函数调用

去奶茶店点一杯「大杯、少冰、三分糖、加椰果」，店员不会把整句话抄下来，而是在杯子上勾四个选项。这篇手册对一个 A 股行情助手做同样的事：一句中文指令进来，出去的是一个函数名加一组参数，每个参数都是从固定列表里选出来的值，并带着置信度。

text

「画一下最近一个月宁德时代和沪深300的滚动相关性」
    rolling_correlation(symbol='300750', benchmark='510300', window='1mo')   置信度 0.52

「对比一下茅台、招行和平安最近三个月的走势」
    compare_returns(symbols=['600519', '600036', '601318'], window='3mo')    置信度 0.54

「这个月大盘整体怎么样」
    market_summary(window='1mo')                                              置信度 0.91

「你们能查哪些股票」
    list_symbols()                                                            置信度 0.99

函数本身一行不改。它们的参数本来就只能取固定列表里的值，也就是 Python 的 Literal：

python

def plot_price(
    symbol: Literal["510300", "600519", "300750", "600036", "002594", "601318"],
    style: Literal["line", "candles"] = "line",
    resolution: Literal["1d", "1w", "1mo"] = "1d",
    window: Literal["1w", "1mo", "3mo", "6mo", "1y"] = "3mo",
    include_volume: bool = False,
    moving_average: Literal["5", "20", "60"] | None = None,
    log_scale: bool = False,
): ...

取值来自固定列表的参数叫封闭集合。每个封闭集合参数对应一道 Choice，选项正好是列表里的值，所以传进函数的一定是函数认得的值，不会出现拼错的代码或不存在的周期。你要补的只是一份 spec：用中文说清每个参数、每个选项是什么意思。

结论先行： 在 60 条带标注的中文指令上，象信一号选对函数 98.3%，函数选对时逐个参数正确 95.5%，整次调用（函数名 + 全部参数，补齐默认值后逐项比较）完全正确 83.3%。置信度把好坏分得开：只自动执行置信度 ≥ 0.8 的指令（占 30%），这部分 18 条全对；阈值放到 0.7，自动执行一半，正确率 96.7%。每条指令一次请求、约 3,800 个输入 token，60 条总计 ¥0.0096。

环境准备

bash

pip install xiangxin-sdk pandas numpy matplotlib
export XIANGXIN_API_KEY="sk-xx-..."

代码分三个文件（完整代码见文末链接）：

trader.py：十个普通函数和行情数据；
dispatch.py：读取签名和 spec、构造问题、把答案还原成一次函数调用；
main.py：跑示例指令和评测，原始答案写入 results/。

数据

行情：6 只标的（沪深300ETF 510300、贵州茅台 600519、宁德时代 300750、招商银行 600036、比亚迪 002594、中国平安 601318）2025-09-01 至 2026-09-24 的前复权日 K 线，每只 260 根，共 1,560 行。数据取自腾讯财经公开行情接口（fetch_data.py 可复现下载），仅用于演示，不构成投资建议。

指令：60 条中文指令及其标注（14 条示例 + 46 条评测），示例数据为本文构造，放在 data/commands.json。标注只写用户明确说出的参数，比较时两边都补齐函数默认值再逐项对比，所以「日线」写不写 resolution='1d' 都算对。

json

["宁王周K，一年，带成交量", "plot_price",
 {"symbol": "300750", "resolution": "1w", "window": "1y", "include_volume": true}]

从签名里找出封闭集合

类型标注已经说明了哪些参数来自固定列表、列表里有什么。closed_sets 读一个签名，把这些参数分成三种形状：

choice：Literal[...]，从列表里选一个；
set：list[Literal[...]]，选任意多个；
flag：bool，开或关。

python

import inspect, types, typing
from typing import Literal

def closed_sets(fn):
    hints = typing.get_type_hints(fn)
    out = {}
    for name in inspect.signature(fn).parameters:
        t = hints.get(name)
        origin = typing.get_origin(t)
        if origin in (typing.Union, types.UnionType):          # Literal[...] | None
            inner = [a for a in typing.get_args(t) if a is not type(None)]
            t, origin = inner[0], typing.get_origin(inner[0])
        if origin is Literal:
            out[name] = ("choice", typing.get_args(t))
        elif origin is list and typing.get_origin(typing.get_args(t)[0]) is Literal:
            out[name] = ("set", typing.get_args(typing.get_args(t)[0]))
        elif t is bool:
            out[name] = ("flag", (True, False))
    return out

十个函数的结果：

text

  list_symbols        0
  market_summary      1  window:choice
  plot_price          7  symbol:choice, style:choice, resolution:choice, window:choice, include_volume:flag, moving_average:choice, log_scale:flag
  weekday_pattern     3  symbol:choice, window:choice, metric:choice
  compare_returns     3  symbols:set, window:choice, normalize:flag
  rolling_correlation 4  symbol:choice, benchmark:choice, window:choice, resolution:choice
  summary_stats       2  symbol:choice, window:choice
  volatility          3  symbol:choice, window:choice, annualized:flag
  top_movers          2  window:choice, direction:choice
  drawdown            3  symbol:choice, window:choice, plot:flag

共 28 个可填参数

top_movers 说明了哪些参数会被跳过：它的第三个参数 limit: int = 3 不是封闭集合，不提问，保持默认值。自由文本、数字、日期都一样处理：不问，函数默认值生效。

写 spec

Literal 只告诉你字符串 "1mo" 和 "3mo"，不会告诉你用户说「这个季度」指的是后者。spec 负责说清这些：每个函数一句描述，每个参数一个问题，每个选项一行解释，外加一道在十个函数之间选择的问题。它放在 spec.json 里，也可以让大模型根据签名先起草一版。

json

"style": {
  "question": "用户想要普通折线还是 K 线（蜡烛图）？",
  "stated": "用户的指令里有没有提到图的画法，例如“K线”“蜡烛图”“折线”？",
  "options": {
    "line": "一条连接收盘价的折线",
    "candles": "K 线 / 蜡烛图，显示每根 K 线的开高低收"
  }
},
"moving_average": {
  "question": "要叠加的均线是几日均线：5 日、20 日还是 60 日？",
  "stated": "用户的指令里有没有提到均线，例如“5日线”“20日均线”“MA60”？",
  "options": {
    "5": "5 日均线，短期、快线",
    "20": "20 日均线，月线级别",
    "60": "60 日均线，季线、慢线"
  }
}

几点约定：

选项键就是函数接受的字符串，答案不需要再映射回参数值。
stated 让参数变成可选的。 它是一道额外的 Noul，问指令里有没有提到这个参数。答「没有」时，调用里不写这个参数，由函数自己的默认值决定。
set 参数的问题按成员展开。 "用户是否在指令里点名要比较 {}，或者说了要比较全部标的？" 中的 {} 换成每只标的，得到 6 道 Noul。
股票列表和时间窗口是共享的，在 spec 里写一次，用 "$symbols"、"$windows" 引用。选项说明里写上口语叫法（「宁王」「招行」「大盘」「这个季度」），因为匹配靠的是语义。
问题要写意思，别写参数名。 "用哪个 resolution？" 没有给模型任何可以对照的东西；"每根 K 线代表多长时间：一天、一周还是一个月？" 才有。

把 spec 变成问题

Dispatcher 在初始化时把 spec 展开成一组问题，之后每条指令只发一次请求：选函数的 Choice，加上所有函数所有参数的问题。答案回来后，只读被选中那个函数的部分。

python

from xiangxin import Choice, Noul

ROUTE = "__tool__"

class Dispatcher:
    def __init__(self, spec, tools, client, model="xiangxin-latest"):
        self.spec, self.tools, self.client, self.model = spec, tools, client, model
        self.questions = {
            ROUTE: Choice(
                instructions=spec["route"],
                criteria={n: f["description"] for n, f in spec["functions"].items()},
            )
        }
        for fname, fn in tools.items():
            argspec = spec["functions"][fname]["arguments"]
            for arg, (shape, _) in closed_sets(fn).items():
                a, qid = argspec[arg], f"{fname}.{arg}"
                if shape == "choice":
                    self.questions[qid] = Choice(instructions=a["question"], criteria=_resolve(a["options"], spec))
                    if "stated" in a:
                        self.questions[qid + "?"] = Noul(instructions=a["stated"])
                elif shape == "set":
                    for member, desc in _resolve(a["options"], spec).items():
                        self.questions[f"{qid}.{member}"] = Noul(
                            instructions=a["question"].format(f"{member}（{desc}）"))
                else:  # flag
                    self.questions[qid] = Noul(instructions=a["question"])

    def __call__(self, command):
        resp = self.client.system_one(state=command, questions=self.questions, model=self.model)
        return self.read(resp.answers)

read 按形状把答案还原成参数，并给每个参数一个概率：

形状	取值	概率
choice（必填）	概率最高的选项	该选项的概率
choice（有 `stated`）	`stated` ≥ 0.5 时取最高选项，否则省略	提到时为 `stated × 选项概率`，省略时为 `1 − stated`
set	所有 ≥ 0.5 的成员	各成员 `max(p, 1−p)` 的最小值
flag	`p ≥ 0.5`	`max(p, 1−p)`

text

每条指令 49 个问题，其中
  __tool__                        choice  用户想让行情助手做哪件事？
  plot_price.style                choice  用户想要普通折线还是 K 线（蜡烛图）？
  plot_price.style?               noul    用户的指令里有没有提到图的画法……
  compare_returns.symbols.600519  noul    用户是否在指令里点名要比较 600519（贵州茅台，白酒龙头）……

49 个问题加一句指令，一次请求约 3,820 个输入 token。

跑十四条指令

每条指令一行结果；置信度 是这次调用里最没把握的那个判断，函数 是选中函数的概率。

python

from xiangxin import XiangxinClient

assistant = Dispatcher(SPEC, TOOLS, XiangxinClient())
for command in COMMANDS:
    call = assistant(command)
    print(f"「{command}」\n    {call}   置信度 {call.confidence:.2f}   函数 {call.tool.probability:.2f}")

text

「茅台 周线」
    plot_price(symbol='600519', resolution='1w')                          置信度 0.62   函数 0.76
「画一下最近一个月宁德时代和沪深300的滚动相关性」
    rolling_correlation(symbol='300750', benchmark='510300', window='1mo') 置信度 0.52   函数 0.99
「招行一般星期几成交最活跃」
    weekday_pattern(symbol='600036', metric='volume')                     置信度 0.71   函数 0.96
「这周谁涨得好」
    top_movers(window='1w', direction='gainers')                          置信度 0.80   函数 0.80
「你们能查哪些股票」
    list_symbols()                                                        置信度 0.99   函数 0.99
「这个月大盘整体怎么样」
    market_summary(window='1mo')                                          置信度 0.91   函数 0.99
「比亚迪K线，加上20日均线」
    plot_price(symbol='002594', style='candles', moving_average='20')     置信度 0.70   函数 1.00
「对比一下茅台、招行和平安最近三个月的走势」
    compare_returns(symbols=['600519', '600036', '601318'], window='3mo') 置信度 0.54   函数 0.98
「宁王波动大吗」
    volatility(symbol='300750')                                           置信度 0.72   函数 0.98
「最近一周跌得最惨的是哪几个」
    top_movers(window='1w', direction='losers')                           置信度 0.79   函数 0.95
「茅台今年以来最大回撤多少，顺便画个图」
    drawdown(symbol='600519', window='1y', plot=True)                     置信度 0.66   函数 0.93
「平安最近一个月的数据」
    summary_stats(symbol='601318', window='1mo')                          置信度 0.63   函数 0.63
「给我看招商银行的日线，带成交量」
    plot_price(symbol='600036', resolution='1d', include_volume=True)     置信度 0.67   函数 1.00
「比亚迪最近是不是跟着宁德时代走」
    rolling_correlation(symbol='002594', benchmark='300750')              置信度 0.57   函数 0.86

十四条全部正确。几条值得看：

「画一下最近一个月宁德时代和沪深300的滚动相关性」一句话填了三个参数。symbol 和 benchmark 取自同一组 6 只标的，能各就各位，是因为两道问题写清了角色：「被衡量的那一只（先提到的）」和「作为参照的尺子（后提到的）」。
「对比一下茅台、招行和平安最近三个月的走势」把三只放进了集合，另外三只留在外面。
「宁王」「招行」「平安」「大盘」都是口语叫法，靠的是选项说明里写了别名。

执行其中几条（函数就是普通 Python 函数，call.run() 直接调用）：

text

「这个月大盘整体怎么样」 -> market_summary(window='1mo')
近 1mo 行情一览
  600036 招商银行         40.69    2.24%    13,491,484 手
  510300 沪深300ETF      4.51   -2.94%   143,211,014 手
  601318 中国平安         53.25   -3.45%    13,284,473 手
  600519 贵州茅台       1237.00   -5.05%       519,811 手
  002594 比亚迪          84.34   -8.42%     5,473,871 手
  300750 宁德时代        293.50  -22.56%     7,202,018 手

「最近一周跌得最惨的是哪几个」 -> top_movers(window='1w', direction='losers')
近 1w 跌幅前 3
  300750 宁德时代      -3.55%  ->  293.50
  600519 贵州茅台      -2.37%  ->  1237.00
  002594 比亚迪       -0.74%  ->  84.34

「画一下最近一个月宁德时代和沪深300的滚动相关性」 -> rolling_correlation(symbol='300750', benchmark='510300', window='1mo')
300750 与 510300 的 1mo 滚动相关系数（1d 收益率）：最新 0.20，区间 -0.23 ~ 0.92

「比亚迪K线，加上20日均线」画出的图（窗口没提，用默认的 3 个月；A 股习惯红涨绿跌）：

读懂置信度

confidence 取整次调用里最弱的那个判断，而不是所有判断概率的乘积。一个参数错了整次调用就错了，看最弱一环最直接；乘积回答的是另一个问题（「每一项都对的概率」），而且参数越多乘积越小，不管其中有没有哪个判断真的不稳。

逐个参数看一条的置信度从哪来：

python

call = assistant("比亚迪最近是不是跟着宁德时代走")
for name, a in call.arguments.items():
    ...

text

「比亚迪最近是不是跟着宁德时代走」 -> rolling_correlation(symbol='002594', benchmark='300750')   置信度 0.57
  symbol      '002594'          p 0.57   002594 0.57  300750 0.42  510300 0.01
  benchmark   '300750'          p 0.93   300750 0.93  002594 0.06  510300 0.01
  window      未提及，用默认值    p 0.91
  resolution  未提及，用默认值    p 0.92
  最弱的一环：symbol

答案是对的，但 symbol 只有 0.57：模型在「比亚迪跟着宁德时代」里谁是被衡量的、谁是参照上有些犹豫，这正是这句话本身的歧义所在。window 和 resolution 都被省略，因为「最近」没说多长、也没说用日线还是周线，于是函数用自己的默认值（3 个月、日收益率）。这就是 stated 问题的作用：没有它，window 那道 Choice 也得选出某个窗口，而且会选得很笃定。

评测：60 条带标注的指令

示例之外，再加 46 条覆盖十个函数的指令，一共 60 条，逐条和标注比对。

spec 的第一版和第二版。 第一版的 stated 问题写得很笼统，比如「用户是否说了要看多长一段时间？」。跑下来，大部分错误都是「用户明明说了『这个月』『三个月』，却被判成没提」，于是参数被省略、默认值顶上。第二版只改了 stated 问题（以及 set 成员的问法），在问题里列出几种常见说法，比如「用户的指令里有没有提到时间范围，例如『这周』『这个月』『三个月』『这个季度』『半年』『今年』『一年』？」。其余部分（函数描述、选项说明、代码）完全不变。

指标	spec 第一版	spec 第二版
选对函数	98.3%	98.3%
参数逐个正确（函数选对时）	92.5%	95.5%
整次调用完全正确	73.3%	83.3%
正确调用的平均置信度	0.66	0.73
错误调用的平均置信度	0.53	0.50
平均输入 token / 请求	3,458	3,817

注意

第二版是看了第一版在这 60 条上的错误之后改的，第二版的数字属于「样本内」结果，会比在新指令上的表现偏乐观。改动本身是通用的（把笼统的问题写具体），没有针对某条指令加规则，但真正上线前应该另留一批指令做验证。

按置信度分流。 这才是这套做法的用处：高置信度的直接执行，低置信度的弹出确认框（「您是想看比亚迪的周 K 吗？」）。第二版 spec 下：

阈值	自动执行	其中完全正确
0.0（全部执行）	60 / 60（100%）	83.3%
0.5	54 / 60（90%）	88.9%
0.6	39 / 60（65%）	94.9%
0.7	30 / 60（50%）	96.7%
0.8	18 / 60（30%）	100.0%
0.9	7 / 60（12%）	100.0%

剩下的 10 个错误（第二版）分三类：

集合参数漏选（4 条）。 「比较宁德时代和比亚迪今年的表现」只选了比亚迪；「茅台 vs 沪深300，一个月，起点对齐」只选了茅台；「六只全部对比一下半年走势」只选了 510300。每个成员是一道独立的 Noul，模型对「点名了几只」判断偏保守，这是本次评测里最弱的一环。
两个同类参数混淆（2 条）。 「宁德时代和比亚迪一年的滚动相关系数」把 benchmark 选成了沪深300；「平安和沪深300是不是同涨同跌」把 symbol 和 benchmark 都选成了平安，函数会算出一只股票和它自己的相关系数。这类错误可以在代码里加一条规则兜底（两者相同就转人工）。
K 线周期和其他（4 条）。 「宁王周K」没识别出周线；「平安的蜡烛图，最近一周」「茅台近一周K线」把「一周」同时当成了窗口和周线；「比亚迪哪天振幅最大」被路由到了 volatility（振幅和波动率在语义上确实接近）。

这些错误的置信度大多偏低：10 条里有 8 条低于 0.6，阈值设在 0.6 时这 8 条都会被拦下来转人工确认。

成本与耗时。 每条指令一次请求，第二版 60 条共 229,041 个输入 token，按 ¥0.042 / 百万输入 token 计算共 ¥0.0096，约合每条 ¥0.00016。评测时后端只有一个模型副本在线，同时还在承接其他批量任务，请求的模型耗时中位数为 5.3 秒，端到端中位数 6.3 秒，这反映的是当时的排队情况，不代表空载延迟。

大模型基线

仓库里的 llm_baseline.py 用同一份签名和 spec 自动生成 JSON Schema（Literal → enum），让 DeepSeek 用原生 tool calling 跑同样 60 条指令并按同一标准打分。本文撰写时基线尚未运行，结果待补。

讨论

为什么有效。 函数调用里真正要判断的东西，大部分本来就是封闭集合：调哪个函数、哪只股票、多长窗口、日线还是周线。把每一个都变成 Choice 或 Noul，模型只在合法值之间分配概率，永远不会生成函数不认的参数；每个参数都带概率，你就能知道哪一个参数不稳，而不只是「这次调用可能不对」。

stated 是关键设计。 普通的 tool calling 常见的毛病是「用户没说，模型替他编一个」。stated 把「用户说了什么」和「说的是哪个值」拆成两个问题，没说就用默认值。本文从第一版到第二版的提升几乎都来自把 stated 问题写具体，说明这类元问题的措辞很重要。

局限：

集合参数是短板。 按成员逐个问 Noul，在本次评测里漏选明显。成员很多或需要「全部」这类概括说法时，可以额外加一道「用户是否要比较全部标的」的 Noul，或者改成先问数量再问成员。
只能处理封闭集合。 金额、数量、日期、自由文本不提问，用函数默认值。真的需要这些值时，要先用别的方法抽出来（例如预解析值抽取），再用象信核对。
所有函数的问题一起发。 本例 49 个问题约 3,800 token，十个函数还可以接受；函数多到上百个时，可以先用一次请求只问 __tool__，再对选中的函数单独问参数（多一次往返，token 少得多），见意图路由。
象信一号 1.0 是 9B 模型，在「谁是主语、谁是参照」这类需要细读句法的判断上不如大模型稳，见象信一号 1.0 的能力边界。

什么时候不该这么用： 参数大多是自由文本（写邮件、搜索关键词）、或者函数需要多轮对话补全信息时，直接用大模型的 tool calling 更合适。本文的做法适合参数空间有限、调用量大、需要知道「哪一步没把握」再决定是否自动执行的场景。更多分流做法见置信度和按置信度路由。

完整代码

https://github.com/xiangxinai/xiangxin-cookbooks/tree/main/function_calling

fetch_data.py：下载行情数据
trader.py、dispatch.py、spec.json、spec_v2.json
main.py：python main.py --spec spec_v2.json 调 API；加 --replay 从 results/answers_*.jsonl 重放本文结果，不再调用 API
llm_baseline.py：大模型 tool calling 基线（需要 LLM_API_KEY）
results/：原始答案、逐条评测结果与汇总

函数调用 ​

环境准备 ​

数据 ​

从签名里找出封闭集合 ​

写 spec ​

把 spec 变成问题 ​

跑十四条指令 ​

读懂置信度 ​

评测：60 条带标注的指令 ​

讨论 ​

完整代码 ​

函数调用

环境准备

数据

从签名里找出封闭集合

写 spec

把 spec 变成问题

跑十四条指令

读懂置信度

评测：60 条带标注的指令

讨论

完整代码