只保存对话文本，无法解释工具实际执行了什么。
计划是推断，授权由程序验证，工具回执证明受理或结果。对象身份与状态串联，外部资料不扩大权限。
一、问题的范围与前提
模型负责语言或特征推断，检索提供候选材料，程序验证结构与权限，执行层管理实际动作。各部分成功条件应单独定义。生成流畅、JSON 合法和工具调用受理，都不足以独立证明事实正确或业务已经完成。
二、技术分析与方案取舍
一条审计链关联任务、计划版本、授权对象、工具参数摘要与实际回执。计划文本只能说明模型打算做什么，HTTP 受理说明对方接收请求，业务结果还需要进一步确认。执行程序检查目标、范围与当前状态，外部网页内容没有权限改变这些条件。
日志保留必要身份和错误阶段，凭据与原始敏感内容另行保护。回放时应能回答哪个版本产生了动作、谁允许了动作、结果是否确定。审计记录写入也需要一致性，不能只在成功分支记录，从而漏掉超时后其实已执行的请求。
先选择一个明确任务，固定输入、模型和工具范围，完成小样本端到端验证，再扩展数据与并发。引用和计算使用可反查证据，外部内容不授予执行权限。资源、上下文与时间都有预算，失败状态能被查询和恢复，避免在结果未知时盲目重做。
三、实现与排查的顺序
- 保存计划版本。
- 核验主体对象权限。
- 记录必要工具参数。
- 关联实际结果。
按这个顺序保留中间结果，可以区分输入条件、处理过程和最终输出。前一阶段的条件不成立时，先解释对应错误，再继续后面的试验；单次返回成功不足以覆盖整条链路。
最小示例
1
2
对象 ID → 原始证据 → 派生结果 → 处置记录
每次变化保存：操作者角色、原因、状态与版本
这里说明审计关系，不保存真实个人身份。结果修改不覆盖原始证据，系统整体收益与模块性能分别记录，完成条件要与实际业务一致。
四、验证和结果解释
评估集覆盖正常、困难与越权条件，保存事实错误、引用错误、格式错误和工具错误的区别。模型输出与业务结果分开测量，目标指标不能冒充实测。已有官方能力说明只能支持候选范围，最终质量仍取决于目标数据和环境。
| 需要验证的结果 | 保留的对照 | 不能由此推出的结论 |
|---|---|---|
| 动作可追溯 | 固定输入与配置、对应输出 | 一次成功代表所有条件成功 |
| 敏感字段最小化 | 中断前后状态与错误阶段 | 没有报错代表结果正确 |
| 失败有恢复边界 | 恢复后的同条件复测 | 临时恢复代表根因已经消失 |
验证材料缺失、错误检索、依赖中断、资源不足与操作取消。系统应收窄结论或明确失败，不能为了给出答案补造证据。模型版本与处理参数成对保存，变更后重跑固定问题集，防止更自然的表达掩盖任务能力退步。
五、适用边界与结论
审计日志不公开凭据和完整私有上下文，模型说明不能替代回执。
这条路径把“保存计划版本”与“关联实际结果”连在一起，中间保留可复查的条件。实施时优先确认“动作可追溯”，再检查“失败有恢复边界”；两者都满足，才能在当前样本与配置范围内评价方案。设备、数据或软件版本改变以后，相关假设需要重新验证。
