Agent工作流里多步工具调用总是断，是LangChain写法问题还是模型能力瓶颈？

这问题太真实了，我拿4o跑多步工具调用也经常翻车，尤其参数传递那块儿，模型一犯懒就直接把上一步的返回值给吞了。后来我干脆把每个工具的输出强制转成统一JSON schema，再在prompt里写死“下一步必须引用上一步的某个字段”，稳定性才稍微好点。换模型确实有感知，Claude的tool calling在长链条上更守规矩，但也不是100%稳。你要是追求绝对可靠，自己写个简单状态机配合校验逻辑，反而比硬调prompt省心。

说实话这问题太典型了，我拿GPT-4o跑类似流程时也踩过同一坑，后来发现核心不在LangChain写法，而是模型对“中间结果必须原样传递”这件事根本不敏感。你加few-shot能缓解但治标不治本，换Claude-3.5确实会稳一截，上下文跟踪能力强不少。不过如果业务链路易变，我建议干脆自己写个简单的状态机，显式维护每个步骤的输入输出，工具返回先做schema校验再喂给模型，比纯靠提示词工程可靠得多。

我也踩过这个坑，多步工具调用断链真挺普遍的，不全是模型的问题。LangChain那套AgentExecutor把中间状态藏在message history里，工具返回一复杂就容易丢上下文。我的经验是别硬靠prompt续命，直接把流程拆成显式状态机，每步自己校验参数再喂给下一步，反而稳。换Claude会好一点点，但根治还得靠你把控制权从模型手里拿回来。