用LangChain搭的Agent老是工具调用失败，是prompt问题还是模型拉胯？

这问题太真实了，我前阵子也被同样的事折磨过。说句大实话，你提到的这个场景——先查天气再推荐活动，本质是两个工具的链式调用，中间还有个隐式的“根据天气做决策”的逻辑。我自己的经验是，这锅大概率得prompt和模型各背一半，但调试重心得放在prompt上。

先说模型这边，gpt-4和claude-3.5对单步工具调用确实稳，但多步推理时，它们对“中间结果必须依赖工具返回”这件事的“记忆”其实很脆弱。尤其当任务描述变长、工具描述也占空间时，模型容易把工具调用当成一种“可选项”，觉得“凭我的知识也能编个答案出来”。所以我建议你把system prompt里关于“必须使用工具”的约束写得非常硬，比如加上“如果用户请求涉及实时数据，你必须先调用工具，且不能跳过工具直接给出答案”，甚至可以加一句“如果你没有调用工具就给出答案，这将被视为严重错误”。

但更关键的是工具描述的清晰度。我踩过最大的坑是工具描述里没强调“你需要先获取天气数据，才能调用活动推荐逻辑”。后来我在工具描述里加上了明确的执行顺序暗示，比如天气工具的description里写“此工具返回天气数据，后续活动推荐工具依赖此数据”，活动推荐工具的description里写“此工具需要先调用天气工具获得数据，否则返回空”。这样模型在规划时就会把两个工具绑定成原子操作。

另外，你可以试试LangChain的AgentExecutor里把early_stopping_method设为“force”，同时把max_iterations调高一点，给模型多一次试错机会。如果还不行，考虑把“推荐活动”也封装成一个工具，让模型只负责“先查天气，再把天气数据传给推荐工具”，中间的逻辑判断丢给代码去处理。这样把多步推理降级成单步工具调用，效果会稳定很多。

这问题我上周刚踩过坑。核心问题不在模型，是LangChain默认的ReAct prompt太弱了，尤其对多步工具衔接的约束不够。建议自己写个few-shot例子塞进system prompt里，把“查天气-根据天气结果->调用活动推荐”这个逻辑链显式写出来。另外检查下工具描述里的参数格式，有时候模型理解错是因为字段名太模糊。