补充：术语、错误字段与结果未知时的返回示例
1. 工具调用与工具执行
工具调用是模型提出“使用哪个工具、传入什么参数”；工具执行是应用真正访问接口、运行命令或修改数据。模型生成了调用，并不代表操作已经成功。OpenAI 的 Function calling 文档将这两个阶段明确分开。
2. 瞬时错误与确定性错误
瞬时错误可能随着时间过去而消失，比如短暂网络故障；确定性错误在相关条件不变时不会自行消失，比如缺少必填字段。分类是为了决定恢复方式，不能只凭一条“调用失败”的提示下判断。
3. 指数退避与随机抖动
指数退避是逐步拉长重试间隔。随机抖动是在间隔里加入随机性，避免大量客户端同时再次访问服务。
正文中的 random(0, min(cap, base × 2^n)) 是一种常见的全抖动写法：base 是初始等待尺度，cap 是等待上限，n 是重试序号。次数和累计耗时还需要单独限制。
4. Retry-After
服务端提示客户端应等待多久再发送后续请求的 HTTP 响应头。其值可能是等待秒数，也可能是 HTTP 日期。它提供等待提示，不保证到时服务一定恢复，更不能代替写操作的防重复保障。
5. 副作用与幂等
副作用是操作改变了外部状态，例如发出邮件、创建订单、扣减库存。
幂等是同一个操作重复执行时，预期效果与执行一次一致。它不要求每次响应文字完全相同。例如第一次删除资源可能返回成功，第二次返回不存在，但资源最终都处于已删除状态。
6. Idempotency-Key
用于标识同一个业务操作的请求键。第一次请求前生成并保存；该操作发生重试时复用，而不是每次网络请求都重新生成。
Stripe 的约定是一个具体实现：同键请求可以返回首次保存的结果，包括 500；同键参数改变会报错，记录清理后再使用原键可能形成新请求。其他服务必须查看自己的接口约定。
7. “结果未知”与“失败”
“失败”通常表示已经得到明确失败结果；“结果未知”表示客户端无法确认最终状态。
付款请求超时后，钱可能已经扣了。把它直接写成失败，再创建一笔新付款，可能导致重复操作。结果未知是需要保留的业务状态，不是一个应该被掩盖的异常。
8. 超时、取消与回滚
超时是等待超过限制；取消是请求停止继续执行；回滚是撤销已经发生的修改。三者不同。
停止等待不会自动撤销远端订单，杀死进程也不会自动恢复已写入的文件。某些操作只能通过补偿动作处理，例如取消订单；补偿本身同样可能失败，需要确认结果。
Python 的 Popen.communicate(timeout=...) 超时不会自动杀死子进程，而 subprocess.run(timeout=...) 有不同的处理行为。使用执行器前，应确认具体接口的取消和清理约定。
9. 严格模式与业务校验
严格模式约束模型输出的参数结构，例如字段是否齐全、类型是否正确。它不替应用验证库存、金额上限、对象归属或用户权限。结构合法的请求，仍然可能违反业务规则。
10. is_error 与 isError
这是不同协议的字段，不能混用。
Claude 客户端工具结果的示例：
{
"type": "tool_result",
"tool_use_id": "toolu_example",
"is_error": true,
"content": "结束时间早于开始时间；本次未创建日程。请检查时间字段。"
}
MCP 工具执行错误的结果示例：
{
"content": [
{
"type": "text",
"text": "结束时间早于开始时间；本次未创建日程。"
}
],
"isError": true
}
以上只展示结果对象，不是完整 HTTP 请求。MCP 的工具执行错误与 JSON-RPC 协议错误也要区分：工具运行后报告业务错误，与请求无法按协议处理，并不是同一层问题。
11. 推荐给应用内部使用的错误信息
下面是自定义业务结果示例，不是 OpenAI、Claude 或 MCP 的统一标准：
{
"operation_id": "op_example_001",
"status": "unknown",
"error_code": "RESPONSE_TIMEOUT",
"execution_confirmed": false,
"retry_allowed": false,
"next_action": "query_operation_status",
"message": "提交后未收到响应，尚未确认是否执行。请先查询已有操作状态，不要创建新操作。"
}
retry_allowed 和 next_action 应由执行层根据接口约定计算。模型可以利用这些信息调整计划，但不能靠修改字段给自己授予重试权限。
12. τ-bench 与 pass^k
τ-bench 是研究工具 Agent 在业务规则下与用户交互、执行任务的评估环境。评估会检查最终数据库状态，而不只检查模型是否声称完成。
论文中的 pass^k 考察同一任务在多次独立执行中都成功的可靠性；不要与“尝试 k 次，有一次成功就算通过”的 pass@k 混淆。
正文引用的 “think” tool 数字来自 Claude 3.7 Sonnet 的历史实验。Anthropic 当前已在该文章顶部说明，多数情况下推荐使用 extended thinking，而不是专门增加一个 think 工具。引用该实验是说明中间推理会影响任务完成率，不是推荐照搬旧模型配置。