面向工具增广LLM的状态锚定多智能体合成数据生成

训练工具增广的LLM智能体需要大量多轮、工具锚定的对话数据——标注昂贵、生产设定下受隐私约束——且公开数据集大多缺失。我们提出StateGen——合成数据生成平台——通过编排四角色LLM循环产出带分数、富含推理踪迹的训练对话：人设条件化的用户模拟器、被测智能体、状态锚定的工具模拟器——以及多轴LLM裁判。关键架构贡献是权威状态管理器——跨轮维护结构化世界状态对象——按构造强制“后端即真相”不变量——消除主导类别的工具调用幻觉。StateGen自然扩展到层级多智能体设定：把子智能体声明为工具——全部共享单一状态对象。我们报告三个生产语料上64,698条受评对话的结果：工具调用幻觉分数达9.66/10——系统经23维特质向量支持人设驱动变异——干净的训练与金标准评估划分（逐准则缺口分析）确认数据并非记忆诱饵。与八个外部系统的比较显示：没有单一公开平台同时组合多轮生成、状态锚定工具仿真、层级多智能体支持与内建裁判打分。