APIGen

它是一套数据生成管道，把自然语言需求转成结构化的函数调用结果，也就是选定函数、填好参数。这类数据主要用于训练和评测模型调用外部 API 的能力，解决的是人工逐条编写对照样本太慢的问题。

不能。它的角色是数据生产端，面对的是要自建函数调用数据集的研究者和工程团队。想找一个能直接对话、帮自己调用工具的产品，它是另一个层面的东西。

至少要准备两样：一是希望覆盖的函数与参数结构，作为生成时的约束边界；二是支撑生成模型的运行环境。函数定义整理得越规整，生成阶段的返工越少。

管道在产出前会做格式与可执行性层面的校验，筛掉结构不合理的样本，但参数取值是否贴合真实业务，自动检查判断不了。实践中仍需按固定比例抽样人工复核，再决定放行多少。

省在重复劳动。人工标注的瓶颈是每条样本都要人写指令、挑函数、填参数，规模一大就难推进；管道把这部分换成批量生成加校验，人只需要处理抽检和被筛出的问题样本。

可以生成把多个函数按顺序串起来的调用链，用来覆盖需要连续调用的场景。这类样本的校验比单次调用更复杂，出错点也更分散，建议单独分桶生成并加大抽检比例。