从证据到行动：工具调用智能体为何失败

研究揭示工具调用智能体在证据到行动链条上的失败模式：在十种模型-框架配置中，静态动作评估能力强，但交互式执行明显偏弱。失败常始于执行前——智能体调查不完整便停止，或在所需证据建立前就行动；一旦证据齐备，单动作执行通常可靠，多动作工作流则暴露未解决的前置条件和执行不完整问题。