关键：让“工具链”可解释、可回退、可观测。

🎯 文章目标

• 确立单工具与工具链的边界，何时选择哪种
• 设计回退/重试与人工兜底机制
• 打通观测与问题复现

📚 背景/前置

• 工具链：多步骤、多工具、存在依赖与回退（fallback/rollback）
• 单工具：原子化、职责单一、易测试与复用

🔧 核心内容

1) 编排模型

• 串行：按计划顺序执行，失败即回退
• 并行：聚合多个工具结果，提高覆盖与鲁棒性
• 条件：基于规则或模型输出在分支间选择

2) 回退与重试

• 回退：A 失败 → 尝试 B；B 失败 → 走人工兜底
• 重试：指数退避 + 幂等键，按错误类型决定是否重试
• 观测：记录每步“输入/输出/耗时/错误”，支持局部重放

3) 可解释性

• 保留“决策日志”（为何走这条路径）
• 对关键分支输出“可读理由”，便于排障与审计

💡 实战示例：最小编排器

async function runPlan(plan, call){
  for (const step of plan){
    try {
      const out = await call(step.action, step.input)
      if (!out?.ok) throw new Error(out?.error?.message || 'tool failed')
    } catch (e){
      if (step.fallback){
        const out = await call(step.fallback.action, step.fallback.input)
        if (!out?.ok) throw new Error(out?.error?.message || 'fallback failed')
      } else {
        throw e
      }
    }
  }
}

📊 对比/取舍（速查）

• 单工具：简单稳定，适合明确边界的任务
• 工具链：表达力强，适合复杂任务，但需要观测与回退

🧪 踩坑与经验

• 将“不可重试错误”与“可重试错误”分开对待
• 决策理由缺失会导致排障困难；要记录“为什么走这条路径”
• 不要在模型里硬编码凭证/常量，统一通过配置注入

📎 参考与延伸

• ReAct/Toolformer/Plan-and-Execute
• 工作流引擎与有向图编排（Airflow/Temporal/自研）

💭 总结

• 以“编排模型 + 回退/重试 + 决策日志 + 观测回放”构建可治理的工具链