工具调用日志 · T-01–T-04
T-01 | retry=true | stable_key=false | writes=2 T-02 | retry=true | stable_key=true | writes=1 T-03 | retry=false | stable_key=false | writes=1 T-04 | retry=true | stable_key=false | writes=2
示例 01 / 智能体可靠性
一个新问题，留下了一条线索
智能体重试工具调用，有些请求写入两次，有些只写入一次。沿着这个异常，看看一个最初的猜想如何变成更准确的检查规则。
通过一个研究流程示例，展示发现、质疑、修正与复核。
原始记录告诉了我们什么
对照四次请求的执行记录
| 请求 | 重试 | 沿用编号 | 写入次数 |
|---|---|---|---|
| T-01 | 是 | 否 | 2 |
| T-02 | 是 | 是 | 1 |
| T-03 | 否 | 否 | 1 |
| T-04 | 是 | 否 | 2 |
“沿用编号”指重试时仍使用同一个请求标识，让工具认出这是同一件事，避免重复执行。
候选逻辑
重试时没有沿用请求编号，可能存在重复写入风险。
展开形式化规则
发生重试 ∧ 缺少稳定标识 → 检查重复风险新的示例轨迹
T-05缺少稳定标识 · 写入 2 次✓T-06稳定标识 · 写入 1 次✓01 / 发现异常
一个请求，发生两次写入
T-01 与 T-04 记录了重复写入。它们共同的上下文提供了调查起点。
02 / 提出新问题
不同的重试，差别在哪里？
对照调用轨迹、请求身份以及真正发生的写入结果。
03 / 形成假设
初始假设：重试就会重复
把这个较宽的解释放到全部四条轨迹中检查，包括那些正常完成的请求。
04 / 寻找反例
T-02 提供了一个反例
T-02 重试时沿用了稳定的请求标识，只写入一次。初始解释不能覆盖这个事实。
05 / 修正逻辑
更有用的条件浮现了
重复写入同时伴随“发生重试”和“缺少稳定标识”。这个组合成为下一步需要检验的候选规则。
06 / 准备复用
把证据和规则一起留下
另两条示例轨迹支持这个更细的区分。将候选逻辑、适用范围和例证整理在一起，进入复核与复用。
轨迹 → 问题 → 检验 → 修正
逐步阅读这次发现+
- 1
一个请求，发生两次写入
T-01 与 T-04 记录了重复写入。它们共同的上下文提供了调查起点。
- 2
不同的重试，差别在哪里？
对照调用轨迹、请求身份以及真正发生的写入结果。
- 3
初始假设：重试就会重复
把这个较宽的解释放到全部四条轨迹中检查，包括那些正常完成的请求。
- 4
T-02 提供了一个反例
T-02 重试时沿用了稳定的请求标识，只写入一次。初始解释不能覆盖这个事实。
- 5
更有用的条件浮现了
重复写入同时伴随“发生重试”和“缺少稳定标识”。这个组合成为下一步需要检验的候选规则。
- 6
把证据和规则一起留下
另两条示例轨迹支持这个更细的区分。将候选逻辑、适用范围和例证整理在一起，进入复核与复用。
有价值的产出，是一个有据可查的新问题，以及逐渐清楚的判断条件。
查看原始证据+
随候选保留的适用范围
适用情景：示例工具会写入记录，重试应沿用同一个幂等标识。最终保留的是一条重复风险检查规则。
示例 02 / 发现被平均数掩盖的问题
总体变好了，每个渠道呢？
整体转化率从 55% 上升到 78.6%。继续按渠道推导，会发现另一个值得追问的问题。
新的问题：改善来自每个渠道，还是来自访问者结构的变化？
| 渠道 | 变化前 | 变化后 |
|---|---|---|
| 自然渠道 | 90%90 / 100 | 85%170 / 200 |
| 付费渠道 | 20%20 / 100 | 15%3 / 20 |
每格为转化人数 / 访问人数，两个渠道的转化率都下降了 5 个百分点。
整体转化率
55%
→78.6%
高转化渠道获得了更大的流量占比，但两个渠道各自的转化率都下降了 5 个百分点。
渠道结构的变化，掩盖了两个渠道各自的下滑。
查看规则+
比较分组转化率 + 比较分组权重 → 检查结构变化的影响
示例 03 / 跨来源逻辑发现
“已发布”，还需要看上下文
发布说明宣布了新功能，测试记录显示它已在测试环境运行。生产配置补上了决定性的区别。
从文档、环境和工具结果之间，发现新的相互核对关系。
发布说明
发布说明已经公告。
release_note = published
测试环境记录
测试环境运行正常。
test_environment = staging
生产环境配置
生产环境尚未启用。
production_enabled = false
派生结论
仅凭公告，还不能推出生产环境已经可用。
查看规则+
生产可用 ← 已启用（生产环境）
把新问题，变成可推进的调查
证据 → 推理 → 可复用知识
提出新的解释
结合证据与相关知识，提出此前没有写入检查清单的问题。
带着问题补读
沿着假设所需的前提寻找资料，补齐缺失事实，寻找能够区分不同解释的证据。
留下更扎实的逻辑
通过反例修正解释，把条件写清楚，再将证据带入复核与知识复用。
CITPROOF
让你的 AI 拥有可核验的推理
带来一个需要更扎实依据的回答、行动或发现流程，一起探索证据链与逻辑核验如何融入你的产品。
与团队交流