【Agent 微调的核心秘密：Function Calling 和 MCP 数据怎么准备？】从 Agent 日志积累 badcase 后想微调大模型，数据格式是关键：1. Function Calling 格式一条好数据 = System(...

【Agent 微调的核心秘密：Function Calling 和 MCP 数据怎么准备？】从 Agent 日志积累 badcase 后想微调大模型，数据格式是关键：1. Function Calling 格式一条好数据 = System(工具描述) → User(问题) → Assistant(tool_calls+参数) → Tool(结果) → Assistant(回答)注意 tool_calls 必须是严格 JSON，参数名要与 schema 一致2. MCP 格式更难MCP 靠 Prompt 约束输出，模型需学会输出标准文本标记(如 XML 标签)，数据量建议 100 到 200 条起步3. 四种 badcase 数据策略- 工具选错：同一场景准备 5 到 10 种问法覆盖- 参数填错：边界值加标准化训练- 格式不听话：高强度反复训练(50 到 100 条)- 多步推理乱序：展示完整轨迹链4. 最佳实践- 一条数据展示完整多轮 tool_call 轨迹，比零散截取效果好- 混合 20% 到 30% 通用数据防遗忘- LoRA 优先，效果好再考虑全参#AI #Agent #FunctionCalling #MCP #微调 #大模型