Gorilla 是 UC Berkeley 等机构推出的专注于 API 调用的语言模型，其核心能力是准确地将用户自然语言请求转化为正确的 API 调用。Gorilla 在 APIBench 等基准上取得了领先成绩，能够理解用户意图、从大量 API 文档中检索相关 API、生成正确的调用参数。Gorilla 支持 Hugging Face、TorchHub、TensorFlow Hub 等模型库的 API，以及 REST API 等通用接口。Gorilla 是”工具调用”型智能体的重要研究项目，对理解如何让模型准确使用外部 API 具有参考价值。
Gorilla 的核心设计
Gorilla 采用”检索-生成”范式：给定用户请求，首先从 API 文档库中检索相关 API（通过向量检索或检索模型）；将检索到的 API 文档与用户请求一起输入生成模型；模型输出正确的 API 调用格式（包括端点、参数、示例代码）。Gorilla 的训练数据包含大量 API 文档和对应的自然语言-API 调用对，使模型能够学习 API 的用法和参数规范。Gorilla 支持 API 文档的更新，当新 API 发布时，可将文档加入检索库，无需重新训练模型。
Gorilla 的应用场景
Gorilla 适合需要调用大量 API 的智能体场景，如模型服务调用（选择合适模型、设置参数）、云服务编排（调用 AWS、GCP 等 API）、数据管道构建等。Gorilla 可减少开发者查阅 API 文档的工作，提高”自然语言到 API 调用”的准确性。Gorilla 的局限在于：主要面向已知 API 文档，对未见过的 API 泛化有限；API 文档质量影响检索和生成效果。Gorilla 的开源模型和数据集为 API 调用研究提供了重要资源。
Gorilla 的影响
Gorilla 推动了”API 调用”作为智能体核心能力的研究。其检索增强、文档感知的设计思路被多个后续工作借鉴。Gorilla 与 Gorilla LLM 等衍生项目拓展了应用范围。对于构建需要调用丰富 API 的智能体，Gorilla 的设计和基准提供了重要参考。
Gorilla 的检索增强与文档感知
Gorilla 采用”检索-生成”范式解决 API 调用问题。传统方法依赖模型记忆训练时见过的 API，对新增或长尾 API 泛化有限。Gorilla 将 API 文档存入检索库，给定用户请求时先检索相关文档，再结合文档生成调用。这样，新 API 只需加入文档库即可支持，无需重新训练。Gorilla 支持 Hugging Face、TorchHub 等模型库的 API，以及通用 REST API。检索增强使 Gorilla 能够处理大量、动态更新的 API 集合，对构建需要丰富工具调用的智能体具有重要价值。
Gorilla 的基准与评估
Gorilla 在 APIBench 等基准上取得了领先成绩。APIBench 包含大量 API 和对应的自然语言-API 调用对，评估模型生成正确调用的能力。Gorilla 的评估包括准确率、格式正确性、参数正确性等维度。Gorilla 的开源模型和数据集为 API 调用研究提供了标准基准。后续工作（如 Gorilla LLM）在更多 API 和场景上扩展了评估。对于研究或构建 API 调用能力的团队，Gorilla 的基准和数据集是重要资源。
Gorilla 的实践建议
Gorilla 主要作为研究项目和基准存在，其设计思路可借鉴到实际智能体开发中。构建需要调用大量 API 的智能体时，可考虑检索增强：维护 API 文档库，在调用前检索相关文档，再生成调用。工具描述要清晰完整，包含参数说明和示例。Gorilla 的开源模型可用于实验和对比。对于 API 调用这一智能体核心能力，Gorilla 的研究成果具有重要参考价值。
上一篇 下一篇