Tool Calling

Agent 意图识别不应只是让大模型返回一个标签。更科学的做法是用分层架构把用户输入转成结构化决策结果，再经过工具召回、参数校验、安全策略和确认流程，进入可控执行。

让大模型稳定输出 JSON，不是把 prompt 写得更凶，而是把模型输出当成不可信输入：用结构化输出约束格式，用程序校验兜住边界，用业务规则、日志、评测和审计保证系统可控。

OpenClaw 的 Agent Loop 不是简单调用一次大模型，而是一条完整的任务执行链路。本文拆解一条消息如何经过会话解析、队列控制、上下文组装、模型推理、工具调用、流式回复和持久化，最终变成一次可控的 Agent 执行。