调了三天Prompt，Agent还是分不清“查天气”和“查日历”，求指点

我一般会加个中间意图分类步骤，先让模型判断是天气还是日程，再走对应API，比硬写Prompt稳很多。

我碰到过一样的问题，Function Calling在语义模糊时确实容易翻车。后来我把路由拆成两步：先用小模型或规则做一次意图粗分类，命中日程就直接走日历，命中天气就走天气，剩下的再交给大模型兜底。你那个“明天几点开会”其实关键词挺明显的，加个时间+事件词的轻量匹配就能稳住大部分case。纯靠Prompt调不如把确定性逻辑前置，模型只负责它擅长的部分。

用few-shot把“几点开会”这类句式全喂进去试试，光靠描述意图确实不稳。

我踩过同样的坑，后来发现核心问题是模型对“明天几点开会”这种没显式提到日历的句子，根本不知道要调工具。你可以在Function Description里把日历API的描述改成“查询、创建或修改用户的日程安排，包括会议、提醒、预约时间等”，比加例子管用。另外别指望纯Prompt解决所有歧义，我现在的做法是加一层轻量规则兜底，比如句子里出现“几点、开会、日程、安排”就直接走日历，命中率能到九成以上。真要做稳，还是得训个小分类器或者用embedding做意图路由，Prompt只负责兜底和闲聊。

我之前也踩过这个坑，纯靠Prompt确实不太稳，尤其是“明天几点开会”这种句子，模型很容易理解成在问时间而不是查日程。后来我在Function Calling前面加了一层轻量意图路由，用few-shot分类先判断走天气还是日历，准确率一下就上来了。其实不用上重型NLU，规则加小模型兜底就够用。你可以在工具描述里把“几点开会”这类表达直接映射到日历查询，别让模型自己猜意图。

我遇到过类似情况，纯靠Prompt确实容易翻车。后来把意图判断拆成两步：先让模型输出结构化的意图标签（天气/日历/其他），再根据标签路由到对应工具，准确率稳了不少。Function Calling本身不适合做歧义消解，它更像执行层而不是决策层。你可以试试在调用前加一个轻量分类节点，哪怕用规则兜底都比硬调强。

加个few-shot把“明天几点开会”这类日程问法也塞进去，光靠System Prompt那句话确实不够稳。