Tool Calling 技术实战：解决大模型时间感知问题背景问题在使用本地部署的 Ollama Qwen3:1.7b

1. 背景问题

在使用本地部署的 Ollama Qwen3:1.7b 模型时，我们遇到了一个典型的大模型知识局限问题：

访问 /tool/date/whattime?msg=你是谁现在几点，模型返回：

我是一个由阿里云研发的大型语言模型，名
为通义千问，专门用于回答各种问题和提供
帮助。现在的时间是北京时间2023年10月
15日，大约中午12点。如果你有其他问题，
随时告诉我！ 😊

实际时间：2026-01-30
模型返回的时间停留在2023年，这是因为大模型的训练数据有时间限制，无法获取实时信息。

2. 解决方案：Tool Calling 技术

2.1 核心原理

Tool Calling（工具调用）技术通过以下流程解决实时信息获取问题：

定义工具：创建获取实时信息的函数
注册工具：将工具注册到模型的工具列表中
提示工程：指导模型在适当场景下调用工具
执行调用：模型根据需要调用工具获取实时数据
结果处理：模型基于工具返回的结果生成最终答案

tool调用流程图
在这里插入图片描述编辑

2.2 代码实现 DateTimeTools.java - 工具定义

package com.conca.ai.tool.toolsdate;

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.ai.tool.annotation.Tool;

import java.time.LocalDateTime;

/**
 * @auther zzyybs@126.com
 * @create 2025-07-31 20:39
 * @Description TODO
 */
public class DateTimeTools
{
    private static final Logger log = LoggerFactory.getLogger(DateTimeTools.class);
    
    /**
     * 1.定义 function call（tool call）
     * 2. returnDirect
     *    true = tool直接返回不走大模型，直接给客户
     *    false = 默认值，拿到tool返回的结果，给大模型，最后由大模型回复
     */
    @Tool(description = "获取当前的准确时间，当用户询问当前时间、现在几点、几点了等问题时必须使用此工具", returnDirect = true)
    public String getCurrentTime()
    {
        String currentTime = LocalDateTime.now().toString();
        log.info("DateTimeTools被调用，当前时间：{}", currentTime);
        return currentTime;
    }
}

2.3 代码实现 ToolDateController.java

package com.conca.ai.tool.toolsdate;

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.ai.chat.model.ChatModel;
import org.springframework.ai.chat.prompt.ChatOptions;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.model.tool.ToolCallingChatOptions;
import org.springframework.ai.support.ToolCallbacks;
import org.springframework.ai.tool.ToolCallback;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

import jakarta.annotation.Resource;

@RestController
public class ToolDateController {

	private static final Logger log = LoggerFactory.getLogger(ToolDateController.class);

	@Resource(name = "ollamaDeepseekChatModel")
	private ChatModel chatModel;

	/**
	 * http://localhost:8080/tool/date/whattime?msg=你是谁现在几点 
	 */
	@GetMapping("/tool/date/whattime")
	public String whattime(@RequestParam(name = "msg", defaultValue = "你是谁现在几点") String msg) {
	
		return chatModel.call(msg);
	}

	/**
	 * http://localhost:8080/tool/date/chat?msg=你是谁现在几点 1.定义 function call（tool call）
	 * 2. returnDirect true = tool直接返回不走大模型，直接给客户 false =
	 * 默认值，拿到tool返回的结果，给大模型，最后由大模型回复
	 */
	@GetMapping("/tool/date/chat")
	public String chat(@RequestParam(name = "msg", defaultValue = "你是谁现在几点") String msg) {
		// 1.工具注册到工具集合里
		ToolCallback[] tools = ToolCallbacks.from(new DateTimeTools());

		// 2.将工具集配置进ChatOptions对象
		ChatOptions options = ToolCallingChatOptions.builder().toolCallbacks(tools).build();

		// 3.构建提示词，明确告知大模型使用工具获取当前时间
		String enhancedPrompt = msg + "\n\n系统指令：当用户询问当前时间、现在几点、几点了等问题时，必须使用getCurrentTime工具获取准确时间，不能自己猜测时间。";
		Prompt prompt = new Prompt(enhancedPrompt, options);
		log.info("调用大模型，prompt={}", prompt);
		// 4.调用大模型
		return chatModel.call(prompt).getResult().getOutput().getText();
	}

}

3. 技术实现详解

3.1 本地 Ollama 部署 Qwen3:1.7b

安装 Ollama ：从官网下载并安装 Ollama 客户端
拉取模型：执行命令 ollama pull qwen3:1.7b
启动服务：Ollama 会自动启动并运行在本地端口

3.2 工具调用核心机制

工具定义：
- 使用 @Tool 注解标记工具方法
- 详细的 description 字段告诉模型何时使用此工具
- returnDirect = true 表示直接返回工具结果，不经过模型二次处理
工具注册：
- 使用 ToolCallbacks.from() 将工具类转换为工具回调数组
- 通过 ToolCallingChatOptions 配置工具调用选项
提示工程：
- 在提示词中明确告知模型必须使用工具获取时间
- 强调不能自己猜测时间，确保模型理解工具的必要性
结果处理：
- 工具返回的是原始时间字符串 2026-01-30T22:45:30.123456
- 模型可以基于此结果生成更友好的回答

4. Tool Calling 技术的价值

4.1 解决的核心问题

知识时效性：大模型训练数据有时间限制，无法获取实时信息
信息准确性：避免模型基于过时知识进行错误猜测
功能扩展：将大模型能力与外部系统集成
计算密集型任务：将复杂计算交给专门的工具处理
数据访问：让模型能够查询数据库、API 等外部数据源

4.2 应用场景

实时信息查询：天气、股票、新闻、时间等
数据分析：调用统计工具进行数据分析
系统操作：控制 IoT 设备、执行系统命令
多步骤任务：预订机票、酒店等需要多步骤交互的任务
专业领域：调用专业工具进行法律、医疗、金融等领域的分析

5. 实际测试结果

5.1 传统调用（无工具）

接口： /tool/date/whattime?msg=你是谁现在几点
返回：我是一个由阿里云研发的大型语言模型，名为通义千问，专门用于回答各种问题和提供帮助。现在的时间是北京时间2023年10月15日，大约中午12点。如果你有其他问题，随时告诉我！ 😊
问题：时间严重错误（2023年 vs 2026年）

5.2 工具调用（有工具）

接口： /tool/date/chat?msg=你是谁现在几点
返回： 2026-01-30T22:45:30.123456
结果：时间完全准确

6. 技术架构优势

松耦合设计：工具与模型分离，便于独立开发和维护
可扩展性：可以轻松添加新的工具，扩展模型能力
安全性：通过工具封装，控制模型对外部系统的访问权限
可监控性：工具调用有完整的日志记录，便于问题排查
标准化：使用 Spring AI 标准接口，便于与其他系统集成

7. 总结

Tool Calling 技术为大模型注入了实时感知能力，解决了传统大模型的知识局限问题。通过本文的实战案例，我们看到：

问题识别：准确识别大模型的知识边界和能力局限
技术选型：选择合适的工具调用框架（Spring AI）
实现方案：通过简洁的代码实现工具定义和调用
效果验证：对比测试证明工具调用能够提供准确的实时信息
Tool Calling 不仅是解决时间感知问题的技术方案，更是大模型从"静态知识"向"动态能力"转变的关键技术。它打开了大模型与外部世界交互的大门，为构建更智能、更实用的 AI 应用提供了无限可能。