Anthropic 詳解 think 工具：讓 Claude 在多步呼叫中邊想邊做

讓大模型使用外部工具幹活時，最容易翻車的地方往往不是工具本身，而是模型在拿到工具返回的資料後，急著往下走，結果一步錯步步錯。

Anthropic 專門針對這一痛點復盤了一種工程方案：為 Claude 專門掛載一個名為「think」的自定義工具。簡單來說，就是給模型開闢一個合法的緩衝區，強制它在呼叫工具拿到結果後，停下來仔細想一想再做下一步決定。

在行動之間硬塞一個「思考暫停鍵」

很多人可能會把這個做法和 Claude 3.7 的「擴充套件思考」（extended thinking）混淆。Anthropic 明確區分了兩者：擴充套件思考是模型在開始生成回覆前做的宏觀規劃，類似下棋前通盤考慮；而「think」工具則是行動過程中的反思，專門用於長鏈條工具呼叫。

當模型呼叫介面拿回一堆資料後，它往往沒有上帝視角，必須依靠新拿到的外部資訊來修正路線。這時呼叫「think」工具，模型就會在草稿紙上覆盤自己掌握了什麼、還缺什麼、有沒有違反業務規則。

在針對複雜客服場景的 τ-Bench 測試中，這套機制的效果非常明顯。在規則極其繁瑣的航空客服測試裡，基線模型的 pass^1 成功率只有 0.370；加上「think」工具並配合針對性的提示詞引導後，成功率直接飆到了 0.570，相對提升幅度達到 54%。在相對簡單的零售場景下，無需專門提示詞，單靠「think」工具也將成績從 0.783 拔高到 0.812。在程式碼測試 SWE-bench 上，為 Claude 3.7 Sonnet 配上思考工具後，基準成績也提升了 1.6% 達到 0.623。

什麼時候該用，什麼時候別碰

這項技術好用，但絕對不是免費的午餐。Anthropic 提醒開發者，「think」工具會顯著拉長輸入提示詞並增加輸出 token，帶來直接的成本上漲和延遲增加。

如果任務只需要單次工具呼叫，或者可以一次性併發執行多個非關聯呼叫，掛載「think」工具基本沒有任何收益。普通的內容生成、遵循簡易指令等場景也完全不需要它。

它真正適用的場景只有三種：一是需要深度分析前序工具輸出並且可能需要回溯重試；二是面對金融、航司這類規章政策極密集的合規環境；三是連續多步決策、一旦走錯代價高昂的 Agent 流程。

Anthropic 建議，如果要把這套機制落地，最好把複雜的思考引導規則寫在系統提示詞裡，而不是塞在工具描述中，並且一定要給出針對業務場景的決策樹和思考樣例。

為什麼重要

我們認為，Anthropic 公佈這套實踐的最有趣之處，在於它揭示了當前 Agent 架構的一個共性瓶頸：大模型在多步執行中最缺的往往不是工具，而是「自我校驗」的結構化機制。

對於正在搭建自動化客服、企業內網工作流的開發者來說，這一方案的門檻極低，甚至不需要等待模型底層架構演進，只靠在現有的 API 接口裡加一個返回空值的虛擬工具，就能立刻壓制模型的幻覺與誤操作。如果在業務中經常遇到模型「看漏了介面返回的某個欄位就擅自下單」的情況，非常值得現在就試一試。

但也要看到侷限。正如 Anthropic 在文首更新中坦承的，隨著模型原生內建的擴充套件思考能力持續迭代，很多時候原生思考已經能提供更好的效能與整合體驗。這種靠外掛 tool 模擬思維鏈的做法，更像是一個高性價比的工程過渡解法。不過，它清晰地指出了 Agent 走向實用的關鍵演進方向：模型不僅要會低頭做事，更得學會隨時剎車抬頭髮呆。