概述
ShareGPT格式的數據集中，一般是如下格式：
[
{
"conversations": [
{
"from": "human",
"value": "I saw a dress that I liked. It was originally priced at $200 but it's on sale for 20% off. Can you tell me how much it will cost after the discount?"
},
{
"from": "function_call",
"value": "{\"name\": \"calculate_discount\", \"arguments\": {\"original_price\": 200, \"discount_percentage\": 20}}"
},
{
"from": "observation",
"value": "{\"discounted_price\": 160}"
},
{
"from": "gpt",
"value": "The dress will cost you $160 after the 20% discount."
}
],
"system": "系統提示詞（選填）",
"tools": "[{\"name\": \"calculate_discount\", \"description\": \"Calculate the discounted price\", \"parameters\": {\"type\": \"object\", \"properties\": {\"original_price\": {\"type\": \"number\", \"description\": \"The original price of the item\"}, \"discount_percentage\": {\"type\": \"number\", \"description\": \"The percentage of discount\"}}, \"required\": [\"original_price\", \"discount_percentage\"]}}]"
}
]
function_call表示函數調用，什麼是函數調用？其作用是什麼？
由於大模型的數據一般都是截止於某個時間點之前的數據，不具備實時性。比如，我要問今天的天氣，正常來說，由於模型參數的侷限性，是不會知道的。但基於函數調用的功能，就解決了這個問題。
所謂的function_call，在某個程度來說，可以理解爲API調用，這個API就是一個function，提供了某種功能。
observation表示觀測結果，即function_call的執行結果。
tools表示工具，即對function_call的總結描述。
observation並不是新詞彙，對於HMM模型如果有了解的話，在其模型算法的表述中，也有着observation的相關引用。
ShareGPT格式簡單明瞭而且結構強大，不僅僅輕易的支持單輪對話、多輪對話；還引入了強大的函數調用，支持功能擴展。
擴展
function_call的設計引申出來，可以對應到業務開發中的規則引擎、腳本引擎等設計。譬如，支持在json參數的格式中，傳入JS腳本參數，做一些強大的運算等。在原有的參數格式中，引入強大的函數調用支持。
如何在聊天模型中調用函數（Function Calling)--金融大模型知識庫實戰（十六）
大模型開發 - 一文搞懂 Function Calling（函數調用）
首發於個人公衆號
