昨天晚上直播，我们用 RAG（Retrieval-Augmented Generation，检索增强生成）实现了数据库 AI 助手，今天我们准备换一个技术使用 function call 来实现快递 AI 助手。

执行效果

快递 AI 助手的业务逻辑很清晰，就是我通过 LLM 大语言模型的对话来查询我的快递详情，例如，我问 AI 我有几个“运送中”的快递，他把这些快递查询并展示出来，效果如下图所示：

什么是 function call？

定义： Function Call（也称为 Tool Call）它允许大模型与一组 API 或工具进行交互，从而增强其功能。

也就是说 Function Call 和 RAG、MCP 等类似都是用于增强 AI 能力边界的。

function call 执行流程

执行流程如下：

其中，Tool 既为 Function Call。

当然如果你上图看的不是很懂的话，也可以参考阿里云提供的 function call 的工作流程：

快递 AI 助手实现

具体实现步骤：

1. 添加大模型依赖
2. 配置大模型参数
3. 创建 function call
4. 调用 function call 实现快递查询

接下来，我们一步步来看，我们以阿里云的百炼（通义千问）大模型对接为例。

1.添加大模型依赖

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-openai</artifactId>
</dependency>

2.配置大模型参数

spring:
  ai:
    openai:
      base-url: https://dashscope.aliyuncs.com/compatible-mode/
      api-key: ${ALIYUN-AK}
      chat:
        options:
          model: deepseek-v3

3.创建 function call

这里就不连接数据库查询快递信息了，生成级别需要连接数据库，这里演示效果，构建测试数据即可，如下代码所示：

import org.springframework.ai.tool.annotation.Tool;

import java.time.LocalDateTime;
import java.util.ArrayList;
import java.util.List;
import java.util.stream.Collectors;

public class ExpressService {

    @Tool(description = "用于查询我的快递")
    public List<Express> getExpress(String state) {
        // 生成测试数据
        List<Express> data = getData();
        // 根据状态过滤（如果state为null或空则返回全部）
        return state == null || state.isEmpty()
                ? data
                : data.stream()
                .filter(e -> e.state().equalsIgnoreCase(state))
                .collect(Collectors.toList());
    }

    /**
     * 生成测试快递数据
     */
    private List<Express> getData() {
        List<Express> data = new ArrayList<>();
        LocalDateTime now = LocalDateTime.now();
        data.add(new Express(1001L, "北京", "西安", now.minusDays(12), "已签收"));
        data.add(new Express(1002L, "广州", "西安", now.minusDays(12), "已签收"));
        data.add(new Express(1003L, "杭州", "西安", now.minusDays(3), "运送中"));
        data.add(new Express(1004L, "深圳", "西安", now.minusDays(3), "运送中"));
        data.add(new Express(1005L, "南京", "西安", now.minusDays(1), "待发货"));
        return data;
    }


    /**
     * 快递类
     *
     * @param id
     * @param from
     * @param to
     * @param createtime
     * @param state
     */
    record Express(long id, String from, String to,
                   LocalDateTime createtime, String state) {
    }
}

4.调用 function call

调用大模型可以使用 ChatModel 和 ChatClient，这里使用 ChatClient 调用：

@RequestMapping("/tool")
public Flux<String> tool(@RequestParam("msg") String msg) {
    return chatClient.prompt(msg)
            .tools(new ExpressService(),
                    new DateTimeTools())
            .stream().content();
}

最终执行效果如下：

小结

大模型应用开发是以后程序开发的主流方向，他也会巅峰以往的开发形式，早早掌握大模型的开发知识，对于后期涨薪或找工作都有巨大的帮助。程序员群体注定是一个活到老学到老的群体，因为学习的本质在于扩展自己的能力边界，让自己变得更值钱，所以各位动起来，让我们一起拥抱这场 AI 盛宴吧。