使用Llamafactory训练多轮functional call数据构造请教（类openmanus支持模型）

[jingtian11]

在类Agent的数据训练时，请教训练数据构造方法
发现数据流程是（使用clauld的input格式）

如果适配sharegpt格式，不知道是否可以理解为
human(原始问题)->funcion_call（模型对于使用function的回复）-> observation（调用工具的结果）-> human(agent对于下一步的定义)
然后希望模型回复
但是这与sharegpt格式不一致

sharegpt中要求observation之后要有gpt（模型的回答），但是训练agent的时候需要有一个【agent对于下一步的定义】的操作，这种情况下
方法（1）加一个空的gpt的部分，凑齐sharegpt的格式

方法（2）把下一步的操作放在observation的后面～
请问有没有有类似训练经验的大佬帮忙建议一下
【或者有没有其他的多轮对话的数据格式可以参考构造】感谢🙏

这里附带一组原始的数据,希望各位老师可以帮忙讲解一下适配的训练和推理格式～！感谢

A_test_example.txt

[buer103]

hello 解决了吗