OpenRouter 发布 Agent 工具调用准确率测试指南
OpenRouter 发布教程，把 Agent 工具调用失败拆成两类分别测试：选错工具，或选对工具但参数错误。指南给出三种方法——无参考 LLM 评判、确定性参数校验、轨迹对比。参数校验又分结构与取值两步：JSON Schema 只能拦住格式错误，schema 合法的 order_id 仍可能是错的（用户问 ord_7281，模型传 ord_7282）。跨模型对比时需保持测试用例、评分规则、模型设置和路由配置一致。
推荐理由做 Agent 评测可直接照搬这套拆分方法，避免只查 tool_calls 是否存在而漏掉参数错误