很多 Agent 开发团队会一口气给 AI 装上几十甚至 78 个技能,本来是想扩大能力边界,实际落地之后才发现,写好调用逻辑、教会 AI 怎么干活反而简单,真正头疼的是做好抑制逻辑,让 AI 在不该动手的时候主动停手、不胡乱触发技能。大模型本身的训练目标偏向 “积极完成任务、尽量调用工具”,只要有一点点相关,就容易自作主张启动技能,78 个技能数量多、不少功能重叠、描述相近,很容易出现误触发、连环调用、越权操作,比如用户只是简单问一句,AI 连续调用多个无关技能,浪费资源、引发风险,甚至产生不可逆操作。这类问题不是 prompt 写得不够细,而是缺少一套分层的 “不调用规则”,要区分什么时候只用模型本身知识回答、什么时候需要人工确认、什么时候直接禁止执行,在 78 个技能的大集合里,动态筛选、屏蔽不合适的技能选项,而不是全部开放给模型自由选择。
78 技能场景下常见乱调用问题清单
- 技能语义相近:多个技能描述相似度高,模型选错工具,参数填错
- 过度主动调用:简单问题不需要外部技能,模型依然强行拉起工具
- 链式失控:一个技能跑完,模型自动继续调用别的技能,越跑越偏
- 高危动作无拦截:修改、删除、发消息类技能,没有人工复核门槛
- Token 开销暴涨:一次性把 78 个技能说明全部塞进上下文,推理变慢、稳定性下降
克制调用的落地方案
- 动态技能视图:不要一次性把 78 个技能全部暴露给模型,根据当前对话上下文,检索只推送少量相关技能
- 分风险分级管控
- 低风险:查询、读取类,可自动执行
- 中风险:修改、生成内容,需要前置校验
- 高风险:删除、对外发送、资金操作,强制人工审批
- 增加 “不调用” 分支:给模型明确选项,优先判断是否可以直接文本回答,不调用任何技能
- 次数与循环限制:设置单轮最大调用次数、连续调用上限,防止无限循环执行
- 白名单优先机制:默认全部技能禁用,只有场景匹配后才放开,而不是黑名单拦截
开放全部 78 技能和动态筛选模式对比表
| 模式 | 优点 | 核心风险 |
|---|---|---|
| 一次性全量开放 78 技能 | 配置简单,模型能看到全部能力 | 误触发率高、token 消耗大、容易选错技能 |
| 动态检索按需开放 | 减少候选、降低混淆、速度更快 | 需要技能向量化检索、额外增加调度层开发 |
【相关 FAQ】
问题 1:AI 装上 78 个技能之后,为什么最难的不是让它干活,而是让它先别干?
回答 1:AI 装上 78 个技能之后,模型原生倾向主动调用工具,78 个技能数量多、功能重叠,很容易误触发,搭建克制、拦截、判断何时不调用技能的抑制逻辑,远比编写技能执行逻辑更复杂,所以最难的不是让它干活,而是让它先别干。
问题 2:AI 搭载 78 个技能,怎么减少 AI 随便调用技能的情况?
回答 2:AI 搭载 78 个技能可以采用动态检索方式,不一次性把全部技能给到模型,按当前场景推送少量相关技能,再搭配风险分级、调用次数上限、人工审批关卡,约束 AI 随意调用技能。
问题 3:AI 有 78 个技能,全量开放给模型会带来哪些负面影响?
回答 3:AI 有 78 个技能如果全部开放,会出现技能语义混淆选错工具、不必要的技能误调用、上下文 token 暴涨、出现不受控的链式调用,拉高成本同时带来操作风险。
问题 4:AI Agent 的 “克制能力” 和普通技能调用逻辑有什么区别?
回答 4:普通技能调用逻辑是告诉 AI 什么时候、怎么调用技能,AI Agent 的克制能力,是给 78 个技能增加判断分支,告诉 AI 什么时候不调用、什么时候停下来交给人,属于反向约束逻辑。
问题 5:AI 78 个技能的风险分级一般怎么划分?
回答 5:AI 78 个技能一般按风险划分,读取查询类低风险可自动跑;修改类中风险增加校验;删除、对外发送等高风险技能强制人工确认,避免 AI 擅自执行。
【参考资料】
[2026-11-21](给 AI 装上 78 个技能之后,最难的不是让它干活,是让它先别干)掘金
[2026-11-19](AI Agent 工具调用泛滥:为什么学会拒绝比学会执行更重要)The AI Journal
[2026-11-18](多技能 Agent 工具误调用问题与动态过滤方案)SegmentFault
[2026-07-07](抑制大模型不必要工具调用的向量引导研究)arXiv
[2026-06-15](MCP 工具动态开关,白名单管控优于黑名单)gingerlabs.ai
【免责声明】
本文仅为 AI 多技能 Agent 工程实践资讯整理,不构成 Agent 开发方案、系统上线的落地保证;78 个技能场景下的抑制策略需要结合业务风险、数据安全、权限体系定制,不同大模型、框架的工具调用行为存在差异,上线前必须充分测试。
