Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Fino podešavanje za pozivanje funkcija

Lekcija 9 od 16 Ažurirano 2. studenoga 2026. Napredno
Na ovoj stranici
  1. Zašto fino podešavanje za pozivanje funkcija
  2. Format podataka za pozivanje funkcija
  3. Uobičajeni slučajevi uporabe
  4. Skripta za pripremu podataka
  5. Pokretanje zadatka finog podešavanja
  6. Najbolje prakse
  7. Ključne točke

Ažuriranje 2. studenoga 2026. — Dostupnost fino podešavanja. OpenAI-jevo samostalno fino podešavanje se postupno ukida: od 7. svibnja 2026. organizacije koje ga nikada nisu koristile više ne mogu stvarati zadatke; od 2. srpnja morali ste koristiti fino podešeni model u posljednjih 60 dana; a počevši od 6. siječnja 2027., nijedan korisnik neće moći pokrenuti nove zadatke. Već obučeni modeli ostaju upotrebljivi dok se njihov osnovni model ne povuče. Ovaj tečaj i dalje je koristan za razumijevanje i iskorištavanje postojećeg modela; za nove projekte dajte prednost inženjerstvu prompta, RAG-u i evaluacijama.

Zašto fino podešavanje za pozivanje funkcija

Pozivanje funkcija omogućuje modelu da odluči kada i kako pozvati vanjske funkcije. U ovom kontekstu, fino podešavanje nije pitanje prilagodbe stila pisanja: ono učvršćuje mehanizam donošenja odluka. Model obučen na vašim vlastitim pozivima prvo uči odabrati pravu funkciju među nekoliko dostupnih opcija. Ako vaša aplikacija nudi i pregled termina i kreiranje sastanaka, fraza „Želio bih vidjeti što je slobodno u četvrtak“ nikada ne smije pokrenuti rezervaciju.

Zatim uči izvući ispravne parametre iz korisničkog zahtjeva – odnosno pretvoriti prirodan izraz u vrijednosti koje su u skladu sa shemom: „sutra u 14 sati“ postaje normalizirani datum i vrijeme. Isti mehanizam podučava manje uočljive, ali jednako ključne refleksne radnje. Znanje kada NE pozvati funkciju izbjegava zamku da model pokrene alat na običan pozdrav. A lančano povezivanje više poziva funkcija na logičan način – npr. nabrajanje dostupnosti, pa rezervacija odabranog termina – zahtijeva da je model tijekom obuke vidio kompletne sekvence, a ne izolirane pozive.

Format podataka za pozivanje funkcija

Primjeri za obuku uključuju definicije funkcija (alata) i odgovarajuće pozive. Poruka asistenta više ne sadrži tekst, već polje tool_calls; rezultat koji vraća vaš sustav pojavljuje se u poruci s ulogom tool, povezanoj s pozivom putem tool_call_id; nakon toga asistent ponovno govori kako bi formulirao odgovor namijenjen korisniku. Upravo taj cijeli ciklus, a ne samo poziv, model mora naučiti reproducirati.

{
  "messages": [
    {
      "role": "system",
      "content": "You are an assistant that helps manage appointments."
    },
    {
      "role": "user",
      "content": "Book me a slot tomorrow at 2 PM with Dr. Martin."
    },
    {
      "role": "assistant",
      "tool_calls": [
        {
          "id": "call_001",
          "type": "function",
          "function": {
            "name": "create_appointment",
            "arguments": "{\"date\": \"2026-04-03\", \"time\": \"14:00\", \"practitioner\": \"Dr. Martin\"}"
          }
        }
      ]
    },
    {
      "role": "tool",
      "tool_call_id": "call_001",
      "content": "{\"status\": \"confirmed\", \"id\": \"appt_42\"}"
    },
    {
      "role": "assistant",
      "content": "Your appointment with Dr. Martin is confirmed for tomorrow at 2 PM. Reference: APPT-42."
    }
  ],
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "create_appointment",
        "description": "Creates a new medical appointment",
        "parameters": {
          "type": "object",
          "properties": {
            "date": {
              "type": "string",
              "description": "Date in YYYY-MM-DD format"
            },
            "time": {
              "type": "string",
              "description": "Time in HH:MM format"
            },
            "practitioner": {
              "type": "string",
              "description": "Name of the practitioner"
            }
          },
          "required": ["date", "time", "practitioner"]
        }
      }
    },
    {
      "type": "function",
      "function": {
        "name": "list_slots",
        "description": "Lists available slots for a practitioner",
        "parameters": {
          "type": "object",
          "properties": {
            "practitioner": {"type": "string"},
            "date": {"type": "string"}
          },
          "required": ["practitioner"]
        }
      }
    }
  ]
}

Uobičajeni slučajevi uporabe

Odabir ispravne funkcije

Obuci model da razlikuje koju funkciju treba pozvati ovisno o kontekstu. U primjeru ispod, zahtjev se odnosi na provjeru dostupnosti, a ne na rezervaciju: primjer pojačava pravilo da otvoreno pitanje pokreće list_slots, i ništa drugo.

{
  "messages": [
    {"role": "user", "content": "What slots are free on Thursday with Dr. Martin?"},
    {
      "role": "assistant",
      "tool_calls": [
        {
          "id": "call_002",
          "type": "function",
          "function": {
            "name": "list_slots",
            "arguments": "{\"practitioner\": \"Dr. Martin\", \"date\": \"2026-04-04\"}"
          }
        }
      ]
    }
  ],
  "tools": ["... same tools as above ..."]
}

NE pozivanje funkcije

Rezerviraj dio svog skupa podataka za razmjene u kojima model ne smije koristiti nijednu funkciju. Model obučen isključivo na pozivima stječe naviku generiranja poziva pri svakom koraku, čak i za pozdrav ili opće pitanje – ponašanje koje iritira korisnike i opterećuje tvoju pozadinsku infrastrukturu. Protuprimjer ispod zauzima samo nekoliko redaka, a eliminira čitavu klasu pogrešaka.

{
  "messages": [
    {"role": "user", "content": "Hello, how are you?"},
    {
      "role": "assistant",
      "content": "Hello! I'm doing well, thanks. How can I help you with your appointments today?"
    }
  ],
  "tools": ["... same tools ..."]
}

Izvlačenje složenih parametara

Stvarni zahtjevi rijetko su strukturirani. „Idući ponedjeljak ujutro“ i „kardiolog“ moraju postati apsolutni datum, vremenski raspon i specijalizacija. Upravo tu osnovni model najčešće posrće, pa je to područje gdje fino podešavanje donosi najvidljiviji napredak: umnoži ovakve primjere umjesto onih koji su već uredni.

{
  "messages": [
    {"role": "user", "content": "Cancel my appointment next Monday morning with the cardiologist"},
    {
      "role": "assistant",
      "tool_calls": [
        {
          "id": "call_003",
          "type": "function",
          "function": {
            "name": "cancel_appointment",
            "arguments": "{\"date\": \"2026-04-06\", \"period\": \"morning\", \"specialty\": \"cardiology\"}"
          }
        }
      ]
    }
  ],
  "tools": ["..."]
}

Skripta za pripremu podataka

Izgradnja datoteke ostaje mehanička: funkcija za sastavljanje, definicija alata zajednička svim primjerima, popis slučajeva, zatim zapisivanje redak po redak u JSONL formatu. Obrati pažnju na korištenje json.dumps za polje arguments, koje mora biti niz znakova, a ne objekt.

import json

def create_function_calling_example(
    messages: list[dict],
    tools: list[dict]
) -> dict:
    """Creates a training example for function calling."""
    return {
        "messages": messages,
        "tools": tools
    }

# Tool definitions
tools = [
    {
        "type": "function",
        "function": {
            "name": "search_product",
            "description": "Searches for a product in the catalog",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {"type": "string", "description": "Search terms"},
                    "category": {"type": "string", "enum": ["electronics", "clothing", "home"]},
                    "max_price": {"type": "number", "description": "Maximum price in euros"}
                },
                "required": ["query"]
            }
        }
    }
]

# Training examples
examples = [
    create_function_calling_example(
        messages=[
            {"role": "user", "content": "I'm looking for headphones under 100 euros"},
            {
                "role": "assistant",
                "tool_calls": [{
                    "id": "call_1",
                    "type": "function",
                    "function": {
                        "name": "search_product",
                        "arguments": json.dumps({
                            "query": "headphones",
                            "category": "electronics",
                            "max_price": 100
                        })
                    }
                }]
            }
        ],
        tools=tools
    )
]

# Save
with open("function_calling_train.jsonl", "w", encoding="utf-8") as f:
    for ex in examples:
        f.write(json.dumps(ex, ensure_ascii=False) + "\n")

Pokretanje zadatka finog podešavanja

Zadatak se stvara točno kao i za konverzacijsko fino podešavanje: obogaćeni format prepoznaje se iz sadržaja datoteke, bez dodatnih parametara.

from openai import OpenAI

client = OpenAI()

file = client.files.create(
    file=open("function_calling_train.jsonl", "rb"),
    purpose="fine-tune"
)

job = client.fine_tuning.jobs.create(
    training_file=file.id,
    model="gpt-5.6-luna",
    suffix="function-calling-v1"
)

Najbolje prakse

Rezultat prije svega ovisi o raznolikosti tvog skupa podataka. Svaka funkcija mora se pojaviti više puta, formulacije korisnika moraju varirati za istu namjeru, a korisno je uključiti i dvosmislene slučajeve popraćene rješenjem koje smatraš ispravnim, ne zaboravljajući pritom uobičajene razgovore koji ne zahtijevaju poziv funkcije.

Sljedeći korak je realnost parametara. Vrijednosti u arguments moraju točno odgovarati shemi definiranoj u tools, s vjerodostojnim vrijednostima umjesto rezerviranih mjesta poput „xxx“ – model obučen na lažnim vrijednostima generirat će ih. Sustavno testiraj je li svako polje arguments valjani JSON: nedostatak zagrade ili navodnika dovoljan je da primjer postane neupotrebljiv.

Konačno, tu je pitanje omjera. Za skup podataka od 100 primjera koji pokriva 3 funkcije, donja raspodjela osigurava zdravu ravnotežu između funkcionalne pokrivenosti i uzdržanosti.

Vrsta primjeraKoličina
Po funkciji25–30
Bez poziva funkcije10–15
Lančani pozivi (višekorakni)5–10

Ključne točke

  • Format uključuje tools uz messages
  • Pozivi funkcija koriste tool_calls u poruci asistenta
  • Uključi primjere u kojima model NE smije pozvati funkciju
  • Varijiraj formulacije za istu namjeru
  • Provjeri jesu li svi arguments valjani JSON u skladu sa shemom