原始动机

多步工具调用和政策密集任务中,模型需要在拿到外部结果后暂停,核对信息是否完整、动作是否满足规则,再继续执行。文章用专门工具提供不改变外部状态的思考空间。

已报告的证据

文章讨论 Claude 3.7 Sonnet 的 τ-bench 和 SWE-bench 设置,强调提示示例、领域难度与额外 token。它还说明简单或非顺序工具调用未必获益。

后续修订必须一起读

采集版本顶部标注 2025-12-15 更新:extended thinking 改进后,多数场景建议使用该能力替代独立 think 工具。因此不能把 2025 年 3 月的实现建议写成当前默认最佳实践。

页面叙述与表格中的部分 airline 数字并不完全一致;本库不据此摘录统一增益百分比,比较时应回到具体配置与原始结果。

对本库的启发

显式约束检查是图方法的重要强基线。需要控制新增思考 token,比较文字检查清单、谓词检查和图结构修复,避免把更长推理等同于图收益。

关联阅读

可靠性指标;状态约束检查;研究分歧与时间演进。

原始来源与阅读范围

Anthropic Engineering · 2025-03-20。本轮范围:文章正文与更新说明阅读;采集日期:2026-11-16。来源陈述与本库提出的实验设想在正文中分别说明。