相差不大,其实是对话中使用特定附加的提示词,让它们通过transformer神经网络模型拟合匹配形成不同特定输出序列,输出序列以字典为主,包含工具或函数或方法名,以及所需参数,模型外部再去执行对应方法并传递参数。例如模型泛化训练过天气关联问题,也训练过股票关联问题,训练时用特定方法名天气查询、股票查询、各自对应参数构成两个特定结构序列做输出,问题例如重庆天气如何、上海医药股价多少做输入,训练够了,带上特定想调用工具的提示词一问就会产生输出序列{天气查询,参数:{重庆}},于是后续外部处理就得到一些关键字,包括天气查询是要调用的方法,重庆是该方法要用的参数。外部处理就很容易了。程序解释器执行程序原理是差不多的。