> ## Content Index
> Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt
> Use this file to discover other available public pages before exploring further.

# FunctionGemma函数调用LLM
- URL: https://www.hubwiz.com/blog/functiongemma-llm-for-function-calling/
- Published: 2025-12-29T02:23:14.000Z
- Updated: 2025-12-29T02:23:14.000Z
- Description: FunctionGemma是一个轻量级的开源模型，由Google开发，专门用于函数调用，而不是聊天。
- Author: admin
- Tags: MODEL-ZOO, FUNCTIONGEMMA, #Import 2026-10-14 14:41

每个人都不断推出更大的模型。更多的参数，更多的VRAM，更多的借口说明为什么它需要一个服务器。FunctionGemma则朝着相反的方向发展，这使其很有趣。

FunctionGemma是一个**轻量级的开源模型，由Google开发**，专门用于*函数调用*。不是聊天。不是角色扮演。不是“有帮助的助手。”只是结构化的意图到函数转换，设计为可以微调成非常具体和非常可靠的模型。

在核心上，FunctionGemma基于**Gemma 3（2.7亿参数）**。相同的底层架构，不同的聊天格式，以及截然不同的目标。这个模型只做一件事：将文本转化为干净、确定性的函数调用。

## 1、FunctionGemma 是什么

FunctionGemma **不打算直接作为对话模型使用**。如果你尝试与它聊天，那就错过了重点。

相反，它被设计为：

- 函数调用
- 工具调用
- 代理工作流程
- 本地或离线自动化

其理念很简单：你将其在自己的模式、自己的函数、自己的领域上进行微调。之后，它就成为一个狭窄但极其强大的执行器。

由于该模型只有2.7亿参数，你可以实际在以下设备上运行：

- 笔记本电脑
- 台式机
- 边缘设备
- 没有GPU问题的私有云基础设施

这是有意为之。它降低了部署代理系统时的门槛，而无需将用户数据发送到服务器。

## 2、架构和设计选择

FunctionGemma保留了**Gemma 3架构**，但改变了*交互格式*。这比听起来更重要。

该模型专门训练来：

- 解析用户意图
- 将该意图映射到预定义的功能模式
- 生成适合执行的结构化输出

它按设计是纯文本的。没有视觉、没有音频、没有多模态的干扰。这种限制是一种优势，而不是一种局限。它使模型快速、可预测，并且更容易进行微调。

开箱即用，性能不错。经过微调后，它在代理风格的任务中表现得相当强大，尤其是在单次和有限的多次交互工作流中。

## 3、输入和输出概览

**输入**

- 纯文本：提示、命令或简短的指令
- 最多 **32K 个标记的上下文**

**输出**

- 生成的文本或结构化的函数调用
- 最多 **32K 个标记**，减去输入大小

这个大的上下文窗口在模型大小方面值得注意。它允许复杂的模式和更长的工具定义而不立即崩溃。

## 4、为什么 FunctionGemma 存在

大模型可以执行函数调用，但它们通常：

- 过于复杂
- 费用高昂
- 难以在本地部署
- 在受限环境中不太可预测

FunctionGemma优化了**确定性和专业化**。你将其训练在你希望它调用的确切功能上，仅此而已。这使其非常适合：

> 嵌入式代理 以离线为主的应用程序 隐私敏感的工作流程 边缘AI用例

这就是许多生产系统的哲学，只是包装成一个开源的小型模型。

## 5、Google 强调的实际用例

为了证明这不仅仅是理论，Google展示了两个具体的例子。

### 5.1 小花园

Tiny Garden 是一个语音控制的离线游戏。该模型通过将命令如：

> “在顶部行种植向日葵”  
> 或  
> “浇灌第1和第2块地的花”

转换为干净的函数调用，例如：

- `plant_seed`
- `water_plots`

无需服务器。无需互联网。只需本地推理和确定性行为。这是一个很好的展示，说明当正确限定范围时，一个小模型如何完全驱动应用程序逻辑。

### 5.2 移动操作

这对开发者来说更有趣。

Google发布了：

- 一个数据集
- 一个微调配方
- 一个交互式笔记本

它们一起展示了如何将FunctionGemma变成一个**私有、离线的Android代理**，将文本如：

> “创建午餐的日历事件”  
> 或  
> “打开手电筒”

转换为Android系统函数调用。

结果是一个不需要联网且不会泄露个人数据的设备端代理。

## 6、微调不是可选的

FunctionGemma有意地为通用用途训练不足。这不是弱点。这是约定。

要获得真正的价值，你应：

- 定义你的函数模式
- 提供特定任务的例子
- 在与你的领域相关的单次或多次交互数据上进行微调

一旦专业化，该模型会比一个通用的LLM更加准确，因为它不需要猜测你想做什么。

> 这是我们看到的生产系统中的相同模式。FunctionGemma只是让它更便宜、更易访问。

## 7、FunctionGemma 最适合的地方

FunctionGemma 最适合以下情况：

- 你需要函数调用，而不是对话
- 你关心隐私或离线执行
- 你想要可预测的输出
- 你不想为基本自动化部署一个数十亿参数的模型

它并不是为了与大型聊天模型竞争。它是为了安静地推动实际上能做事的系统部分。

---

原文链接：[Google FunctionGemma : Build your Function Calling LLMs](https://medium.com/data-science-in-your-pocket/google-functiongemma-build-your-function-calling-llms-be6ee338c75e?ref=hubwiz.com)

汇智网翻译整理，转载请标明出处