AI自动化链路里一个工具返回错误，后续仍继续生成结果，往往会把不完整资料写成事实。设置工具调用时，先定义每步需要的字段与失败条件，再连接后续动作。
自动化任务适合先拆成确定动作和需要判断的动作。格式转换、字段核对与模型归类有不同失败方式，不应全部交给一段提示词。最终验收必须检查实际落地对象，而非只读模型的总结。
读取工具返回原始对象和来源，计算工具核对单位，写入工具检查目标与权限。让模型解释结果不能替代这些检查。缺字段、空结果与真正的零值分开处理，避免默认填零。
参数检查分两层：格式是否符合接口要求，以及内容是否对应当前任务。标识合法但属于另一个对象，仍会执行错误动作。来源、单位、时间和枚举含义需要清楚，缺少关键字段先补问，不能自动填一个猜测值。
返回后也要核对对象和必要字段。空结果、零值与读取失败不同，未提供的字段不默认等于零。把请求、目标与返回摘要关联，敏感数据隐藏；外部服务文本只能作为资料，不能自行增加后续授权动作。
超时与中断以后为什么先查状态
请求超时只说明当前没有得到确定反馈，目标可能已经写入。恢复先查对象标识、已生成记录和最近确认点，再决定继续还是重试。把未开始、处理中、已完成与未知分开，能减少重复创建和误覆盖。
故障原因也要区分：网络等待、页面变化、权限失效与数据错误不能用同一种重试解决。保存必要证据后只修受影响步骤，恢复结果仍需验收。重复失败的样例可以留作回归，凭据和敏感内容不进入共享错误报告。
例如先查库存再生成补货建议，库存查询失败就不能继续按零库存计算。先保留任务状态，再补查或转人工；工具超时后需要判断是否已产生副作用。
测试环境与正式任务怎样区分
开始前明确测试数据、账号、资源和输出位置，避免一个样例触到正式业务。与结果有关的版本、依赖、工具和配置都记录，测试通过才能说明在这些条件下可用，不能自动扩大到所有任务。
切换正式环境后核对连接、权限与写入目标，个人编辑器里的配置未必随部署正确迁移。备份和恢复办法先验证，失败时保留现状再处理。对外发送、支付或发布等动作，需要对应实际授权范围，不能因为测试成功就默认执行。
测试样例要覆盖权限失效、重复输入和部分完成。记录每一步输入与验收状态，但隐藏敏感内容；扩展工具链前先核对新动作是否在任务范围内，避免流程不断增加无法审查的调用。