。

明日预告

Day 10：原生 SDK 的样板代码越写越多？从今天起进入 LangChain——把重复劳动打包成"积木"。

附录：完整练习代码

openAITools2.py

importosimportjsonfromdotenvimportload_dotenvfromopenaiimportOpenAI load_dotenv()client=OpenAI(api_key=os.getenv("YUMC_MODEL_API_KEY"),base_url=os.getenv("YUMC_MODEL_BASE_URL"),)# 1.定义一个普通的Python 函数defget_weather(location:str)->str:"""模拟获取天气的函数"""if"北京"inlocation:return"晴天，25度"elif"上海"inlocation:return"雷阵雨，28度"return"未知天气"tools=[{"type":"function","function":{"name":"get_weather","description":"需要查询天气的城市名称，例如：北京、上海、纽约。如果用户没有指定具体城市，请询问用户。","parameters":{"type":"object","properties":{"location":{"type":"string","description":"城市名"}},"required":["location"],},},}]messages=[{"role":"user","content":"今天北京和上海的天气怎么样？"}]response=client.chat.completions.create(model="yumcode-pro",messages=messages,tools=tools,tool_choice="auto")ai_message=response.choices[0].message messages.append(ai_message)ifai_message.tool_calls:fortool_callinai_message.tool_calls:func_name=tool_call.function.name func_args=json.loads(tool_call.function.arguments)print(f"AI 想调用:{func_name}({func_args})")iffunc_name=="get_weather":result=get_weather(**func_args)print(f"本地函数执行结果:{result}")messages.append({"role":"tool","tool_call_id":tool_call.id,"content":result})final_response=client.chat.completions.create(model="yumcode-pro",messages=messages)print("\nAI 最终回复：",final_response.choices[0].message.content)