导读：一篇用 4 条 trace 逐条证伪平台结论的方法复盘：某纯编排型 Agent 技能被打成健康度 41/100「不健康」，但拉明细后发现 P99 长尾（149.4s、最长 317.6s）来自跨业务定时任务混入采样的噪音，83.8%（150/179）的「中断」大多是业务写成功后收尾轮被平台切掉、并非用户流失。核心结论是分数失真源于采样口径污染 + 中断语义错位，真正可动的是把 read_file 从 4-5 次/trace 压到 ≤1、成功后立即终止这类纯编排优化，零业务改动。适合做 Agent 评测、健康度指标治理的工程师

导读：这篇文章用两起真实整改案例回答"模型为何调用文档里明确禁止的工具"：对话下单 Skill 健康度仅 38/100、中断率 79.1%，trace 显示未声明乃至被禁用的工具被大量调用（子 agent 占墙钟 62.8%、被明令禁止的检索工具被调 53 次）。核心结论是单一负面禁令不足以约束模型，须改为正向声明"仅允许以下工具"并配合平台侧真移除；案例二补充了"被路由到错误技能时文档还能做什么"。适合治理 Agent Skill 健康度、做 trace 实证归因的工程师阅读。 分类：AI评测 ｜ 标签：Agen