Функции — внешние инструменты (фрагменты кода), к которым могут обращаться LLM модели для решения задач пользователей. Модель не исполняет функции, но самостоятельно принимает решение о том как, когда и с какими параметрами их следует вызвать. При принятии решения о вызове функции модель исходит из доступных знаний, данных текущего разговора и описания функции. После обращения к функции модель может обработать результат ее работы.

Это входные данные, которые функция использует для выполнения своей задачи. Они позволяют сделать функцию гибкой и многоразовой, так как она может работать с разными данными без изменения своего кода. Например, функция для генерации изображений может принимать параметры query (описание изображения) и resolution (разрешение), чтобы создавать разные картинки по запросу. Параметры нужны, чтобы функция знала, что именно ей нужно обработать или какие условия учесть при выполнении действия.

Чтобы объяснить ИИ, какой параметр нужно передать, вы должны включить в промпт бота четкие инструкции. Эти инструкции должны описывать:

Когда нужно вызвать функцию (условие или триггер).
Какую функцию вызвать (по названию или номеру).
Какие параметры и из какой информации в диалоге их брать.

Например, если у вас есть функция для отправки лида (№26), и она принимает параметры name, phone, email, вы можете написать в промпте:
"Если клиент пришлет свой номер телефона, то сразу же вызови функцию №26 (отправка лида). В качестве phone передай номер телефона клиента, в качестве name используй имя, которое клиент указал в диалоге, а email возьми, если клиент его предоставил."
ИИ будет анализировать диалог и, когда увидит соответствующее условие (например, клиент назвал свой номер телефона), он попытается извлечь нужные данные и передать их в указанную функцию.