从一次诡异的 Agent 死循环说起
上周调一个多步骤工具调用 Agent，GPT-4o 在第三步突然开始反复调用同一个天气查询 API，参数一模一样，连续调了 17 次才超时退出。日志里 token 消耗直接炸了，账单多出 3 美元。我盯着那串重复的get_weather(lat=39.9, lon=116.4)看了十分钟，最后发现是 prompt 里少写了一句“如果已经获取过该数据，直接使用缓存结果”。这个坑让我意识到：LLM 作为 Agent 大脑时，模型本身的“性格”差异会被放大到离谱的程度。
今天不聊理论，直接拿 GPT-4o、Claude 3.5 Sonnet、Gemini 1.5 Pro 三个模型，在同一个 Agent 框架下跑同样的任务，把它们的“脑回路”扒开看看。
工具调用：谁更像个“靠谱的实习生”
Agent 最核心的能力是调用外部工具。我设计了一个测试：给三个模型同样的函数定义（查询数据库、发送邮件、计算器），然后说“帮我查一下昨天销售额，如果超过 10000 就发邮件通知团队”。
GPT-4o的表现最像人类直觉：先调query_sales("yesterday")，拿到结果 12800，然后调send_email("team@company.com", "昨日销售额 12800，达标")。干净利落，参数格式完全匹配 JSON Schema。但有个隐藏问题——它偶尔会在工具调用之间插入一段自言自语式的推理，比如“嗯，让我先查一下数据……好的，数据拿到了，现在发邮件”。这段推理会消耗 token，而且如果 prompt 里没限制，它可能把推理内容也塞进工具参数里。
Claude 3.5 Sonnet的调用风格更“谨慎”。它会在第一次调用前先问一句：“我需要先查询数据库，确认数据后再决定是否发邮件。”然后才执行。这种“先思考再行动”的模式在复杂任务里其实是优点，但如果你追求低延迟
