用ChatGLM的工具可以实现很多查询接口和执行命令，外部工具该如何配置使用？如何联合它们实现大模型查询助手功能？例如调用工具实现股票信息查询，网络天气查询等助手功能。
LLM大模型相关文章：
GPT实战系列-ChatGLM3本地部署CUDA11+1080Ti+显卡24G实战方案
GPT实战系列-LangChain + ChatGLM3构建天气查询助手
GPT实战系列-大模型为我所用之借用ChatGLM3构建查询助手
tools = [
{'name': 'querystock',
'description': '查询指定股票的实时价格',
'parameters':
{'type': 'object',
'properties':
{
'symbol': {'description': '需要查询的股票代码'}
},
'required': []
}
},
]
"name"：为配置tool工具名；
"description"：对工具的描述；
"parameters"：
"type"：数据类型默认为"object";
"properties":在此定义工具的属性以及对属性值的描述;
"required": 需要返回的属性;
system_item = {"role": "system",
"content": "Answer the following questions as best as you can. You have access to the following tools:",
"tools": tools}
程序中调用语句以便实现工具调用
tokenizer = AutoTokenizer.from_pretrained(TOKENIZER_PATH, trust_remote_code=True)
model = AutoModel.from_pretrained(MODEL_PATH, trust_remote_code=True, device_map="auto").eval()
past_key_values, history = None, [system_item]
调用模型时，当对话query和tool相关时，模型会自动调用tool并反馈：
query = "帮我查询股票sz000001的价格"
response, history = model.chat(tokenizer, query, history=history)
print(response)
期望调用工具得到输出为：
{"name": "querystock", "parameters": {"symbol": "sz000001"}}
这表示模型需要调用工具 querystock，并且需要传入参数 symbol。
此时需要自行实现调用工具的逻辑。假设已经得到返回结果，将结果以 json 格式返回给模型并得到回复。
result = json.dumps({"price": 9.270}, ensure_ascii=False)
response, history = model.chat(tokenizer, result, history=history, role="observation")
print(response)
这里 role="observation" 表示输入的是工具调用的返回值而不是用户输入，不能省略。
经LLM整理信息后，期望得到的输出为
根据您的查询，经过API的调用，股票 sz000001 的价格是 9.270。
表示本次工具调用已经结束，模型根据返回结果生成回复。
可以根据返回的 response 是 str 还是 dict 来判断返回的是生成的回复还是工具调用请求。
觉得有用 收藏 收藏 收藏
点个赞 点个赞 点个赞
End
GPT专栏文章：
GPT实战系列-ChatGLM3本地部署CUDA11+1080Ti+显卡24G实战方案
GPT实战系列-LangChain + ChatGLM3构建天气查询助手
GPT实战系列-大模型为我所用之借用ChatGLM3构建查询助手
GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型，到底做了什么？(二)
GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型，到底做了什么？(一)
GPT实战系列-ChatGLM2部署Ubuntu+Cuda11+显存24G实战方案