AI 简明手册什么时候该让 Agent 先停下来想
定义
Think Tool 是一个无外部副作用的工具，让 Agent 在工具链中显式暂停并整理信息。Anthropic 在 Claude 3.7 Sonnet 的 τ-bench 实验中报告：优化提示后的航空场景相对基线提升 54%；零售场景从 0.783 提升到 0.812，即约 3.7% 的相对提升、2.9 个百分点的绝对提升。结果只适用于该实验设置。
先搭一个心智模型
Think Tool 是一张只用来整理线索的草稿纸：它不访问外部系统，也不改变状态，只把分散证据重新摆好，帮助模型在下一次有副作用的动作前停一下。
说明
Agent 在长工具链中犯错的原因有三类：信息在工具链中丢失；策略密集型决策只看最近的规则；串行依赖决策时早期上下文已被淹没。Think Tool 通过在行动之间插入思考环节解决这些问题。
Think Tool 与 Extended Thinking 的区别在于时机：Extended Thinking 在生成回复前一次性深度思考，适合复杂推理；Think Tool 允许 Agent 在执行中随时暂停，适合需要中途整理信息、重新评估策略的长链场景。
实现方式可以很简单：工具接收一段待整理的文字，不改变外部状态。它更适合长工具链、规则密集或步骤互相依赖的任务；简单调用不一定受益，还会增加 Token 和延迟。
跟着一个例子走
两个查询结果互相矛盾
订单工具显示“已发货”，物流工具却显示“尚未揽收”，直接退款可能造成错误。
- 先收集事实
把两个工具的原始结果和时间戳放到草稿中，不急着调用退款。
- 明确缺口
模型写下“状态来源不同，需要确认哪一个是结算依据”。
- 再选择动作
根据规则调用权威状态接口或转人工，而不是用更长的自然语言掩盖冲突。
边界与误区
为什么不直接在 System Prompt 里要求模型“先想清楚”： Agent 在工具调用模式下，思考和调用工具是不同输出格式。把思考包装成工具调用，能让 Agent 在工具链中自然插入思考，而不是依赖模型自觉遵循提示词。
为什么航空场景的提升更明显： 官方实验把差异归因于航空任务更依赖复杂政策与多步规则；这不是所有业务都会复现的固定比例，应使用自己的任务集验证。
来源与核验
- [anthropic-think] Anthropic：The think tool
核验日期：2026-08-31