Agent
先判断问题需要固定 workflow 还是模型决策的 Agent，再拆开工具契约与工具循环：如何校验输入、什么时候必须停、失败预算怎么定，以及如何用追踪和评估代替手感。
开始之前
写过调用模型 API 与工具函数的代码，理解一次请求与一次工具调用的区别；还没决定形态时，从 workflow 与 Agent 的选择开始。
这个主题要掌握什么
- 能用固定分支解决的，不交给模型决策；把选择理由写下来。
- 工具输入输出校验与授权分开，业务失败返回结构化错误。
- 工具循环的四个失败出口：重复调用、无进展、超时、成本。
- 追踪把失败定位到具体一步，评估用最终状态做可复跑断言。
按顺序读： 固定工作流还是 Agent 循环：用发布说明分流做决策 Agent 工具契约：输入、授权、错误与输出校验 Agent 工具循环：重复调用、超时与失败预算怎么停
固定工作流还是 Agent 循环：用发布说明分流做决策
以 release note 分流为例，比较确定性工作流与模型驱动工具循环的边界、成本和可观测性，给出可落地的混合方案。
Agent 工具契约：输入、授权、错误与输出校验
用一个可离线运行的工单查询工具，拆开输入校验、独立授权、结构化业务错误和输出契约，并跑通九条断言。
Agent 工具循环：重复调用、超时与失败预算怎么停
Agent 的本质是“调工具—读结果—再决策”的循环。真正决定它能不能上线的不是模型多聪明，而是重复调用、无进展、超时和成本这四类失败有没有被硬性限制。
Agent 运行追踪：trace、run、step 与脱敏日志
用一个离线 Node 追踪器串起 trace/run/step、重试关联、耗时与结果，在写入前脱敏，并诚实划清玩具与生产追踪的边界。
Agent 评测：用可复跑的状态断言代替“看起来不错”
给多轮 Agent 设计一套能复跑的评测：用状态检查代替话术检查，把确定性断言、模型评分和人工校准分开，并让每次失败都能定位到具体一步。