用LangChain搭Agent，工具一多就选错，怎么让模型更听话？

工具描述别光写“查天气”，得把触发条件写死，比如“仅当用户明确提到天气或气温时才调用”。另外试试把工具数量控制在5个以内，太多模型确实容易懵，优先级或路由逻辑加一层会稳很多。参数传错的话，可以在描述里加JSON示例，比纯文字管用。换模型的话，Claude或本地微调的小模型在工具选择上有时比GPT-4更克制，但得看你具体场景。

这坑太真实了，我一开始也这样，后来发现光堆prompt没用，关键得把工具描述改成“触发条件”式，比如明确写“当用户提到记录/备忘时才调用写文件，其他情况别动”。另外试试给每个工具加个“优先级”字段，或者在调用前加一步意图分类，把用户query先分个类再路由到对应工具，比让模型自己从一堆里硬选靠谱多了。模型的话，换Claude或本地微调过的Qwen可能比GPT-4更稳，但还得看你工具复杂度。你现在的工具描述是纯文字还是带few-shot的例子？可以发出来帮你看看格式。

工具描述里加个“触发条件”字段，明确写清楚什么时候才该用，能少一半乱选。

模型温度调低点，再给每个工具配上正反例，GPT-4基本就老实了。

工具描述这块确实容易翻车，我试过把每个工具的description改成“当用户提到XX时用这个”，再加一两个极端例子，效果会好不少。另外你可以试试把工具数量砍到最少，或者用路由提示词先让模型自己判断该走哪条链路，比一股脑全塞给Agent强。模型的话，换Claude或本地微调过的Qwen可能对工具调用的稳定性好点，但前提还是得把输入输出schema写死，别给模型自由发挥的空间。

我碰到过一模一样的情况，工具一多模型就开始“犯迷糊”，感觉不是描述写得不够清楚，而是它对工具边界的理解太表面了。你试试把每个工具描述里加个“适用场景”和“禁忌场景”，比如查天气那个就写“仅当用户明确提到天气时使用，其他情况一律返回不适用”，这样能压住不少乱跳的调用。另外参数传错的问题，我后来发现是示例不够“反例”，光给正确示例不够，得在描述里加一两个“用户说这句话时别选我”的负面pattern，模型反而更听话。换模型的话，GPT-4其实算稳的了，Claude有时候更跟指令，但工具调用格式又得重新调，成本高。还有个偏方，就是把工具数量砍到5个以内，多余的合并成一个“综合操作”工具，让模型先选大类再在里面解析子命令，错误率会降很多。你现在这几个工具里，是不是有个工具描述特别长？我怀疑那个反而干扰了其他工具的优先级判断。

这问题太真实了，工具一多模型确实容易“犯迷糊”。我自己的经验是，光靠描述还不够，得在prompt里给每个工具加个“使用前提”和“反面例子”，比如明确写“只有涉及天气才用天气工具”。另外你试试把工具描述里的动词统一成“查询、创建、更新”这种，别用口语化表达，模型对格式很敏感。换模型的话，Claude有时候比GPT-4更稳，但成本也高，先调prompt再考虑换模型。

这问题太真实了，我当初也卡在这。工具描述别光写“查天气”，得加触发条件，比如“仅当用户明确提到当前户外天气时调用”。还有个小技巧，把动作拆细点，比如“记笔记”和“查天气”这种高频冲突的，干脆用一个工具名区分清楚。模型选错不全是prompt的锅，可以试试把工具数量控制在5个以内，太多真容易乱。最后实在不行，你可以在调用前加一步规则过滤，硬编码一下用户意图，比纯靠模型稳。

工具描述里加个“触发条件”和“反例”试试，比如“只有明确说记笔记才用，问天气别用”。

或者试试用function calling微调过的模型，比纯靠prompt稳很多。

我之前也遇到过这问题，后来把工具描述全改成“动作触发”式的，比如“当用户明确要保存内容时用这个”，比单纯列功能好用很多。另外试下把最常用的工具放到列表前面，模型有位置偏好。还有就是参数别用嵌套对象，全拆成扁平字段，错误率会降不少。换模型的话Claude对工具调用的遵循度确实比GPT-4稳，但成本也上去了，可以先优化prompt再考虑换。

我之前也遇到过一模一样的坑，工具一多模型就开始“犯迷糊”。后来我发现问题不一定全在prompt，LangChain默认的tool description拼接方式其实很吃格式，它把名字、描述、参数schema全塞进一个长字符串里，模型容易抓不住重点。我会把每个工具的描述精简成一句话，并且把最容易混淆的工具（比如“写文件”和“记笔记”）在功能边界上写得更对立一些，比如明确写“这是纯本地文件写入，不涉及任何内容分析”。另外，参数示例别光给正确格式，最好也加一两个“不要这样做”的负面例子，GPT-4对这种对比非常敏感。

还有个小技巧：把工具调用的判断逻辑拆出来，先让模型做一步意图分类（比如“这是查询类还是存储类”），再让它选具体工具，相当于加了个路由层，准确率能提不少。我试过换Claude 3.5或者本地Qwen，感觉工具选择上GPT-4其实还是最稳的，但它们的参数解析都容易在小规模few-shot上翻车，所以我会在中间加一层正则校验，发现参数明显不对就强制重试一次。最后，如果你工具数量超过8个，建议考虑用向量检索动态挑选候选工具，而不是一股脑全塞给模型，效果差别真的很大。

我也踩过这坑，工具一多模型确实容易犯迷糊。后来我把工具名改得更直白，比如“查询天气”改成“get_weather”，描述里写清楚什么时候该用、什么时候别用，效果好了不少。还有个办法是别一次性全塞给模型，先用一层路由判断用户意图，再只挂载相关工具，能减少干扰。你那个“记笔记跑去查天气”的情况，大概率是工具描述里触发词重叠了，建议逐个检查下关键词。

工具一多确实容易乱，我试过把每个工具的docstring写得特别细，还加了“when to use”和“when not to use”的说明，效果会好不少。另外你可以试试用function calling的structured output，别让模型自己拼参数，交给框架解析。还有个小技巧是给agent加个“先确认用户意图再调工具”的步骤，能过滤掉不少误调用。