TOOL CONTRACT概念示意
读取指定版本的设计简报
- 输入结构
- 文档标识、版本、章节范围。
- 返回结构
- 内容片段、原文引用、实际版本与读取状态。
- 权限与副作用
- 按文档权限读取；不隐含修改权限。
- 失败语义
- 区分无权限、不存在、过期与暂时不可用。
RESEARCH / 03智能体与执行框架
方法研究让推理，
走到行动之后。
智能体的工作，不止于产生下一句话。
它需要理解目标、改变状态，并用证据回答：事情真的做成了吗？
01 / OBSERVE观察
读懂目标与现场
02 / PLAN计划
选下一步与判据
03 / ACT行动
调用真实能力
04 / VERIFY核验
结果回到证据
REASONING → ACTION → EVIDENCE进入执行闭环
01从回答到任务
说得通，
还要做得成。
语言模型输出的是候选解释与行动。任务完成却发生在外部：文件是否正确、规则是否满足、系统状态是否真的改变。两者需要不同的判定。
QUESTION → RESPONSE
“方案已经准备好了。”
这是一个声明。它没有说明依据是否有效、约束是否遗漏，也没有证明目标系统接受了变更。
GOAL → ACCEPTANCE
给“完成”一份明确契约。
- 目标
- 期望得到的产物或环境终态。
- 边界
- 可读写的资源、允许的动作与预算。
- 判据
- 可执行的检查、业务规则与来源要求。
- 例外
- 未完成项如何说明，何时转交人工。
02推理与行动的闭环
下一步，
由新的证据决定。
ReAct 将推理与行动交替组织，使外部观察能够修正计划。用于任务系统时，还需要显式的验收检查：工具返回了内容，并不等于目标已经满足。
ReActFIELD NOTE / A
构造示例 · 本地交互一份过期简报，怎样影响下一步。
CONSTRAINT_CONFLICT03 / 05
一次版本核验，让旧假设失效。
- 可见证据
- 资料目录指向 v2。回读原文后发现：新增“不得在壳体上开孔”的设计约束。
- 行动与判定
- 拒绝当前候选，把冲突定位到固定方式；保留其余仍有效的任务信息。
示例简报 v2 · §3 无损固定 · 版本冲突
03选择协作结构
先有独立职责，
再有多个智能体。
增加智能体会同时改变并行度、上下文分配和协调成本。结构的选择应由任务依赖与检验方式决定。下面是三种可比较的设计，而不是性能高低的排序。
TOPOLOGY / 01结构示意
目标与约束
A
执行智能体观察 → 计划 → 行动
按条件核验产物
让一个执行者保有完整责任。
依赖紧密、上下文较集中、工具数量可控的任务。先建立这一基线，再判断拆分是否值得。
- 可能带来的收益
- 状态集中，减少交接与重复读取；失败更容易定位。
- 必须计入的成本
- 长任务可能挤压上下文，异质子任务争用同一执行链。
建议对照：固定模型、工具、任务与预算，先测单智能体基线，再分别增加并行分工或独立复核，观察收益是否抵消交接成本。
04工具与上下文边界
工具有契约。
上下文有权限。
Toolformer 研究如何学习选择 API 与使用结果。把这一问题带入工程，还要明确输入、输出、影响范围与失败语义。会选择一个工具，只是行动的起点。
Toolformer只带入本步需要的信息。
按角色、任务和数据权限装配上下文。子智能体接收足够执行的目标与证据，返回产物及来源，减少整段对话反复复制。
内容不能自行提升为指令。
检索文档、网页和工具返回属于外部数据。即使其中出现操作指令，也不能据此扩展授权范围。参数结构校验通过后，服务端仍需检查访问权限与业务条件。
05记忆与来源连续性
记住什么，
也记住从何而来。
上下文有容量边界，任务却可能持续推进。压缩应保留目标、约束、未决问题与可回查的引用；把长对话变短，不代表其中的事实更可靠。
原始证据
保留身份、版本与访问范围。
简报 v2 / §3
任务相关片段
带着原文位置进入本步工作。
无损固定 / 来源引用
可续接的任务摘要
区分已知约束、候选判断与待验证项。
候选：夹持 / 待验证：载荷
依据不足或版本变化 → 回查原始证据
Reflexion 探索用文本反馈与情节记忆影响后续尝试。这里的研究问题是：哪些反馈值得保留，怎样避免把一次错误总结长期固化。 Reflexion
任务检查点保存当前状态，跨任务记忆保存有明确用途的信息；两者应分别定义权限、过期与删除规则。LangGraph 的检查点与存储区分提供了一种工程参照。 LangGraph · Persistence
06有边界的执行
知道如何继续。
也知道何时停下。
一个执行框架需要定义持续工作的条件，也需要给失败、等待与停止保留明确状态。没有进展的重复，不应被计为自主性。
预算
在开始前定义工具调用、模型用量、时间与重试上限。达到上限时保存当前产物与未完成项。
重试
只对可恢复错误重试，并要求新增信息或明确退避。写入回执不确定时先核对状态；重复调用不自动具有幂等性。
确认
把确认绑定具体动作、资源范围与变更版本。已有授权在有效范围内延续，内容变化后重新判断是否适用。
检查点
保留状态版本、输入引用与工具回执。恢复前核对外部状态，避免把过期快照直接当作当前事实。
无法获得新证据、无法满足硬约束，或需要超出授权的动作时，停止并给出可继续处理的交接说明。
07评估方法
先定义成功，
再比较方法。
| 评估维度 | 要回答的问题 | 建议报告方式 |
|---|---|---|
| 任务完成 | 按预先定义的产物与环境终态，判断任务是否完成。 | 完成率 = 通过验收的任务 / 全部纳入评估的任务；单独报告中止与失败原因。 |
| 轨迹正确性 | 动作、参数、调用顺序与证据引用能否支持最终结论。 | 允许多条有效路径；使用关键不变量与事件检查，避免把某一条步骤序列当成唯一答案。 |
| 约束遵循 | 权限、数据范围、写入条件与任务禁区是否被遵守。 | 预先声明硬约束；违反硬约束的任务不能计为成功，同时单列违规类型。 |
| 运行成本 | 计入模型用量、工具与计算开销，以及失败重试。 | 同时报告每次任务尝试的成本与总运行成本 / 成功任务数，保留成本构成和价格日期。 |
| 时延与稳定性 | 从任务被接受到结果就绪；多次运行观察分布。 | 报告中位与尾部时延、超时、重试和跨次成功一致性；人工等待时间单独标记。 |
先过门槛有效性→效率
硬约束满足之后，再比较成本与速度。
让比较能够被解释。
固定任务集与难度分层，记录模型与工具版本、提示、预算、随机性和判定器；使用未参与调优的评估任务。对同一任务重复运行，保留失败样本与置信区间，分别比较有无检索、记忆、复核和并行。
延伸阅读：工具智能体评估这些是评估设计建议。页面没有展示 IDENIFE 的实测分数、基准排名或部署效果。
08从方法到系统
研究提出问题。
工程让问题可验证。
在壹典的技术体系中，ID Axis 连接模型推理、任务编排与工具调用。此处讨论智能体的方法选择；执行基础、应用集成与协议接入，分别在对应页面展开。
原始论文与规范
沿着问题，继续阅读。
外部研究为方法讨论提供依据，不代表相关作者或机构与壹典存在合作关系。
- 01ReActYao et al. · 2022 / ICLR 2023
让推理与行动交替，借助环境反馈更新后续步骤。
- 02ToolformerSchick et al. · 2023
通过自监督训练学习选择 API、生成参数并使用返回结果。
- 03ReflexionShinn et al. · 2023
以语言反馈与情节记忆影响后续尝试，不依赖更新模型权重。
- 04SWE-benchJimenez et al. · 2023 / ICLR 2024
从真实代码仓库与问题出发，以代码修改和执行评测检验任务结果。
- 05τ-benchYao et al. · 2024
将用户交互、领域规则与工具调用放在一起，检查最终状态与多次运行的一致性。
- 06LangGraph · PersistenceLangChain · Official documentation
区分任务级检查点与跨任务存储，为连续执行与记忆边界提供工程参考。
- 07MCP · ToolsProtocol specification · 2025-11-25
定义工具输入与可选输出结构；工具声明本身不能替代应用的权限校验。
本页是面向智能体系统的方法研究与评估设计。交互内容为构造示例，具体产品实现及可用能力以对应产品与开发文档为准。