调了三天Prompt，Agent还是分不清“查天气”和“查日历”，求指点

说实话你这个场景我太熟了，之前做个类似的内网助手也栽在“查天气”和“查日历”的坑里。Function Description加例子确实有用，但前提是模型得先理解意图，而问题往往出在它把“几点开会”这种隐含时间点的请求当成闲聊或知识问答了。我后来试了个笨办法，就是把两个函数的description改成完全对立的触发词列表，比如日历那边写“必须包含会议、日程、安排、几点”这种强约束，天气那边写“必须包含下雨、温度、带伞”，然后再加上一条硬规则：如果用户话里带具体时间点且提到人/事，就强制走日历。不过说实话，这只能缓解，遇到“明天下午茶定几点”这种又带天气又带日程的还是会崩。我现在的方案是加了一层轻量的意图预筛，用个几十条规则的正则先分流，规则没命中再丢给LLM，这样准确率能到95%左右，但代价就是代码里多了一堆if-else，维护起来挺烦的。你那个“瞎编时间”的情况我怀疑是模型在没把握时强行填充了JSON字段，可以试试在system prompt里明确禁止它猜测，必须返回一个“需要澄清”的标记，让对话流回到用户那边。至于上不上NLU分类器，我觉得如果请求类型就这两种，真没必要上重型模型，一个fastText或者就sklearn的逻辑回归，几百条标注数据就能打得很好，而且推理快还能离线跑。纯靠Prompt做路由上限就在那，毕竟模型天生对同义表达的泛化是随机的，不是逻辑推导。

同感，单纯堆Prompt真不稳定，建议把意图分类拆出来用few-shot微调或规则前置，效果会扎实很多。

我试过给每个API配个触发词表，命中就直接路由，比让模型猜靠谱得多。