21.13 工具调用数据集：设计、合成与质量验收#

本节要点：工具调用数据不是问题、答案文本对，而是由当前工具注册表、对话状态、模型动作、环境观测与执行证据共同构成的状态转移记录；只有当格式、schema、执行和任务语义都通过验证时，它才适合进入训练集。

学完本节应能完成

• 设计一份与训练框架解耦的规范化工具轨迹格式；
• 建立无需调用、单步、并行、多步、缺参、失败与拒绝等覆盖矩阵；
• 把 OpenAPI、MCP schema、公开数据集和线上轨迹转成可复现数据；
• 用规则、JSON Schema、沙箱执行与语义验证组成质量门禁；
• 按工具族和 API 版本切分训练、验证与测试集，阻断近重复与评测污染。