大工具目录的发现与执行分层

连续追问与解答

沿着问题的前提和约束继续向下读。先理解参考解答，再尝试收起答案，用自己的话解释因果和取舍。

1. 第 1 层动态工具检索漏掉正确工具怎么办？

   正确调用的前提是发现正确能力，失败需要定位所在阶段。

   参考解答

   先判断它是否真的对当前用户可用；权限过滤正确就不应召回。若是描述或索引遗漏，允许预算内扩大候选、按能力关键词二次发现或请求澄清。发现仍无结果则明确能力缺口，不能编造工具名。召回评测使用任务对应的合法工具集合，保留失败样本改目录。

   沿着这个回答继续深入

   1. 第 2 层把候选数从 5 扩成 50 就能解决吗？

      补召回会增加选择负担，需要同时观察下游效果。

      参考解答

      可能提高召回，也可能增加相似工具混淆、token 和选择延迟。用分阶段曲线比较候选覆盖与最终成功，按任务类别选择阈值；高歧义工具先改善描述和合并重复入口。扩容是取舍，没有单调保证。

      沿着这个回答继续深入

      1. 第 3 层只有高风险写工具能完成任务，排序应主动降低它吗？

         排序取舍触及风险时，需要再次分清发现和执行边界。

         参考解答

         先由授权与审批策略判断是否可用，不能用低排名充当禁止。已合法授权且任务确需写入时应让它可发现，并清楚暴露副作用；未获权限则从可执行集合排除或标明需授权。排序解决适用性，策略解决能否执行。

2. 第 1 层多个工具都能完成时如何评分？

   工具评测应关注能力与约束，而非唯一调用路径。

   参考解答

   按完成目标、权限、成本和副作用判断可接受集合。两个工具都满足口径与时效时都可判成功；若一个读取过期缓存或扩大数据范围，则不等价。评分分别记录业务结果和额外调用代价，允许合理替代，避免只匹配工具名称。

3. 第 1 层目录描述变化需不需要回归？

   目录本身是模型输入，文字变更也会改变执行路径。

   参考解答

   需要。描述改变影响检索与模型选择，即使 Schema 不变也可能改变行为。回归覆盖易混淆任务、禁止场景、候选召回及参数边界，记录目录版本；加入描述夹带指令的样本，确认它不能更改执行策略。小修可缩小回归范围，但依据要明确。