仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
想象你是一名航空公司的客服，面对\“我要退改签国际航班\“这样的复杂请求时，会不假思索地直接操作吗？当然不会！正常人都会先：
确认用户身份和票务信息
核对退改签政策（24小时免费退？经济舱还是商务舱？）
检查航班状态（是否已起飞？是否有已使用航段？）
计算可能产生的费用
然而现有的AI助手在类似复杂场景中常常表现不佳。Anthropic团队通过τ-Bench基准测试发现，在航空客服这种政策复杂的场景中，Claude3. 7的基础版任务完成率仅有37%。
核心痛点在于：传统AI在连续工具调用（如先查票务信息→核对政策→计算费用）时，缺乏\“暂停思考\“的机制，容易在信息不完整时就仓促行动。
当前提升规划能力的方案对比：
纯Prompt工程
纯prompt工程引导显式规划，简单但效果有限
低
Prompt+后训练
OpenAI
通过后训练让模型严格遵循这一指令，效果显著但需模型定制
高
通过思考工具的形式提升遵循能力，指令遵循性好，适用开源模型
工程框架设计
Manus
通过工程框架设计，让规划和执行分离，让agent具有长程任务规划能力，适合长程任务但实现复杂
高
本文主要讨论如何使用开源模型提升模型在“快速任务”上的处理能力，这意味着，后训练和工程框架设计成本都相对较高，那么思考工具的方案可能就更加可取。「调用xx工具」是一个可明确执行和评判的指令，而「做一个规划」是一个模糊的指令，相对来说以工具的形式指令遵循效果更好，尤其是在复杂prompt和多工具的场景。
Anthropic的解决方案极具巧思——他们给Claude设计了一个专属的\“思考tool\“，先简略介绍，在实战部分详细介绍。
核心不在于工具调用的结果，而在于工具的输入传参，是需要模型自身来思考，通过构造输入传参的过程，实现逐步思考和规划。
这个工具的精妙之处在于：
零副作用：只记录思考过程不采取具体行动，避免过早决策
结构化思考：强制模型将思考过程显式化输出
信息整合：特别适合处理外部工具返回的复杂信息
过程追溯：通过编号实现思考链路追踪
与推理模型(extendedthinking)的关键区别：
推理模型：生成回答前的\“腹稿\“，比如现有的o系列、r1系列等带思维链的模型；
思考工具：执行过程中的\“检查点\“，特别是在获取新信息后。
Claude团队在τ-Bench（客户服务场景基准测试）和SWE-Bench（代码修复基准）上进行了严格验证，τ-Bench的效果如下：
配置方案
首次成功率
提升幅度
基线版
37%
仅推理模式
41. 2%
+11%
仅思考工具
40. 4%
+9%
思考工具+优化提示
58. 4%
+54%
从实验结果中也能看出，claude-sonnet-3. 7在非推理模式下使用思考工具，效果相比单纯的推理模式更好。[2]中有进一步分析，
prompt无法干预推理模型输出的思维链过程——推理模型的后训练一般只针对最终输出的结果，思维链的空间是由模型自由探索——而使用思考工具可以prompt大模型，提供fewshot示例指导模型在特定的垂直领域该如何思考。
一般chattemplate会把推理模型的历史思考内容在上下文中删掉（Claude是保留模型第一次调用工具前输出的思考内容，后续不再打开思考），而使用思考工具，模型可以在多工具调用的过程中任意使用，并且保留在上下文中，这对复杂的多工具调用是有益处的。
根据实验结果，这些场景最适合思考工具：
动作密集型任务：如航空、金融等有复杂合规要求的领域
长链条工具调用：需要连续调用3个以上工具的任务
高代价决策：错误会导致严重后果的场景（如医疗咨询）
而不太适用的场景包括：
单次工具调用
简单指令执行
无需外部信息的推理任务
想要复现这种提升？三个要点：
领域示例是关键：在系统提示中提供本领域的具体思考范例
思考检查点设计：在获取新信息后强制思考，特别是在关键决策前
适度使用：过度思考会导致响应变慢，需平衡效率与准确性
本部分介绍如何实现和应用思考工具，参考[ 2]。
systemprompt如下：
思考工具如下：
以AIpainting任务为例，模型使用的是DeepSeek-V3非推理模型，在Qwen-Agent框架下使用思考工具。工具配置了3个：
绘图工具my_image_gen：用户基于prompt绘制图片并返回远程图片链接
代码解释器工具code_interpreter：用于执行’下载远程图片’的代码
思考工具think：用于调用工具前规划
可以看到think也是一个单独tool，每次需要调用外部工具时，先调用thinktool进行结构化思考和规划，输入参数包括thought思考、计划plan、action实际行动、思考的编号等参数。实际调用工具后，会进一步基于工具结果，进一步调用think进行思考和下一步规划。
可以看到一共进行了3次思考工具的调用。
调用my_image_gen前思考和规划；
返回my_image_gen结果后、调用code_interpreter前进行思考和规划；
任务结束前思考，检查所有步骤已经完成。
当然我们也可以使用现成的mcp工具，sequential-thinking，实现的功能类似，但是扩展更多“上下文回溯”能力：如思维分支和版本回溯。
sequential-thinking工具描述：
具体工具描述实现如下，
翻译一下工具描述，教科书式工具描述。
本文从Anthropic和阿里的两篇文章出发，介绍了\“思考工具\“的设计动机、实现方案、效果验证以及QwenAgent上的实战。将思考封装成工具(thinktool)提升agent的planning能力，极具巧思，大家实践过程中不妨试试。
思考工具化：将抽象思考过程转化为可调用的结构化工具，实现\“显式思考\“
暂停机制：在关键决策点强制暂停，避免信息不完整时的仓促行动
思维外化：完整保留思考轨迹，支持复杂任务的上下文回溯
遵循能力：工具参数化的方式，指令化强制遵循
领域适配：相比于通用思维链，可以在思考工具中注入领域知识
[1]https ://www. anthropic.com/engineering/claude-think-tool
[2]https ://mp. weixin.qq. com/s/7XvAcTst9OU_4orDr-dD-w
进技术交流群请添加AINLP小助手微信（id:ainlp2)
请备注具体方向+所用到的相关技术点
关于AINLP
AINLP是一个有趣有AI的自然语言处理社区，专注于AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括LLM、预训练模型、自动生成、文本摘要、智能问答、聊天机器人、机器翻译、知识图谱、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLP小助手微信(id：ainlp2)，备注工作/研究方向+加群目的。
