执行摘要

• 一句话：修复 OpenAI 函数调用测试中因随机采样导致的 flaky 断言。
• 推荐动作：建议工程师阅读此 PR 以理解如何设计更鲁棒的测试，特别是处理非确定性行为时。关注测试断言从具体硬编码到通用验证的转变，以及消除随机性的策略。review 中提到的 strict=True 设置问题值得后续关注。

功能与动机

PR body 指出，tool_choice="required" 仅保证模型必须调用某个工具，但不指定具体工具。旧测试硬编码断言为 get_weather，在 temperature=0.8 和 constrained decoding 下，小模型如 Llama-3.2-1B 偶尔会选择 sub 工具，导致测试 flaky。此问题由 #21593 引入，而 #22586 修复了空参数问题但未解决工具选择 flakiness。

实现拆解

1. 修复测试逻辑：在 test_function_call_required 函数中，更新文档字符串以明确 tool_choice="required" 只保证调用工具，不指定哪个。收集所有工具名称到 valid_tool_names 集合中。
2. 消除随机性：将 temperature 从 0.8 改为 0，并移除 top_p 参数，使采样确定性。
3. 通用化断言：将硬编码的 assertEqual(function_name, "get_weather") 改为 assertIn(function_name, valid_tool_names)，只验证工具名称在提供的候选列表中。
4. 验证参数格式：移除对具体参数内容（如 city 值）的断言，只验证参数是可解析的 JSON 对象，提高测试鲁棒性。
5. 更新用户消息：将用户消息从 "What is the capital of France?" 改为 "Tell me about Paris"，使上下文更相关。
   涉及文件：test/registered/openai_server/function_call/test_openai_function_calling.py。关键符号：test_function_call_required 函数。

关键文件：

• test/registered/openai_server/function_call/test_openai_function_calling.py（模块 功能调用测试；类别 test；类型 test-coverage；符号 test_function_call_required）: 唯一变更的文件，修复了 flaky 测试 test_function_call_required。

关键符号：test_function_call_required

评论区精华

在 review 中，gemini-code-assist[bot] 指出新实现移除了设置所有工具 strict=True 的循环，仅在部分工具中显式添加 strict=True。这可能导致工具间行为不一致，潜在重新引入 flakiness。评论建议恢复循环以确保一致性，但此问题在 PR 合并前未明确解决。

• strict=True 设置的一致性 (correctness): 未在 PR 中解决，但 PR 已合并。

风险与影响

• 风险：风险较低，主要限于测试逻辑。然而，review 中提到的 strict=True 设置不一致可能导致某些工具参数验证不严格，在边缘情况下影响测试稳定性。此外，将 temperature 设置为 0 可能掩盖了真实场景中的随机行为，但鉴于这是单元测试，目的是确保协议正确性，此风险可控。
• 影响：对用户无直接影响，因为这只是测试修复。对系统，提高了测试套件的稳定性和可靠性，减少 CI flakiness。对团队，减少了因 flaky 测试导致的 CI 失败和重试开销，提升开发效率。
• 风险标记：测试逻辑变更, 潜在不一致设置

关联脉络

• PR #21593 未知，根据 PR body 引用: 引入了 tool_choice="required" 协议语义变更，导致测试 flakiness。
• PR #22586 未知，根据 PR body 引用: 修复了空参数失败但未解决工具选择 flakiness。