面试官:Function Call 底层逻辑

1．多轮对话为什么难
2．多轮对话的三类结构
3．多轮对话的触发条件
4．工程中如何构建多轮对话数据
5．如何保证模型不乱跳（关键规则）
1️⃣一、为什么多轮对话是 Function Call 里最难的？
一句话概括：
多轮对话不是 NLP ，是状态机。
你必须让模型学会：
意图识别→信息收集→工具调用-工具结果处理-下一轮决策-→最终输出。
2️⃣二、多轮对话的三种结构
基本上，所有 FC 项目都逃不掉。
在我们的旅行助手训练营项目中，多轮对话主要有三类结构：
①"信息补全型"多轮对话（最频繁）
让模型学会"不瞎调用工具"，学会"停下来补齐信息"。
②"工具链式"多轮对话（最复杂）
例子： call recommend _ hotels → call get _ hotel _ reviews → final _ output
③"反问﹣工具﹣反问继续﹣工具"混合型
既需要追问，又需要工具链。
3️⃣三、多轮对话的数据到底怎么生成？
1．根据标签选择工作流
2．根据变量决定是否需要追问
3．自动构造反问句
4．用户回答由模板生成
5．工具链由代码模拟
6．工具返回由 mock 数据生成
7．最后用 base 模型重写自然语言
4️⃣四、多轮对话的数据到底怎么生成？ 核心逻辑：
1．根据标签选择工作流
2．根据变量决定是否需要追问
3．自动构造反问句
4．用户回答由模板生成
5．工具链由代码模拟
6．工具返回由 mock 数据生成
7．最后用 base 模型重写自然语言
5️⃣五、模型如何在训练后做到"不会乱跳"?
1.工具返回后继续调用错误工具
2.工具链顺序乱
3.工具调用结束后不收尾
4.忘记上下文参数
5.拒答逻辑失效
为什么？
因为数据没有覆盖好。
📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。