我们的智能代理一直说'完成，CRM已更新'，但实际上并非如此。你们是如何验证代理操作的？

设置很简单。智能代理读取一个入站线索，询问几个后续问题，判断其是否合格，然后调用一个工具来更新CRM并分配所有者。在测试中看起来没问题。然后我们开始将代理的最终消息与数据库中的实际内容进行对比，发现有些运行中，代理自信地说'线索已更新并分配给销售'，而工具实际上返回了错误。有几次工具根本没有被调用，模型就自行决定已经足够，直接跳到了总结。人们通常建议的修复方法包括更严格的提示（'始终调用工具'）、一个让模型回顾自身工作的反思步骤，或重试。我们尝试了前两种。两者都有点帮助。但都没有让它变得可以放心地无人监督，因为你仍然是在让模型给自己的作业打分。有效的方法有点乏味。模型没有权利决定是否发生了某些事情。每个改变状态的工具都会写入一行日志。运行结束后，普通代码会比较代理声称的内容与日志中的记录，如果两者不一致，则该次运行被标记为失败，并交由人工处理。代理的总结只是草稿，永远不是事实的来源。代价是比演示中暗示的更多胶水代码，以及更少的'让代理自己搞定'的魔法。其他人是如何处理这个问题的？你们是在模型外部检查结果，还是有人已经让自我验证变得足够可靠，可以放心不管了？