本文介绍如何通过提示工程与函数调用机制，使本地部署的llm（如ollama运行的模型）理解用户指令、结构化提取意图，并自动触发智能家居api，无需微调即可实现“说即执行”的交互体验。
本文介绍如何通过提示工程与函数调用机制，使本地部署的llm（如ollama运行的模型）理解用户指令、结构化提取意图，并自动触发智能家居api，无需微调即可实现“说即执行”的交互体验。
在构建具备行动能力的智能家庭聊天机器人时，核心挑战并非训练模型“学会开关灯”，而是建立一套可靠、可解释、可扩展的指令解析与执行管道。幸运的是，现代大语言模型（尤其是经过指令微调的开源模型，如Phi-3、Llama 3 或 Qwen2）已具备出色的结构化输出能力，配合恰当的提示设计与轻量级编排逻辑，即可高效完成意图识别与动作调度——完全无需全参数微调或重训练。
✅ 推荐方案：提示驱动 + JSON Schema 输出 + 后端执行
最简洁且生产就绪的方式是采用确定性提示模板 + JSON格式约束输出，引导模型将自然语言指令转化为机器可解析的动作指令。例如：
请严格按以下JSON格式响应，仅输出JSON，不加任何额外说明或标记：
{
"action": "操作类型（如 'light-on', 'light-off', 'thermostat-set'）",
"device": "设备标识符（如 'living-room-light', 'bedroom-ac'）",
"params": { "temperature": 26 } // 可选，用于带参数的操作
}
示例输入：把客厅的灯打开
示例输出：{"action": "light-on", "device": "living-room-light"}
现在处理以下指令：
Human：关掉厨房的排气扇
Response：当模型返回类似 {"action": "fan-off", "device": "kitchen-fan"} 的响应后，你的服务端只需做三件事：
- JSON解析校验（建议用 Pydantic 模型确保字段存在且类型合法）；
- 映射到真实API调用（如 call_device_api(device="kitchen-fan", action="off")）；
- 合成自然语言回复（如 "已关闭厨房排气扇"），再返回给用户。
? 提示技巧：在 Ollama 中，可通过 --format json 参数强制启用 JSON 模式（部分模型支持），或在系统提示中强调“只输出有效JSON，无任何包裹文本”。
? 集成建议：LangChain + Pydantic（轻量级推荐）
若需更高鲁棒性与可维护性，可引入 LangChain 的 StructuredOutputParser 或原生 JsonOutputParser，配合 Pydantic 模型定义动作协议：
from pydantic import BaseModel
from langchain.output_parsers import JsonOutputParser
from langchain.prompts import PromptTemplate
class DeviceAction(BaseModel):
action: str
device: str
params: dict = {}
parser = JsonOutputParser(pydantic_object=DeviceAction)
prompt = PromptTemplate(
template="你是一个智能家居控制助手。\n{format_instructions}\n用户说：{input}",
input_variables=["input"],
partial_variables={"format_instructions": parser.get_format_instructions()}
)
# 使用 Ollama LLM（如 llama3:8b）
llm = Ollama(model="llama3", format="json")
chain = prompt | llm | parser
result = chain.invoke({"input": "把主卧空调调到27度"})
# → {'action': 'thermostat-set', 'device': 'master-bedroom-ac', 'params': {'temperature': 27}}⚠️ 关键注意事项
- 绝不信任原始LLM输出：必须始终进行 JSON schema 校验、设备白名单检查、权限鉴权及超时熔断，防止恶意指令注入或误触发。
- 优先使用函数调用（Function Calling）范式：OpenAI 的 Function Calling 文档虽面向其API，但其设计理念（工具描述 + 模型自主选择调用）已被 LiteLLM、Ollama（via llama.cpp 工具调用插件）等广泛借鉴，值得深入学习。
- 本地模型选型建议：在 Ollama 中，优先选用明确支持工具调用/JSON模式的模型，如 phi3:mini, qwen2:7b, 或 llama3:8b-instruct-q8_0；避免使用纯基础权重模型。
- 用户体验优化：执行动作后，应同步返回确认语句（如“正在开启客厅灯光…”），并在后台异步完成硬件操作，避免用户等待。
综上，让LLM“执行动作”的本质，是将其作为高阶意图解析器，而非代码执行引擎。通过清晰的接口契约（JSON Schema）、严谨的后端调度和最小化提示工程，你可以在数小时内搭建出稳定、可审计、易扩展的智能家庭对话控制系统。
