# F01 首次真实工具调用：成功完成，发现来源语义缺口

本次真实模型完成了三天、单店单品的生鲜订货复核。它正确读出方案取舍，并提出有负责人和决策用途的补证问题；同时把缺少订货审核来源解释为暂时不能依赖方案比较，限制过度。复查发现，工具返回遗漏了该来源的类型与是否为分析必需项。这是本次实际暴露、需要修复的接口问题。

## 实际运行

| 项目 | 记录 |
|---|---|
| 情境 | F01：S01 / K06，三天合成批次与需求情境 |
| 接入 | PydanticAI 2.45.0 原生 Codex provider，现有登录 |
| 请求模型 | gpt-6-astra / high；未独立核验后端模型快照 |
| 结果 | completed；52.047 秒 |
| SDK 模型请求 | 2 轮；业务工具 3 次 |
| SDK 报告用量 | 输入 8,563 tokens，输出 1,412，总计 9,975 |
| 工具 | 经营表现、运营诊断、生鲜方案比较 |
| 模型提案 | ESCALATE：先升级核对订货来源 |
| 程序门禁 | INVESTIGATE：宽需求情境下尚无稳健候选方案 |
| 执行 | 未下单、未调价、未操作经营系统 |

这两轮请求属于同一次工具调用流程，不是两次独立试验。第一轮调用三个工具，第二轮提交提案；没有证明多轮动态追问或更高的工具选择效率。未自动重跑案例；OpenAI 客户端模型传输重试设为 0，provider 的身份续期按上游实现处理。结果不能用于断言旧 CLI 启动问题已经修复——此次采用了新的 SDK 接入路径。

## 经营内容核对

以下是对原始回答的中文整理；未经改写的模型 JSON 另存。

- **方案取舍正确**：减少订货相对维持方案，低需求贡献增加 ¥360，中需求增加 ¥260，高需求减少 ¥240；不能把减量说成始终更好。
- **服务风险没有被报损改善掩盖**：减量方案低、中、高需求情境的未满足数量分别是 0、10、60；维持方案均为 0。这是条件测算，不是已经观察到的失销。
- **折价没有编造收益**：三个折价情境缺少需求反应假设，模型保留 `not_identified`，没有捏造销量提升或期望收益。
- **口径分开**：历史四周全品类 P&L 与三天单品方案分别解释；采购现金没有重复扣入贡献。已检查的方案贡献、报损、采购现金与历史六项财务数字均与工具结果一致。
- **补证具体**：要求门店/品类提供近期日需求和明确记录的未满足订单；要求定价人员补充同商品、门店与时间范围内的折价响应；要求门店和财务在人工授权后核对收货、销售、报损和贡献。每项说明了负责人及可能改变的决策。

维持方案低/中/高贡献为 −¥220 / ¥180 / ¥980；减量方案为 ¥140 / ¥440 / ¥740。采购现金分别为 ¥720 / ¥360。模型未赋予三种情境概率，也没有声称找到最优方案。

## 暴露的限制及最小修复

模型识别出缺失的 `order-review`，但将其作为“先修复来源才能依赖方案比较”的主要理由。实际输入中，盘点与需求是分析所需来源，两者已匹配；订货审核属于执行授权来源，并非条件分析的必需项。

查到的问题是：原 `audit_sources` 返回保留了 `claim_id/status/resolved_fact`，却没有把输入中的来源类型和 `required` 属性返回给模型。不能只凭模型最后选择 ESCALATE 就认为它判断力差，也不能仅凭它比规则保守就认为更可靠。

正确区分应是：**可以基于明确假设比较方案；要改变真实订货，则还需核对采购可行性与人类授权。** 当前不宜行动的业务原因仍是需求情境下的风险取舍未解决。

后续代码修复只补回审计结果的来源类型与分析必需性，不改变原始数据、数值引擎或商业门禁。此次 `proposal.json`、`runtime.json`、`trial.json`、`card.json` 及 `source_snapshot/` 保留修复前原件。未再调用真实模型，因此不能声称该修复已改善模型行为。

## 证据范围

本页是一个已知合成案例的首轮运行及助手复核。复核依据在查看模型回答前单独整理，另一个协作代理完成数值和业务核对；没有零售真人专家参与，也不是独立留出集。

此次已观察到：真实模型完成工具流程、使用已收到的证据、提出具体问题，并保留执行边界。尚未证明：优于同工具条件下的普通助手、节省实际经营时间、降低真实损耗或产生 ROI。模型与门禁标签一致性不作为模型价值的替代指标。

文件：[原始模型提案](proposal.json) · [运行记录](trial.json) · [工具记录与用量](runtime.json) · [决策卡](card.json) · [查看看板](dashboard.html) · [复核依据](review_criteria.json)