減少 Agent 的無效步數：常見的浪費模式與修法

模式一：重複查詢

同一個工具用同樣參數被呼叫兩次以上。原因通常是工具結果被截斷或格式難讀，模型沒「看懂」就再查一次。

# 修法：同一次執行內對工具結果做快取，並明確告知模型
cache = {}
def dispatch(name, args):
    key = (name, json.dumps(args, sort_keys=True))
    if key in cache:
        return {**cache[key], '_note': '此查詢先前已執行，以下為相同結果'}
    cache[key] = TOOLS[name](**args)
    return cache[key]

模式二：逐筆查詢

要查五個訂單，模型呼叫五次單筆查詢。修法是提供批次版本的工具，並在描述中明示。

{
  'name': 'orders.search',
  'description': '查詢訂單。**支援一次查詢多筆**，請盡量以陣列一次傳入所有編號，'
                 '不要逐筆呼叫。',
  'parameters': {'order_nos': {'type': 'array', 'items': {'type': 'string'},
                               'maxItems': 50}}
}

模式三：探索性瞎試

模型不確定該用哪個工具，就一個個試。這是工具描述不清楚的症狀，回頭改描述比調迴圈有效。

模式四：過度確認

模型在每一步都問使用者「這樣可以嗎」。修法是在系統提示中明確授權：「唯讀操作直接執行，不需要確認；只有需要確認的工具會由系統攔截」。

模式五：冗長的最終整理

任務已完成，模型還花兩三步「整理」與「複述」。修法是提供明確的 finish 工具，並在提示中要求「取得足夠資訊後立即呼叫 finish，不要重述已知資訊」。

量化分析軌跡

def analyze(runs):
    stats = Counter()
    for r in runs:
        seen = set()
        for step in r.steps:
            sig = (step.tool, json.dumps(step.args, sort_keys=True))
            if sig in seen:
                stats['repeat'] += 1
            seen.add(sig)
        if r.steps and r.steps[-1].tool is None:
            stats['trailing_talk'] += 1
    return stats

設定步數預算並回饋給模型

在系統提示中告知剩餘步數，模型會自我調節：「你還剩 3 步可用，請優先完成最關鍵的操作」。這個簡單的做法通常能降低一到兩步的平均值。