因素01：自然语言到工具调用

来源：12-Factor Agents / Factor 1（Natural Language to Tool Calls）

一句话先懂

把“人话需求”翻译成“结构化动作”，让模型负责理解，让代码负责执行。

奶奶版先理解

你跟家里人说：

• “帮我交电费 500”

这句话要真正落地，必须变成明确单据：

• 任务：交电费
• 金额：500
• 账户：国家电网 xx 户号
• 截止时间：今晚 20:00

这张单据就是工具调用参数。没有这张单据，执行就会靠猜。

原文核心思想（我拆成 4 步）

1. 模型做语义理解：提取意图与参数。
2. 输出结构化对象：通常是 JSON（intent + args）。
3. 确定性代码执行：权限校验、参数补全、调用 API。
4. 执行结果回灌：把结果放回上下文，进入下一步决策。

真实业务例子：支付链接创建

用户在 Slack 发：

• “给 Terri 创建 750 美元活动赞助支付链接。”

模型应输出：

{
  "intent": "create_payment_link",
  "amount": 750,
  "customer": "Terri",
  "memo": "AI meetup sponsorship"
}

后端代码做：

• customer 名称映射到 customer_id
• amount 与币种校验
• 权限检查（是否允许创建支付链接）
• 调 Stripe API

可执行落地步骤

1. 先定义 intent 白名单，禁止自由发挥。
2. 每个 intent 定义必填参数与类型（JSON Schema）。
3. 执行前统一做 validate -> authorize -> execute。
4. 执行后记录事件（谁触发、调用参数、结果、耗时）。

if step.intent == "create_payment_link":
    validate(step)
    authorize(user, "payment_link:create")
    result = stripe.create(step.args)
    append_event("create_payment_link_result", result)

常见误区

• 只让模型输出自然语言，不输出结构化字段。
• 没有 unknown intent 兜底，导致异常流程。
• 把模型输出直接执行，跳过权限和风控。

我的思考

这条看似简单，其实是“AI 工程化分界线”。

• Demo 阶段：模型一句话就能看起来很聪明。
• 生产阶段：必须可审计、可回放、可追责。

所以我认同原文：模型最擅长“决定做什么”，但不该直接拥有“做了算”的权力。

小结

• 人话要变成结构化动作。
• 模型负责决策，代码负责责任。
• 可控性来自校验、权限和审计。