Ollama工具调用（Tool Calls）业务应用案例

---

场景：电商客服自动处理退货请求

业务需求：用户通过聊天界面申请退货，模型需调用外部工具验证订单状态、触发退货流程，并返回处理结果。

---

1. 定义工具列表

在请求中声明模型可调用的工具（函数）及其参数格式（JSON Schema）：

tools = [{"type": "function","function": {"name": "check_order_status",  # 工具名称"description": "根据订单号查询订单状态，判断是否符合退货条件","parameters": {"type": "object","properties": {"order_id": {"type": "string", "description": "用户提供的订单号"}},"required": ["order_id"]}}},{"type": "function","function": {"name": "initiate_refund",  # 工具名称"description": "触发退货流程，通知物流和财务系统","parameters": {"type": "object","properties": {"order_id": {"type": "string"},"reason": {"type": "string", "description": "用户填写的退货原因"}},"required": ["order_id", "reason"]}}}
]

---

2. 用户发起对话请求

用户输入退货申请：

messages = [{"role": "user", "content": "我要退货，订单号是ORD123456。退货原因是商品尺寸不符。"}
]

向模型发送请求（启用工具调用）：

import requestsresponse = requests.post("http://localhost:11434/api/chat",json={"model": "llama3:8b-instruct","messages": messages,"tools": tools,  # 传递工具定义"tool_choice": "auto"  # 由模型决定是否调用工具}
)
result = response.json()

---

3. 解析模型的工具调用请求

模型分析用户输入后，返回需调用的工具及参数：

{"message": {"role": "assistant","content": null,"tool_calls": [{"id": "call_001","type": "function","function": {"name": "check_order_status",  // 要求调用订单状态查询工具"arguments": "{\"order_id\": \"ORD123456\"}"}}]}
}

---

4. 执行工具函数并返回结果

客户端根据工具名称执行对应的业务逻辑：

# 模拟订单状态查询（实际可能调用数据库或内部API）
def check_order_status(order_id):# 假设订单状态有效且可退货return {"status": "success","data": {"order_id": order_id,"is_refundable": True,"product": "男士运动鞋","purchase_date": "2024-05-01"}}# 获取工具调用参数
tool_call = result["message"]["tool_calls"][0]
args = json.loads(tool_call["function"]["arguments"])# 执行工具
tool_response = check_order_status(args["order_id"])# 将结果附加到对话历史
messages.append({"role": "tool", "content": json.dumps(tool_response),"tool_call_id": tool_call["id"]  # 关联工具调用ID
})

---

5. 模型生成最终回复

继续请求模型，传递工具执行结果：

response = requests.post("http://localhost:11434/api/chat",json={"model": "llama3:8b-instruct","messages": messages}
)final_reply = response.json()["message"]["content"]
print(final_reply)

模型返回：

订单ORD123456（男士运动鞋，购买日期2024-05-01）符合退货条件。已为您启动退货流程，请将商品寄回至仓库地址。物流单号将通过短信发送。

---

其他业务场景示例

场景1：天气查询助手

• 工具定义：调用天气API获取实时数据。
• 用户输入：“上海今天会下雨吗？”
• 模型行为：调用 get_weather 工具，参数 {"location": "上海"}。
• 工具响应：返回温度、降水概率。
• 最终回复：“上海今日多云转小雨，气温22-28°C，降水概率60%。”

---

场景2：数据分析报告生成

• 工具定义：调用 generate_chart 工具，根据数据生成图表。
• 用户输入：“帮我用柱状图展示2023年季度销售额。”
• 模型行为：调用工具，参数 {"data_type": "sales", "chart_type": "bar"}。
• 工具响应：返回图表URL或Base64图片。
• 最终回复：Markdown格式嵌入图表，并总结趋势。

---

场景3：智能家居控制

• 工具定义：调用 control_device 工具，操作IoT设备。
• 用户输入：“把客厅的灯调暗一点。”
• 模型行为：调用工具，参数 {"device": "客厅灯", "action": "set_brightness", "value": 50}。
• 工具响应：返回操作状态。
• 最终回复：“已将客厅灯亮度调整为50%。”

---

关键优势

1. 自动化业务流程：将模型与内部系统（订单、库存、CRM）无缝连接。
2. 动态决策能力：模型根据对话上下文自主选择调用工具。
3. 减少幻觉：依赖真实数据生成回答，提升准确性。
4. 多模态扩展：结合图像生成、语音合成等工具。

---

注意事项

• 权限控制：限制工具调用的范围，避免未授权操作。
• 错误处理：捕获工具执行异常，返回友好提示（如“暂时无法查询订单，请稍后再试”）。
• 输入验证：检查工具参数合法性，防止注入攻击。
• 上下文管理：确保 tool_call_id 与对话历史关联，避免混淆。

通过工具调用，Ollama 可深度融入企业工作流，实现从“对话”到“行动”的智能化升级。