工具调用代理已成为企业 AI 的核心，但受限于业务和法律对企业系统、数据及数据库模式的限制，规模化训练和评估仍然困难。表格数据合成提供了一种自然的替代方案，却因结构有效性和模式可用性受限；基于过程的方法则往往缺乏分布忠实度，需要针对每个领域进行手工编写。我们提出 Synthesis Through Simulation（STS），一种 无模式 的数据合成范式。STS 让大型语言模型（LLM）代理在模拟的企业环境中通过调用强制策略的 API 执行操作生成数据。由于数据生成过程本身就在定义有效性的环境中进行，STS 天然保证结构有效性，并将有效性约束与分布建模解耦，使两者可以独立优化。为解决分布忠实度和可扩展性问题，STS 引入 通用填充器（Generalist Populator，GP），它是领域无关的代理。实验表明，GP 在十个环境中实现了 0.88 的平均边际忠实度和 100% 的约束满足率，且无需访问数据库模式。相比之下，统计合成器因缺少种子数据在七个环境中不可用，基于模式的代理在航空环境中因工作流耦合紧密导致 82% 的轨迹失败。我们已在 https://github.com/SAP/synthesis-through-simulation 开源完整框架、十个环境以及生成的数据集。
点评