tools参数必须是list，且每个tool为{"type": "function", "function": {...}}结构；function.parameters须为json schema对象，含type、properties、required；model在tools存在时强制工具调用，不自动fallback至自然语言回复。
tools 参数必须是 list，不是 dict
OpenAI API（gpt-4-turbo、gpt-3.5-turbo 等）已完全弃用 functions 字段，只认 tools，且它必须是列表类型。传入 dict 或 None 会直接报错 TypeError: object of type 'dict' is not iterable 或 BadRequestError: tools must be an array。
-
tools是顶层请求参数，和messages同级，不是嵌套在 system message 里 - 每个 tool 必须是
{"type": "function", "function": {...}}结构，不能漏掉"type": "function" - 哪怕只定义一个工具，也得写成
[{...}]，不是{...}
function 字段里 parameters 必须是 JSON Schema 对象
不是 Python dict 描述，也不是自然语言说明——模型靠它做参数提取，格式错一点就无法生成合法 tool_calls。常见错误是把 "properties" 写成字符串，或漏掉 "required" 导致字段为空时仍被调用。
-
parameters必须是{"type": "object", "properties": {...}, "required": [...]} - 所有参数类型必须明确：城市名用
"type": "string"，温度阈值用"type": "number"，开关状态用"type": "boolean" -
"required"列表里的字段，模型若没提取到就会拒绝调用，而不是填空默认值
model 不会自动 fallback 到自然语言回复
很多开发者以为“模型觉得不合适就自己说人话”，其实不是。一旦你传了 tools，模型就进入「强制工具决策模式」：要么返回 tool_calls，要么返回空 content（即 content=null）。如果用户问“今天心情怎么样”，而你只注册了 get_weather，模型大概率返回空内容，而不是闲聊。
- 想保留自然语言能力，必须在
tools之外，允许模型返回content—— 这靠的是不加tool_choice="required" - 避免加
tool_choice="required"，除非你 100% 确认每条输入都该触发工具 - 调试时先去掉
tool_choice，观察模型是否真能识别意图，再逐步收紧
执行 tool_calls 后必须手动拼回 conversation history
API 返回的 tool_calls 只是结构化指令，模型不会自动执行。你得自己解析 response.choices[0].message.tool_calls，调用对应函数，拿到结果后，再以 role="tool" 的 message 补回去，才能让模型继续推理。
立即学习“Python免费学习笔记（深入）”；
- 每个
tool_call有id、function.name、function.arguments，三者缺一不可 - 调用失败或超时，必须返回带
error字段的tool消息，否则模型卡死 - 不要省略
id：后续role="tool"消息必须严格匹配原始tool_call.id
parameters 的 schema 偏差、tool_calls 的 id 匹配遗漏、role="tool" 消息构造不规范——这三处出错，基本占了线上 Function Calling 故障的 80%。 
