做 AI 应用必懂：Function Call 和 Skills，到底差在哪？

前言

今天来详细讨论一下，function call 和 skills。function call 到底是什么，skills 到底是什么，它们分别解决什么问题，最本质的区别在哪，以及在 Agent 系统里该怎么配合

function call

function call 的本质，是让模型以工程化的方式调用某个具体工具或函数

以前模型想调用外部能力，通常只能口头表达——比如它输出一句：“请帮我查询北京天气”。对机器来说器，不知道这是普通文本，还是一个真正的调用指令

而 function call 出现之后，事情就不一样了。开发者会提前告诉模型：

这里有一个函数，叫 get_weather
它需要参数，比如 city
参数类型是什么
返回结果可能是什么结构

于是模型在需要时，就不再输出一大段自然语言，而是输出一份结构化调用意图，比如：

{
  "name": "get_weather",
  "arguments": {
    "city": "Beijing"
  }
}

这时候，模型就知道：不是聊天，是要真调用工具了

function call 解决什么问题

它主要解决的是：

1）模型如何准确发起一次工具调用，明确告诉系统：调用哪个函数、传哪些参数

2）模型输出如何变成机器可执行的动作，自然语言适合人看，不适合程序稳定处理，结构化调用才方便程序使用

3）减少非结构化输出带来的歧义，参数格式统一了，系统更容易校验、重试、记录日志

function call 的典型特征

1）粒度小，通常代表一个具体动作，比如搜网页、读文件、查天气、写数据库

2）接口清晰，强调参数 schema、字段类型、必填项、返回值结构

3）偏执行层，关注的是怎么把这个动作调用出来

说白了，function call 更像是给模型装上一个标准化插口。模型通过这个插口，去调用外部世界的具体能力

skills

我们之前讨论过skills，如果说 function call 解决的是怎么调用一个工具，那 skills 则是解决问题的方法、标准做法、固定流程和能力包

它本质上是在告诉模型：

什么时候该接这个活
接到这个活之后先干什么
先查哪些资料
哪些步骤不能省
哪些坑不要踩
最终产出应该长什么样

skills 解决什么问题

它主要解决的是：

1）面对复杂任务时，模型怎么少走弯路，不是让模型临场 freestyle，而是给它一套更稳的执行章法

2）一个任务做多了，总会形成套路。skills 的意义，就是把这些套路变成可复用的说明书

3）让结果更稳定，同样一个任务，有经验的人做出来通常更靠谱。skills 就是在给模型补这个经验层

Skills 的典型特征

1）粒度更大，它通常对应一类任务，而不是单个动作

2）包含方法论，它不只调用什么工具，还会遵循步骤：先后顺序是什么、质量标准是什么

核心区别

粒度不同
- function call 往往对应一次具体能力调用，比如
  - read_file
  - search_web
  - write_doc
  - send_message
  - function call 是原子动作
- skills：对应一类任务的完整做法，比如：
  - 检查线上事故
  - 总结 URL
  - 诊断 node 配对失败
  - skills 是复合能力
关注点不同
- function call：调哪个函数、传什么参数、参数是否合法、返回值怎么接，它更像接口设计问题
- skills：任务开始需要干什么、哪些信息必须先拿到、中间怎么组织步骤、最终结果怎样，它更像经验与流程设计问题
表达形式不同
- function call：function call 通常表现为一份结构化接口定义。比如：
```
{
  "name": "web_search",
  "description": "Search the web using DuckDuckGo",
  "parameters": {
    "type": "object",
    "properties": {
      "query": {"type": "string"},
      "count": {"type": "integer"}
    },
    "required": ["query", "count"]
  }
}
```
  - 做技术的看到这个应该是非常亲切的，一看就懂：就是告诉模型怎么按格式调用
- skills：现在常见的形式为使用markdown格式，通常包含自然语言、结构化接口、执行层部分，自然语言层通常用于与llm交流，结构化接口通常用来获取固定格式的数据，执行层通常用来决定该skill是用来干嘛的
```
my-skill/
├── skill.md          # 描述 & 参数定义
├── handler.py        # 执行逻辑
└── requirements.txt  # 依赖（可选）
```

实际场景

在排查线上故障这件事里，function call 可以提供很多底层能力，比如：

读应用日志、网关日志、容器日志、服务配置文件
查 CPU、内存、RT、QPS、错误率、线程数等监控数据
查历史故障记录、排障文档、变更说明、已知问题列表
调用诊断接口、查看发布记录、触发一次有限范围的健康检查

而 skills 在这个场景里负责的，就不是看哪份日志了，而是：

先确认故障范围，到底是单机异常、单服务异常，还是整条链路出了问题
优先排查高概率路径，比如先看是否有发布、依赖超时、流量突增、资源打满等常见问题
把监控、日志、变更记录等多维数据一起排查
根据现象、日志、监控记录等诸多客观数据确定原因
下一步止损方案、建议动作等

所以将两者一起工作，对互相擅长的东西进行互补，大大提高效率

总结

function call 和 skills，看起来都在帮助模型干活，但它们解决的不是同一个问题

function call 解决的是：调用哪个工具、传什么参数、怎么把动作结构化执行出来
skills 解决的是：这类任务应该怎么做更稳、步骤怎么组织、哪些经验和约束需要提前沉淀

让 function call 和 skills 各司其职。该提供工具的时候提供工具，该沉淀经验的时候沉淀经验

联系我

联系我，做深入的交流

至此，本文结束

在下才疏学浅，有撒汤漏水的，请各位不吝赐教...