两个真实工具结果可拼出从未存在的状态，agent 评测该怎么设计

jylusdev · reddit · 2026-10-27

作者用调度场景构造了一个 agent 评测用例：房间与投影仪从未同时空闲，但房间工具返回 09:00 的观察、设备工具返回 09:01 的观察，两次调用都各自真实。如果 agent 把两个「空闲」拼在一起说可以预订，结论与任何一个快照都不符——每条引用都是真的，组合结论却是错的。

作者主张：上下文准备时应保留观察时间戳、来源版本与来源 ID，底层系统若支持共享读版本应随结果传递；没有共享快照机制的系统应把联合可用性视为未确认，直到复查。时间戳本身不能证明同一快照。