保证 Agent 调用工具 (Function Calling) 的可靠性
结构化定义层
- 强类型约束：使用 JSON Schema 定义工具参数的类型（字符串 / 数字等）、是否可为空、枚举值等，确保参数格式标准化。例如订机票时，出发日期需明确为标准日期格式，避免模型填入 “明天” 导致后台报错。
- 语义描述优化：函数描述需像 “说明书” 一样详细，明确模型在何种情况下调用不同工具（如何时调用工具 A、何时调用工具 B），避免因描述简略导致模型误判。
推理策略层
- 思维链（CoT） ：在提示词中强制模型调用工具前输出思考过程（Thought），通过 “慢思考” 减少 80% 的低级错误。
- Few-shot 学习：提供正确和错误调用的示例模板，利用模型强模仿能力提升调用准确性。
- 工具检索 RAG：当 Agent 工具数量较多（如 100 个）时，通过语义检索仅向模型提供与用户 query 最相关的工具，减少干扰，提升精准度。
执行护栏层
- 自动校验：使用 Pydantic 等库对模型输出的 JSON 数据进行格式、参数完整性校验，拦截不合格数据，避免直接执行错误调用。
- 人机交互：针对高风险操作（如转账、改密码），需用户手动确认后再执行，防止 Agent 失控。
自愈修复层
- 错误回传：工具执行报错（如 API 返回 “日期格式不对”）时，将报错信息反馈给模型，要求其根据错误重新生成参数，实现闭环修复。
- 状态反思：工具执行后，让模型检查结果是否解决用户问题，若不符合预期则重新规划并再次执行。
可靠性公式
可靠性 = 高质量的定义（结构化定义层） + 严格的代码约束（执行护栏层） × 闭环的反思重试机制（自愈修复层）。需通过工程手段而非仅依赖模型能力来保障可靠性。
