大模型 Tools(Function Calling)实用性分析 - 以媒体信息解析为例

[marquina]

作为一个喜欢收集影视资源的人，笔者面临的一个任务是：从文件名中解析出格式化的媒体信息（信息源统一为The Movie Database (TMDB)），方便整理文件，如：

文件名	格式化信息
Young.Woman.and.the.Sea.2024.2160p.DSNP.WEB-DL.H265.HDR.DDP5.1.Atmos-ADWeb.mkv	{'title': '泳者之心', 'genre': 'movie', 'year': 2024}
[動畫瘋] 物語系列 第外季＆第怪季[9][1080P].mp4	{'title': '物语系列', 'genre': 'tv(anime)', 'year': 2009, 'tv_season_num': 5, 'tv_episode': 9}

那么，在给定文件名的情况下，怎么用大语言模型（ LLM ，以下简称大模型） + TMDB API 来完成媒体信息的解析工作呢？这篇文章应运而生。

当然，解析媒体信息 + 整理媒体文件（或者说媒体文件刮削），已经有很多现成的解决方案，如nas-tools、jellyfin，笔者更多是想探索大模型的可能性。

---

"太长不看"的总结：

• qwen-plus-latest (qwen 2.5) 强于 deepseek-chat (v2.5)，gpt-4o-mini/gemini-1.5-flash 落后
• Tools(Function Calling)在机器间交互不好用，笔者的 JSON 调用模式效率&效果更优。

---

原文链接：大模型 Tools(Function Calling)实用性分析 - 以媒体信息解析为例 - OrangeWolf 的博客

[anonydmer]

看了原文，挺好的，楼主可以再加个 kimi 的测试一下，它有一个原生 JSON Mode 的功能

[TimePPT]

实体抽取输出 json 现在 gpt4o 有 json schema 模式

[neteroster]

4o mini 也可以传 json schema

[marquina]

@anonydmer #1
@TimePPT #2
@neteroster #3
其实文章围绕的点是“如何更好地让大模型调用外部函数”，是否用 json mode 区别不大😂