构建 Agent 轨迹数据集的方法
Puzzleheaded_Box2842 · reddit · 2026-07-13
作者认为，如果要训练或微调一个会用工具的 agent，**不应从杂乱的聊天记录开始**，而应先定义什么是“好的轨迹”。 ### 一个有用的 trajectory 至少包含 - 任务本身 - agent 的 reasoning state - 工具调用 - 工具输入 - 环境返回的 observation - 最终答案 ### 建议的数据流水线 - 用结构化格式记录轨迹 - 生成必须真实调用工具的任务 - 在沙箱里运行，保证工具调用安全 - 同时保存成功和失败样本，因为失败对评估和改进很重要 - 从成功率、效率、一致性、工具使用正确性等维度打分 - 过滤掉低信号或格式坏掉的轨迹 - 保留足够多样性，覆盖不同工具、任务深度和恢复模式 - 对“有希望但不完美”的轨迹做重跑或修复 ### 核心观点 作者把 agent traces 看成 **训练数据资产**，而不是只给人看的 debug log。这样还能形成闭环：如果模型总是错用工具，就定向合成相应轨迹；如果长任务做不好，就生成更深的 trace。 文中还提到，**OpenDCAI/DataFlow** 是一个朝这个方向推进的开源项目。