Ollama Function Calling 模型

Ollama 应用实践：如何选择合适的 Function Calling 模型 ？

在人工智能领域，Function Calling（函数调用）是指让语言模型能够调用外部函数或工具以增强其功能，如访问实时数据或执行复杂计算。Ollama 作为一个强大的语言模型平台，支持集成这种能力，使其在构建智能应用时更加灵活和强大。

为什么选择支持 Function Calling 的模型？

• 增强能力：模型可以通过调用外部工具来扩展其功能，如天气查询、翻译等。
• 实时数据访问：模型可以实时获取数据，提供基于最新信息的响应。
• 复杂任务处理：对于模型本身难以处理的复杂任务，可以通过 Function Calling 来解决。

选择合适模型的重要性

选择一个合适的支持 Function Calling 的模型对于确保应用的性能和适用性至关重要。以下是几个关键因素，可以帮助您在使用 Ollama 时做出选择：

• 功能需求：确保模型支持所需的 Function Calling 功能。
• 语言支持：如果应用需要特定语言的支持，选择相应的模型。
• 模型性能：考虑模型在处理特定任务时的性能和准确性。
• 资源消耗：评估模型运行所需的计算资源，确保与您的硬件匹配。
• 社区和文档：选择有良好社区支持和详细文档的模型，以便于开发和维护。

推荐的 Function Calling 模型

Qwen2.5

Qwen2 是阿里巴巴集团推出的全新系列大型语言模型。
Qwen2基于29 种语言的数据进行训练，包括英语和中文。

• 文档地址：https://ollama.com/library/qwen2

它有 4 种参数大小：0.5B、1.5B、7B、72B。
在 7B 和 72B 模型中，上下文长度已扩展至128k 个 token。

注意: 安装 ollama run qwen2 将下载一个 4.4GB 的 docker 镜像。

GLM-4

GLM-4-9B 是智谱 AI 推出的最新一代预训练模型 GLM-4 系列中的开源版本。在语义、数学、推理、代码和知识等多方面的数据集测评中，GLM-4-9B 及其人类偏好对齐的版本 GLM-4-9B-Chat 均表现出超越 Llama-3-8B 的卓越性能。除了能进行多轮对话，GLM-4-9B-Chat 还具备网页浏览、代码执行、自定义工具调用（Function Call）和长文本推理（支持最大 128K 上下文）等高级功能。本代模型增加了多语言支持，支持包括日语，韩语，德语在内的 26 种语言。我们还推出了支持 1M 上下文长度（约 200 万中文字符）的 GLM-4-9B-Chat-1M 模型和基于 GLM-4-9B 的多模态模型 GLM-4V-9B。GLM-4V-9B 具备 1120 * 1120 高分辨率下的中英双语多轮对话能力，在中英文综合能力、感知推理、文字识别、图表理解等多方面多模态评测中，GLM-4V-9B 表现出超越 GPT-4-turbo-2024-04-09、Gemini1.0 Pro、Qwen-VL-Max 和 Claude 3 Opus 的卓越性能。

• 文档地址：https://ollama.com/library/glm4

ollama run glm4

Mistral

Mistral 是一个 7B 参数模型，使用 Apache 许可证发布。它可用于指令（指令跟踪）和文本完成。

Mistral AI 团队指出，Mistral 7B：

• 在所有基准测试中均优于 Llama 2 13B
• 在许多基准测试中均优于 Llama 1 34B
• 代码性能接近 CodeLlama 7B，同时仍能很好地完成英语任务

版本

Function Calling

Mistral 0.3 支持使用 Ollama 的原始模式进行函数调用。

• Example raw prompt

  [AVAILABLE_TOOLS] [{"type": "function", "function": {"name": "get_current_weather", "description": "Get the current weather", "parameters": {"type": "object", "properties": {"location": {"type": "string", "description": "The city and state, e.g. San Francisco, CA"}, "format": {"type": "string", "enum": ["celsius", "fahrenheit"], "description": "The temperature unit to use. Infer this from the users location."}}, "required": ["location", "format"]}}}][/AVAILABLE_TOOLS][INST] What is the weather like today in San Francisco [/INST]

• Example response

  [TOOL_CALLS] [{"name": "get_current_weather", "arguments": {"location": "San Francisco, CA", "format": "celsius"}}]

文档地址：https://ollama.com/library/mistral

ollama run mistral

Mixtral

Mixtral 大型语言模型 (LLM) 是一组预先训练的生成稀疏混合专家。

该模型有 2 种参数大小：

• mixtral:8x22b
• mixtral:8x7b

混合式 8x22b

ollama run mixtral:8x22b

Mixtral 8x22B 为 AI 社区树立了新的性能和效率标准。它是一种稀疏混合专家 (SMoE) 模型，仅使用 141B 中的 39B 个活动参数，就其规模而言，具有无与伦比的成本效益。

Mixtral 8x22B 具有以下优势：

• 精通英语、法语、意大利语、德语和西班牙语
• 它具有强大的数学和编码能力
• 它本身具有函数调用功能
• 64K 标记上下文窗口允许从大型文档中精确地调用信息

结论

选择合适的 Function Calling 模型对于开发高效、功能丰富的 AI 应用至关重要。Ollama 提供的多样化模型能够满足不同需求，从多语言支持到复杂任务处理。通过考虑模型的功能、性能、资源消耗和社区支持，您可以为项目挑选出最合适的模型，从而实现您的 AI 应用目标。