最近在做一个内部用的Agent，想让模型学会调用我们自己的几个API（查库存、下单这种）。数据集是手工整理的300多条对话，格式参考了Qwen官方工具调用模板。用的LLaMA-Factory，LoRA秩设的16，学习率2e-4，训练了3轮。结果发现一个奇怪的现象：验证集上准确率有88%，但实际跑起来，模型经常在简单场景下突然不输出工具调用，或者把参数名改掉（比如把“order_id”写成“orderId”）。我试过加大数据量到600条，也调过秩和轮数，提升不明显。想问问大家，这类问题一般是数据多样性不够，还是模板/解析逻辑有坑？或者LoRA本身就容易在这种结构化输出上翻车？有没有什么经验能分享一下。