loading

Loading

探索与发现

首页 AI 开发实战

工具返回空结果,Agent 该被告知什么

字数: (2477)
阅读: (1)
0
摘要:工具执行成功但返回空列表时,直接把空 JSON 回填给模型,等于让模型替你猜。区分空结果和失败、回填实际生效的参数、给参数泛化留一次预算,以及把空结果比例纳入监控,都是很划算的投入。

空结果不是异常,但它也不是成功。多数 Agent 框架把工具返回当成一个字符串直接塞回消息流,于是“查无此人”和“系统宕机”在模型眼里长得几乎一样。这篇文章只聊一件事:当工具调用执行成功、HTTP 200,但结果为空(空列表、null、no_data)时,回填给模型的到底是什么。

空结果和失败不共用同一条路径

先把分类摆清楚。工具返回统一来看有三类。第一类是参数或业务校验失败,比如用昨天作为开始日期查今天的数据,程序可以明确告诉模型哪里错了。第二类是服务失败,超时、429、503,问题不在模型生成的参数。第三类就是空结果:执行链路完全正常,数据库连上了,SQL 跑完了,只是零行命中。

第三类的处理方式和前两类不同。失败可以重试原参数(服务端问题),也可以带着错误信息让模型改参数(参数问题);空结果如果原样重试,参数一样,结果必然一样,只白花一次调用。参数泛化的思路是让模型看到“查询没命中,考虑放宽条件”的提示,自己生成新参数。核心不是重试,而是回填的内容有没有把“这是零命中”这件事讲清楚。

直接把 JSON.stringify(空数组) 回填的三个问题

1. 模型会当成工具坏了

一个 role=tool 的消息,内容如果是 []、{}、null,模型缺上下文时最省事的推断是“工具可能有问题”,接着可能换一个碰运气,或者直接回“查询失败,请稍后再试”。用户听到这句话会以为系统坏了,实际上只是没有这条记录。这种体验损耗在查订单、查工单、查物流这类场景里很常见,被查询对象本来就可能不存在。

2. 模型不知道是哪种“没找到”

空结果至少有几种含义:这个实体不存在;实体存在但当前条件范围内没有记录;参数本身写得过窄(日期范围、筛选词、分页游标);权限不足导致看不到。回一个空数组,模型只能猜。猜错了它就会向用户输出错误的因果判断。回填至少应区分两件事:查询是否成功、命中的条目数,以及所用查询条件是什么。把实际生效的参数一起回填,模型才有机会推断“我用了精确匹配,用户可能记错了一个字”。

3. 前端展示和模型推理的需求不一样

前端的空状态卡片需要一句话和可点的按钮,模型需要的是可推理的结构化事实。很多人把同一份默认文案既渲染到界面又发给模型,结果是模型既不知道实际用了哪些参数,也不知道还有没有更宽的查询手段。回填内容里要不要带工具描述中的说明(比如“本工具只支持精确匹配,建议先模糊搜索”),应分层决定。

回填结构:把“为什么空”说成一行

这本来应该是通用实现里的默认行为。每种工具可以在定义里附带一个空结果的解释器:

{
  "ok": true,
  "status": "empty",
  "query": {"status": "已发货", "from": "2026-11-01", "to": "2026-11-18"},
  "total": 0,
  "note": "时间窗内无已发货订单。该用户最近一单为 2026-10-22。",
  "next": {"tool": "list_orders", "hint": "放宽日期或去掉状态过滤"}
}

这段内容里有三个信息量大的字段。query 是实际生效的参数,等价于让模型检查自己填了什么,而不是凭空猜;total 明确零命中的事实;next 能在这里说明备选查询的手段时,尽量说明,但说明的必须是工具本身真实支持的范围,不能凭空写出一个不存在的工具。

字段结构上单设一个 status,而不是让模型看到一批只会是字符串的内容。这样框架层就能分支处理空结果的后续限制:是允许自动放宽一次条件重述,还是交由流程控制层建白名单。没有状态的空结果最难处理,因为无论是调度层还是模型都没有可以依赖的判据。

别用空结果去惩罚模型

另一种极端是工具层碰到空结果直接抛异常,于是正常的业务流程里充满了错误分支,监控告警也会被大量噪声淹没。真实的工单系统里,查一个不存在的东西是正常操作,不应该占用错误故障的排障通道。空结果应视为成功返回,但要在结构上与“命中若干条”区别对待。

回填之后,让不让模型立刻再调一轮

这需要把成本算进判断。一次多余的泛化查询成本很低,但如果是 Agent 在循环中反复泛化仍取不到结果,实际就是一个缺少终止条件的循环;在典型的限流配置下这样烧几次调用不大,时间长了一定会把预算吃光。更实际的做法是在应用层给“空结果后允许的重试次数”设一个上限:比如把重试限制为最多一轮,或者限制在同一任务时间预算内不重复做同类检索,或者限制并发检索不超过某个数量。参数泛化重试只让模型针对空结果改写一次,不应像服务异常那样享有指数退避的无限重试。

超出上限后,应当把判断权上移给固定的终止策略:直接回给用户“没查到符合这些条件的记录”,附上实际搜索条件。最不能接受的是模型自己编一条没有发生过的记录,或者在空结果上一遍又一遍重试。

空结果出现两次以上,问题通常出在工具参数设计或时间窗设置上。该复查的是工具的参数契约,而不是继续教模型“再智能一点”。

空与重名的区别,最终体现在回填上

这类问题的实际返工往往出现在上线后。用户在真实话术里会说“我叫张三”,而查询中碰到若干同名对象时返回多条结果,和返回空完全是两回事。有结果就应当回来,而且不应该对多条结果悄悄取第一条:应用层可以暴露排序与分页规则,在回填中带上条数、每页大小与建议复核的提示。典型的失误是:前端按“取第一条”的旧习惯处理,回给模型的内容被局部截断,模型不知道还有其他候选,于是既不是查无此人,又答错了人,问题被遮掩住。

监控口径要对齐

空结果的比例应当成为一独立指标。很多团队的看板长这样:工具调用成功率 99%,但落到用户提问链路上,这个成功率对工具无法完成的任务来说是无效的。当某个工具的空结果偏多时,先看的应当不是模型不够聪明,而是:是否查询窗口设定得太窄、精确匹配的默认值是否变成了匹配首选、权限范围没有提示补充条件、分页游标失效总是落到尾页等等。依次固定下来就可以显著减少这类工单。

转载请注明出处: 皮哈皮阿

本文的链接地址: https://blog.phpat.com/ai-dev/696.html

手机扫码阅读

微信或手机浏览器扫一扫,随时随地随心阅读与分享

您可能对以下文章感兴趣
1 / 1
预览图