在Function Calling 实现从 “用户提问” 到 “实时天气数据输出” 的完整闭环。

一、核心技术逻辑：为什么这么组合？

• DeepSeek 大模型：负责理解用户意图（判断是否查天气、提取城市 / 日期），生成 Function Calling 指令。
• 高德天气 API：提供实时 / 多日天气预报数据，解决模型 “实时数据缺失” 问题。
• Dify Agent：作为 “调度中枢”，通过 Function Calling 策略自动触发工具调用，串联 “模型推理” 与 “数据获取”。

二、准备阶段：工具与模型就绪

1. 申请高德天气 API（获取实时数据）

– 前往 高德开放平台 注册，创建应用并申请 「天气查询」API（需实名认证）。

• 记录 API Key 和接口文档（重点关注：请求 URL、参数格式、返回字段，如 city、date、forecast 数组）。

2. 在 Dify 中配置高德天气工具

进入 Dify「工具」模块 → 新建 HTTP 工具：

• 参数映射：

key：固定为你的高德 API Key（认证字段）

• 响应解析：定义 JSON 解析规则（提取 forecast 中的 date、weather、temperature 字段）。

3. 选择大模型：DeepSeek-chat

在 Dify「模型」模块，接入 DeepSeek-chat（或其他支持 Function Calling 的大模型），验证调用正常。

三、流程编排：Dify 工作流搭建（可视化操作）

通过 Dify 工作流编辑器，搭建 “输入→处理→输出” 核心流程（对应截图结构）：

1. 节点结构

– 「开始」节点：定义输入变量 query，接收用户提问（如 “上海明天天气”）。

• 「Agent」节点：核心调度器，配置 FunctionCalling 策略，串联模型、工具、指令。
• 「结束」节点：输出最终结果（天气信息），支持文本 / JSON 格式。

2. Agent 节点关键配置

– 策略：选 FunctionCalling（让模型自主决定是否调用工具）。

• 模型：绑定 DeepSeek-chat（负责意图理解和指令生成）。
• 工具列表：启用刚配置的 「高德天气预报」工具（让 Agent 感知可用工具）。

四、指令设计：教模型 “怎么调用工具”

在 Agent 节点的 「指令」框 中，编写 Prompt 规则，指导模型完成三个核心动作：

1. 触发规则（判断 “该查天气了”）

提示词

当用户提问满足以下条件时，**强制调用「高德天气预报」工具**：

- 包含「天气」「气温」「预报」「晴雨」「温度」等关键词；

- 提到具体城市（如「北京」「上海」，从「开始」节点的 query 中提取）；
- 未明确拒绝工具（如“不用工具，直接回答”）。

2. 参数构造（明确 “查哪里、查哪天”）

提示词

### 参数规则（严格匹配高德API）



| 参数名 | 取值逻辑（从 query 提取）                     | 示例                              |
|--------|------------------------------------------------|-----------------------------------|
| city | 提取城市名（如「上海明天天气」→ city="上海"） | 必须为真实城市名称（省/市级）     |
| date | - 「今天」→ 系统当前日期（如 2025-06-29）
- 「明天」→ 当前日期+1天（如 2025-06-30）
- 具体日期（如「2025-07-01」）→ 直接使用 | 格式必须为 YYYY-MM-DD```

### 3. 结果解析（把 [JSON](https://www.explinks.com/wiki/json/) 转成人话）

回复规则（基于高德返回结构）

假设工具返回：

{
  "forecast": [
    {"date": "2025-06-29", "weather": "小雨", "temp": "26~30℃"},
    {"date": "2025-06-30", "weather": "阴", "temp": "25~28℃"}
  ]
}```

__需生成自然语言回复：__

上海未来 2 天天气预报：
・2025-06-29：小雨，26~30℃
・2025-06-30：阴，25~28℃

### 4. 异常处理（应对 “调用失败”）

若工具返回错误：

• 城市无效：回复「未找到『{city}』的天气数据，请检查城市名称」；
• 日期格式错：自动修正为 YYYY-MM-DD 后重试（最多1次）；
• API超时：回复「天气查询繁忙，请稍后再试」，结合 Agent 最大迭代次数（如3次）触发重试。

### 5. 完整提示词

高德天气 Function Calling 指令设计（精准版）

一、触发规则：何时调用高德天气工具？

当用户提问满足以下 全部条件 时，强制触发 Function Calling，调用「GAODE 天气预报」工具：

1. 提问包含 天气相关关键词：如「天气」「气温」「预报」「晴雨」「温度」「风力」「降水」等；

2. 提问涉及 具体城市（需从「开始」节点的 query 变量中提取城市名，如「北京」「上海」）；

3. 未明确拒绝工具调用（如用户未说「不用工具，直接回答」）。

二、参数构造：如何调用高德接口？

严格遵循高德天气工具的参数要求，按以下规则生成调用参数：

| 参数名 | 类型 | 是否必填 | 取值逻辑（从 query 变量解析） |

|————–|——–|———-|————————————————————————————————|

| city | 字符串 | ✅ 必传 | 从用户提问中提取城市名称：
– 例 1：「北京明天天气」→ city="北京"
– 例 2：「上海后天的气温」→ city="上海"
– 若未提取到城市（如「今天天气」），触发异常（见「四、异常处理」）。 |

| date | 字符串 | ❌ 选填 | 日期格式必须为 YYYY-MM-DD：
– 「今天」→ 系统当前日期（如 2025-06-29，需动态获取）；
– 「明天」→ 当前日期+1天（如 2025-06-30）；
– 具体日期（如「2025-07-01」）→ 直接使用；
– 未提日期 → 默认为 当前日期（查询今日预报）。 |

| type | 字符串 | ❌ 选填 | 默认为 forecast（预报）；若用户问「实时天气」，可传 realtime（需工具支持，需提前确认高德接口能力）。 |

三、结果解析：如何生成用户能懂的回复？

工具返回 结构化数据 后，按以下规则整合为自然语言：

1. 数据映射（假设高德返回格式示例）：

{



"city": "北京",



"date": "2025-06-29",



"weather": "晴转多云",



"temp_min": 22,



"temp_max": 30,



"wind": "南风 3-4 级",



"humidity": 55%



}

五、测试验证：让机器人 “动起来”

1. 测试用例（覆盖场景）

2. 调试技巧（用 Dify「Test Run」）

– 追踪标签：检查工具是否调用、参数是否正确、结果是否解析成功。

• 详情标签：定位失败原因（参数错误、API 问题、模型理解偏差）。

六、扩展与优化

功能扩展：

• 支持 实时天气：工具参数加 extensions=base，解析实时温度、风力。
• 支持 多城市对比：让模型一次调用工具查询多个城市（需工具支持批量）。

体验优化：

• 优化 prompt 精度：用正则严格提取城市（如统一 “北京”“北京市”）。
• 调整 迭代次数：将 Agent「最大迭代次数」从 3 调为 5，覆盖更多异常。

七、总结：从 “查天气” 到 “通用能力”

通过 Dify Agent + 大模型 + 外部工具，三步搭建智能天气机器人：

1. 工具接入：将高德 API 变为 Dify 可用工具；
2. 流程编排：可视化串联输入、处理、输出；
3. 指令设计：教模型 “何时、如何、怎样” 调用工具。

这种模式 可扩展性极强 —— 替换工具（如股票、快递 API）和指令，即可快速构建新应用。掌握 Function Calling 核心逻辑，让大模型真正连接真实世界！

文章转载自： 【2025 年最新版】Dify 全链路实战 16：三步搭建智能天气查询机器人（Agent+DeepSeek + 高德天气）