腾讯二面：做了三个 Agent 项目，“大模型怎么学会调工具“都说不清，面试官直摇头
昨天一个读者给我发了条很长的消息，说他腾讯二面挂了，挂在一个他"怎么也没想到会被问"的问题上。
他简历上写了三段 Agent 项目经历，LangChain、Function Calling 用得很溜，面试的时候项目拆解也讲得挺顺。面试官一直在点头，他心想稳了。
👨💻然后面试官突然问了一句：“你天天在用 Function Calling，那你能说说，大模型这个能力是怎么来的吗？它怎么就’学会’了看到工具描述之后输出一段 JSON？”
🙋♂️他愣了一下，说：“应该是……微调出来的？”
👨💻面试官追问：“微调分好几种，SFT 和 RLHF 在工具调用这件事上分别解决了什么问题？”
🙋♂️他支支吾吾说了句"SFT 教格式，RLHF 教质量"，就再也说不下去了。
👨💻面试官最后说：“你用了三个项目的 Function Calling，但对它的训练原理一无所知。这就像一个司机开了五年车，却不知道发动机怎么把油变成动力。能开，但修不了车。”
这件事我觉得特别有代表性。做 Agent 开发的人太多了，但大部分人对工具调用的认知停留在"调 API"的层面 ——知道怎么定义 tools 列表、知道怎么解析 tool_calls 返回、知道怎么把结果塞回 messages。
但往下追一层 ——模型为什么能这样做？这个能力是怎么训练出来的？能答上来的人少之又少。
今天把这道题从头到尾讲透。
简要回答
大模型的工具调用能力不是天生的，是后天训练出来的，分两个阶段。
第一个阶段是 SFT（监督微调）。简单说就是给模型看大量"正确的工具调用示范"——一条条精心构造的训练样本，每条都完整展示了"用户问了什么 → 有哪些工具可用 → 该不该调 → 调哪个 → 参数怎么填 → 结果回来之后怎么回答"。模型在几十万条这样的样本上反复训练，就学会了这一整套动作流程。
第二个阶段是 RLHF（基于人类反馈的强化学习）。SFT 教会了模型"怎么调"，但没教会它"什么时候该调、什么时候不该调"。RLHF 的作用就是通过人类的偏好反馈，帮模型建立起判断边界——简单问题直接回答，别画蛇添足去调工具；需要外部数据的问题才去调。
面试的时候如果被问到这个话题，只说"微调出来的"等于什么都没说。能把 SFT 和 RLHF 各自解决什么问题讲清楚，再点到训练数据的构造方式和运行时的调用流程，才是一个完整的回答。
详细解析
先搞清楚：原始大模型为什么不会调工具
这个问题看起来很基础，但它是理解后面所有内容的前提。
大模型在预训练阶段做的事情本质上只有一件：给一段文本，预测下一个 token。它在互联网上几乎所有的公开文本上训练过——百科、新闻、论文、代码、论坛帖子……但整个训练过程都发生在纯文本的世界里。模型从来没有"操作过"任何外部系统，也从来没有见过"输出一段 JSON 触发一次 API 调用"这种行为模式。
你可以这样类比：一个人从小到大只读书、不动手。他读过无数本关于烹饪的书，知道"热锅凉油"四个字怎么写，但从来没有摸过锅铲。你突然把他扔进厨房，递给他一把铲子说"炒个菜"，他是没法直接上手的——他对"炒菜"的认知还停留在文字描述层面，没有变成可以执行的动作模式。
原始大模型面对工具调用的处境也是一样的。你在 System Prompt 里告诉它"你有一个查库存的工具"，它能理解这句话的意思，甚至可能回复一句"好的，我来帮你查一下库存"——但它不会输出一段结构化的 JSON 调用请求，因为它的训练数据里从来没有这种格式的输出。
所以工具调用能力必须靠后天专门的训练来注入。接下来就是 SFT 和 RLHF 各自登场的环节。
SFT 阶段：教模型"看示范、学动作"
SFT 的全称是 Supervised Fine-Tuning，监督微调。如果类比到职场，SFT 就像新员工入职培训的第一周：师傅领着你，手把手演示流程——“遇到这种情况该填这个表，走这个审批”，你看十遍二十遍，自然就学会了。
具体到工具调用，SFT 要做的就是构造大量"标准示范"给模型看。每条训练样本是一个完整的多轮对话，里面至少包含五个部分：
第一部分是系统消息，列出当前可用的工具清单。每个工具的名称、功能描述、参数定义都写得很详细——这就相当于给模型发了一份"工具使用手册"。
第二部分是用户的提问。比如"帮我查一下深圳明天会不会下雨"。
第三部分是模型应该输出的工具调用请求——注意，这里不是自然语言回答，而是一段格式规范的 JSON。类似于{"tool_calls": [{"name": "check_weather", "arguments": {"city": "深圳", "date": "明天"}}]}。这段 JSON 就是模型需要学会输出的"标准答案"。
第四部分是工具执行后的返回结果。训练时这一步是模拟出来的，比如返回"深圳明天：小雨转多云，22-28°C"。
第五部分是模型拿到工具结果后生成的最终回答。它需要把结构化的数据翻译成用户友好的自然语言：“深圳明天有小雨，建议带把伞，气温在 22 到 28 度之间。”
模型在几十万条甚至上百万条这样的样本上训练，就能学会整套链路：读懂工具说明 → 判断要不要调 → 选对工具 → 把参数填对 → 拿到结果后组织自然语言回答。
训练数据从哪来？主要两个渠道。一是人工标注——工程师构造问题和对应的工具调用标准答案，质量最高但成本也高，通常用于制作核心种子数据。二是用更强的模型（比如 GPT-4）自动批量生成——给它一批工具定义和问题，让它生成对应的调用样本，然后人工抽检质量。这是目前业界的主流做法，效率高、成本低、可规模化。
SFT 的一个关键短板
SFT 教会了模型"怎么调工具"，但它有一个明显的盲区：模型不太会判断"该不该调"。
这是因为 SFT 的训练数据绝大多数都是"需要调工具"的正样本——毕竟你要教模型学会调用工具，当然得给它看调用工具的示范。但这导致了一个副作用：模型训练之后会变得过度热衷调工具。
你问它"3 乘以 7 等于多少"，它不直接说 21，反而去调一个计算器工具。你问它"太阳从哪边升起"，它可能去调搜索引擎搜一下。这些问题它本来就知道答案，完全不需要工具帮忙，但它还是调了——因为在训练数据里，"调工具"这个动作得到了太多正向强化，模型形成了一种"有工具就调"的惯性。
这个问题，SFT 自己解决不了。需要第二阶段的 RLHF 来矫正。
RLHF 阶段：教模型"什么时候该克制"
RLHF 的全称是 Reinforcement Learning from Human Feedback，基于人类反馈的强化学习。如果 SFT 是新员工的入职培训，RLHF 就是他工作了几个月之后，主管根据他实际表现给的持续反馈：这件事处理得好，加分；那件事过度操作了，减分。时间一长，他就知道了什么场景下该积极行动、什么场景下该保持克制。
RLHF 的流程分四步。
第一步，让 SFT 之后的模型对同一个问题生成多种不同的处理方式。比如面对"法国的首都是哪里"这个问题，模型可能生成三种回答：直接回答"巴黎"、调搜索工具查一下再回答、调了工具但参数填错了。
第二步，让人类标注员给这些回答排序。这个例子里，显然"直接回答巴黎"最好，"调工具但答对了"次之，"调工具还填错参数"最差。标注员的偏好数据记录了人类在不同场景下对"该不该调工具"的判断。
第三步，基于这批偏好数据训练一个专门打分的小模型，叫奖励模型（Reward Model）。它不回答问题，只负责评估——给一个回答打个分，预测"人类会不会喜欢这个回答"。
第四步，用奖励模型的打分信号去持续优化主模型。简单来说就是让模型不断尝试不同的回答策略，奖励模型打分高的策略被强化，打分低的被削弱。经过几轮迭代，模型就形成了更精细的判断力：常识问题直接答、需要实时数据的才调工具、一个工具能搞定的不要调两个。
值得一提的是，现在业界也在用 RLAIF（AI Feedback）替代人类标注——用另一个大模型来充当"标注员"的角色做偏好判断。成本更低、速度更快，效果和人工标注的差距越来越小。
训练完之后：运行时到底发生了什么
理解了训练过程，再来看运行时的调用流程就清晰了。
当你的应用代码调用模型 API 时，你会把两样东西一起传过去：用户的问题，以及当前可用的工具列表（JSON Schema 格式的工具定义）。
模型收到之后，做的第一个判断是：这个问题需要工具吗？如果不需要（比如用户只是打了个招呼），它直接输出自然语言回答，完事。
如果需要工具，模型不会直接输出最终答案，而是返回一段tool_callsJSON——告诉你"我要调哪个工具、参数是什么"。此时模型就停了。
接下来轮到你的应用代码出场。你解析这段 JSON，找到对应的真实函数，执行它，拿到结果。
然后你把工具执行结果以role: "tool"的消息格式塞回对话历史，再次调用模型。这一次模型有了工具返回的真实数据，就能组织出一个基于事实的自然语言回答了。
整个过程本质上是两轮对话加中间一步执行。模型全程只做决策，不做执行。这个"决策与执行分离"的设计非常重要——它意味着你可以在执行层做权限控制、参数校验、沙箱隔离，而不用担心模型直接操作系统资源带来的安全风险。
举个代码层面的例子，让你更直观地感受这个流程：
# 伪代码：Function Calling 的运行时闭环import json# 第一轮：把工具定义和用户问题一起传给模型response = llm.chat( messages=[{"role": "user", "content": "帮我查一下杭州明天的天气"}], tools=weather_tool_schema # 工具说明书)# 模型判断需要调工具，返回 tool_callsif response.finish_reason == "tool_calls": call = response.tool_calls[0] func_name = call.name # "get_weather" func_args = json.loads(call.arguments) # {"city": "杭州", "date": "明天"} # 你的代码去真正执行 result = execute_tool(func_name, func_args) # 第二轮：把执行结果喂回模型 messages.append(response.message) messages.append({"role": "tool", "tool_call_id": call.id, "content": result}) final = llm.chat(messages=messages, tools=weather_tool_schema) print(final.content) # "杭州明天多云，气温 18-25°C，适合出行。"注意这段代码里模型做了什么——它只是输出了一段 JSON 说"我要调 get_weather，参数是杭州和明天"。它既没有访问网络，也没有调用任何 API。真正干活的是你写的execute_tool函数。
面试里为什么爱问这道题
这道题的区分度极高，因为它直接暴露了你对 Agent 技术栈的认知深度。
会用 Function Calling 的人很多。但大多数人的认知链条是这样的：定义 tools → 调 API → 解析 tool_calls → 执行 → 返回结果。这条链条是运行时的操作流程，不涉及任何原理。面试官一追问"这个能力怎么来的"，链条就断了。
而真正理解原理的人，脑子里的链条更深一层：预训练阶段模型不具备工具调用能力 → SFT 阶段通过示范数据教会模型输出结构化调用请求 → RLHF 阶段通过偏好反馈教会模型判断什么时候该调什么时候不该调 → 运行时模型只做决策，宿主代码做执行。这条链条从训练到推理是完整的。
容易翻车的第一个点：混淆 SFT 和 RLHF 的分工。有人说"SFT 教格式，RLHF 提升效果"——这太模糊了。精确的说法是：SFT 教的是"工具调用的完整行为模式"，包括识别工具描述、判断是否需要调用、生成结构化 JSON 请求、根据返回结果生成最终回答；RLHF 教的是"在什么场景下应该调用、什么场景下不应该调用"，也就是建立调用的边界感。
容易翻车的第二个点：以为 Function Calling 是模型"自己去执行"。面试官问"大模型是怎么查天气的"，如果你说"它自己去调 API"，说明你对执行流程的理解是错的。模型不执行任何东西，它只输出一段 JSON 指令。真正发起 HTTP 请求、访问数据库、执行代码的，始终是你的应用程序。
容易翻车的第三个点：说不清训练数据是怎么来的。面试官可能追问"SFT 的训练数据怎么构造"，如果你只说"标注出来的"就结束了，会显得很浅。能补充说"核心种子数据靠人工标注保证质量，大规模数据靠更强的模型批量生成再人工抽检"，显得你对工业界的实践有了解。
如果你在面试里能把上面这些点串起来讲清楚，再加一句"我在项目里实际遇到过模型过度调工具的问题，后来我在 Prompt 里加了明确的指导规则，让模型只在确实需要外部数据时才触发调用，误调率降了不少"——这种带实战经验的补充会让面试官觉得你不是在背概念。
写在最后
Function Calling 是当前 Agent 开发的基石技术，几乎所有的工具调用、外部系统对接都建立在这套机制上。但太多人只把它当成一个"API 的使用方式"来学，知道怎么传 tools 参数、怎么解析返回值，就觉得自己掌握了。
真正的理解应该再往下挖一层。模型为什么能在看到工具描述之后输出正确的 JSON？因为 SFT 阶段看了几十万条标准示范。模型为什么不会对所有问题都傻乎乎地调工具？因为 RLHF 阶段通过人类偏好建立了判断边界。模型为什么不直接执行工具而是输出 JSON？因为架构设计上刻意做了决策与执行的分离，安全性和灵活性都在这一层体现。
这些东西不是你在 LangChain 文档里能读到的，也不是 OpenAI 的 API 教程里会教的。但恰恰是面试官最喜欢问的——因为它能一眼区分出"调过 API 的人"和"理解这套系统的人"。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～