大模型 Function Calling 调用失败率高，你怎么排查？
面试怎么回答
我会先从 Trace 里抽样，把失败分成没调用直接编答案、选错工具、参数错误、结果没用好、工具本身失败、循环调用几类，看哪类占比最高。然后按类型找原因：没调用多半是提示里没要求数据必须走工具、或者工具描述没写清楚能回答什么；选错工具是工具太多太相似；参数错误是类型太宽松、格式没说明、ID 从上下文拿不到；工具失败要看错误信息是否可读可行动。修复包括改描述、合并工具、参数用枚举和严格模式、精简返回、改写错误信息、加步数上限。最后把失败案例做成评测集，每次改动跑回归，看工具选择准确率、参数正确率和任务完成率。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
上线了一个能调工具的 AI 助手，监控显示工具调用的失败率有 15%：有的选错工具，有的参数填错，有的根本没调用就直接编了答案。面试官问这题，想看你能不能像排查数据链路一样，把失败分类、定位、逐个解决。
第一步：把失败分类
从 Trace 和日志里抽样，把失败分成几类：
- 没调用：应该调工具却直接回答，往往是编造数据；
- 选错工具：调了功能相近但不对的工具；
- 参数错误：格式不对、必填缺失、取值越界、ID 是编的；
- 调用成功但结果没用好：工具返回了，模型理解错了或者没用上；
- 工具本身失败：超时、限流、后端报错；
- 循环调用：同一个工具、同样的参数反复调用。
先看哪类占比最高，优先解决。
第二步：按类型定位原因
- 没调用：系统提示有没有明确要求「涉及数据必须通过工具获取」？工具描述是不是没说清楚它能回答什么？
- 选错工具：工具是否太多、太相似？描述里有没有写清楚边界和区别？
- 参数错误：参数类型是否宽松（字符串代替枚举）？日期、ID 的格式有没有说明和示例？需要的 ID 模型是否能从上下文中拿到？
- 结果没用好：返回的数据是不是太大、字段名太晦涩、缺少单位和口径说明？
- 工具失败：错误信息是否返回给了模型？是不是可读、可行动的？
- 循环：有没有步数上限和重复调用检测？
第三步：修复
- 改工具描述，加「何时使用」「何时不用」；
- 合并相似工具，减少每次加载的工具数量；
- 参数用枚举和严格类型，开启结构化输出或严格模式；
- 工具返回精简，带口径说明；
- 错误信息写成「哪里错了、应该怎么改」；
- 加步数上限和重复检测。
第四步：用评测集回归
把失败的案例整理成评测集，每次改动后跑一遍，统计工具选择准确率、参数正确率、任务完成率。不要凭几个案例的感觉判断好坏。