工具调用

AI Agent 工具调用失败常被认为是模型选错工具，但掘金一篇技术复盘指出，更常见的原因是参数填错。文章提出从参数校验、候选工具隔离、权限白名单到高危二次确认的工程防线，为 Agent 生产落地提供可靠性设计思路。

一次看似普通的AI问答，背后可能是多轮推理、多次检索和不断膨胀的上下文。这篇实测文章把ReAct链路拆开，展示了Agent系统在延迟、成本和工程治理上的真实账本。

JavaManus 以不到 30 个 Java 文件展示了一个可接入 Spring Boot 的轻量 Agent 框架，拆解了 ReAct 循环、工具编排、记忆管理与模型适配的关键工程问题。

Codex 源码导读揭示了一个开源 Agent 的核心运行逻辑：一次用户输入进入系统后，并不会直接变成模型回复，而是先进入 turn 生命周期管理，再由外层循环、内层采样、工具执行与审批机制共同构成完整闭环。

4-bit量化在常规基准中分数稳定，但在Agent多步工具调用中，失败率最高可升至2.5倍。真正的问题不在总分，而在每一步的可靠性。