让智能体使用一个工具，与让它完成一段专业工作，是两个不同的问题。前者需要一个可调用的接口；后者还需要知道什么时候调用、结果是否合格，以及失败后该怎么办。
在量子校准这样的场景里，一次测量的结果往往决定下一次测量的参数。只把现有 notebook 交给模型，不能自动补齐专家平时依靠经验完成的判断。
先整理判断条件
专业人员通常知道哪些曲线可信、哪些异常值得重测。需要把这些经验写成可检查的条件：输入参数的范围、成功结果的特征、需要停止或请人复核的情况。没有这些条件，工具虽然运行成功，任务仍可能做错。
工具接口要返回可复查的结果
返回“成功”通常不够。原始数据、图像、拟合参数和结果标识应能够关联到同一次操作。智能体作出判断后，人也能回到相同材料，检查当时为何接受或拒绝这个结果。
把异常恢复放进流程
重试、调整参数、跳过和回退并不等价。它们应有明确的触发条件和影响范围。遇到超出边界的结果时，保留现场并交回专业人员，比让系统无限尝试更容易管理。
用完整任务检查改造是否有效
评测不只看某一次工具调用是否正确。还要检查前置条件、长期状态、异常恢复和最终产出。上线前先选取边界清楚的一段工作，在相同验收标准下比较改造前后的执行结果。
这些经验参考了团队参与的科研工作；具体到新的行业，工具和判断标准都需要与领域伙伴重新确认。