agent-tool-escalation

Name: agent-tool-escalation
Author: realnaka

16stars8forks

How to install agent-tool-escalation?

realnaka/alphaloop/agent-tool-escalation

$npx -y skills add realnaka/alphaloop --skill agent-tool-escalation

Installs into the current project.

Summary

Agent 工具调用失败的复盘与升级阶梯。当用户提到 "工具失败"、"403 / 404 抓不到"、"clone 不动"、"为什么不直接用 gh"、"toolcalling issue"、"工具调用问题"、"如何避免（同样的失败）"、"工具升级"、"escalation"、复盘 agent 工具使用反模式时使用。提供完整工具阶梯参考、历史失败案例、AskQuestion 之前的自检三问。

Files · 1

View on GitHub

SKILL.md

1	# Agent Tool Escalation
2
3	> 核心原则：低权限工具失败时升级工具，不要升级用户。
4	> 想要硬保障的话，把本文「自检三问」沉淀成 agent 的 always-apply 规则（各家 agent 的规则机制见 `../openorder/docs/compatibility.md`）；本 skill 是「按需展开」的完整参考。
5
6	## AskQuestion 之前的自检三问（每次失败都跑）
7
8	1. 还有什么工具我没试？
9	2. 有没有一条 ≤3 秒的环境探针能澄清这个不确定性？
10	3. 如果用户告诉我答案，他会反问"你为什么不自己查"吗？
11
12	三问全过 → 才允许 AskQuestion。
13
14	## 「修正已有信息」之前的自检三问（NEW，Case 3 教训）
15
16	任何"我发现 v1 写错了，要修正"的瞬间，先停下，跑这三问：
17
18	1. 我打算推翻的是什么 —— 是新发现 vs 已有 baseline 的冲突，还是仅凭"我以为"的内省怀疑？
19	2. 支持我修正的证据是什么 —— 是官方公告 / 一手数据 / 用户原话（ground truth），还是逻辑推断 / 类比 / "印象"？
20	3. 如果我错了，污染半径多大 —— 这个修正会衍生几个论断？会被几个文件引用？会污染哪个 framework？
21
22	任何一问不通过 → 必须先 WebFetch 官方源 / 跑环境探针 / 直接 AskQuestion，不允许直接修正。
23
24	> 核心原则：补充新信息的证据门槛 < 修正已有信息的证据门槛 < 全面推翻已有结论的证据门槛。门槛比例 1 : 10 : 100。
25
26	## Case 6：vector 路径搜索反模式（NEW，2026-05-10 晚）
27
28	### 反模式描述
29
30	判断"A 跟 B 没有关系 / 没有合作 / 是 narrative 不是事实"时，只用 1-2 条直接关键词搜索（如 "A B partnership"、"A B Inphi"），没有穷尽 vector 路径：
31
32	- A → 第三方 → B（A 卖材料给 C，C 被 B 收购）
33	- A → 共同技术 → B（A、B 都用同一种技术 / 平台 / foundry）
34	- A → 共同投资人 → B（A、B 都被同一基金投）
35	- A → 共同客户 → B（A、B 都卖给同一家 hyperscaler）
36	- A → 论文/学术 → B（A 在 B 的论文 acknowledgment 里被点名）
37
38	结果：在没找到直接合作公告时，错误地下"没有合作"结论 + 强烈用词（"散户 narrative"、"不是事实"），并把这个错误结论沉淀进知识库。
39
40	### 真实案例（2026-05-10 LWLG-Polariton-MRVL）
41
42	\| 阶段 \| 行为 \| 错误本质 \|
43	\|---\|---\|---\|
44	\| 17:25 v1.0 \| 用户问 "LWLG 是不是有个技术和 MRVL 密切相关？" \| 触发 \|
45	\| 17:25 v1.0 \| 我搜 "Lightwave Logic Marvell partnership" / "LWLG Marvell Inphi" → 找不到 \| 只用直接关键词 \|
46	\| 17:25 v1.0 \| 写入 LWLG.md v1.0：「LWLG 跟 MRVL 没有任何官方公告的直接合作」+「投资者论坛叙事是散户 narrative，不是事实」 \| 强烈否定 + 沉淀进档案 \|
47	\| 17:35 \| 用户提供 [PhotonCap "What Marvell Bought Was the Slot"](https://photoncap.net/p/what-marvell-bought-was-the-slot) + 2 张截图 \| ground truth 触发 \|
48	\| 17:50 v1.1 \| 5 个独立官方源验证：MRVL 4/22 收购 Polariton + Polariton 5+ 年用 LWLG Perkinamine + Optica 2025 record device 论文 acknowledgment 明确名 LWLG \| 完全推翻 v1.0 \|
49
50	→ 正确搜索路径：`LWLG Polariton` + `MRVL Polariton` + `Polariton ETH spinoff` + `Polariton plasmonic chromophore` —— 任何一条都能立即命中 5+ 年合作历史 + 4/22 收购公告。
51
52	### 「下"没有 X"结论」之前的自检三问
53
54	1. 直接关键词搜了几条？ ≤ 2 条 → 立即 stop，必须搜 ≥5 条 vector 路径
55	2. A 跟 B 中间可能有什么 vector？列出至少 3 个候选第三方（共同 foundry / 共同收购方 / 共同 hyperscaler / 共同论文 / 共同 supplier / 共同投资人）
56	3. 如果我下"没有"结论，污染半径多大？涉及几个公司档 / 几个 framework / 几个 portfolio 论据？污染半径越大，标准越高
57
58	任何一问不通过 → 不允许写"X 跟 Y 没有合作 / 不是事实 / 散户 narrative" 类强否定句到知识库
59
60	### vector 路径搜索 checklist（投资 / 公司关系判断时强制跑）
61
62	下结论 "A 跟 B 没合作" 之前，至少跑下面 6 类搜索：
63
64	```
65	1. "A B" 直接合作（最弱信号）
66	2. "A B partnership/M&A/JV" 直接公告
67	3. "A acquired by B" / "A acquired" → 找到收购公告再搜该公司跟 B 关系
68	4. "B acquired" + 列出 B 近 3 年收购清单 → 检查这些被收购公司跟 A 是否有关
69	5. "A foundry" / "A platform" 找 A 的 foundry/平台合作伙伴 → 检查这些伙伴是否跟 B 有关
70	6. "A scientific paper" / "A acknowledgment" → 学术论文里 A 是否给 B 系产品提供材料/IP
71	```
72
73	任何一条命中 → 必须把"vector 关系"也写进档案，不能只看 "直接合作 = 0"。
74
75	### 三种关系强度梯度（写档案时用）
76
77	\| 强度 \| 判定 \| 写法示例 \|
78	\|---\|---\|---\|
79	\| 直接合作 \| A、B 双方 IR 公告 / 8-K / 联合 PR \| "A 跟 B 于 YYYY-MM-DD 签 LSA / 战略入股 / JV" \|
80	\| vector 关系（强） \| A 是 B 系（被 B 收购的）公司的核心 supplier / IP holder / 论文 acknowledgment \| "A 通过 X (B 系) 间接进入 B 的产品路线，X 5+ 年用 A 材料" \|
81	\| 理论 indirect tie（弱） \| A、B 共用 foundry / 共同平台 / 投资者论坛叙事 \| "A 跟 B 共用 GFS 流片 = 理论 indirect，不构成合作" \|
82
83	v1.0 错误：把"vector 关系（强）"误归到"理论 indirect tie（弱）"+ 用"散户 narrative"否定 → 双重错误
84
85	### 跨知识库扩展
86
87	这个反模式不止于投资知识库。任何"A 跟 B 没关系"的结论都需要 vector 路径穷尽：
88	- 软件依赖：「A 库不依赖 B」→ 检查 transitive deps（A → C → B）
89	- 学术论文：「论文 A 不引用 B 的工作」→ 检查 chained citations
90	- 公司治理：「A 公司高管跟 B 没关系」→ 检查共同董事 / 共同基金 / 校友
91	- 法律案件：「A 跟 B 没法律关系」→ 检查 subsidiary / parent / 股东链
92
93	### 沉淀的 4 句话
94
95	1. "搜不到 ≠ 不存在"，搜不到只意味着搜索路径不对
96	2. 推翻已有信息标准必须高于补充新信息（Case 3 Rule + 这次再次验证）
97	3. 在下"没有 X"结论之前，必须穷尽 vector 路径（A→中间方→B、A→技术→B、A→投资→B、A→学术→B、A→共同 foundry/客户→B）
98	4. 用户带着第三方文章/截图来时（不是简单提问） = ground truth 信号，必须先做官方源 5+ 验证再决定是否回滚
99
100	---
101
102	## Case 5：估值数据溯源反模式（NEW，2026-05-08 下午）
103
104	### 反模式描述
105
106	在投资 / 财务分析场景中：
107	1. 写公司档案时，PE / PS / 市值 / 营收等估值数据直接抄 web search 文章里的数字
108	2. 文章里的数字往往是：
109	- 几周 / 几个月前的（涨跌后已经偏差很大）
110	- forward / TTM 混着写（差异 5-10×）
111	- GAAP / Non-GAAP 混着写（差异 30-50%）
112	- 某些媒体故意挑对叙事有利的口径
113	3. 没有标 source / timestamp → 事后无法审计、无法判断是否过期
114
115	### 真实案例（2026-05-08 用户审计触发）
116
117	用户反馈："你这里面很多估值数据都不对，是哪里取的？"
118
119	API 实测对比知识库：
120	\| 公司 \| 知识库写的 \| API 真实 (Finnhub TTM) \| 偏差 \|
121	\|---\|---\|---\|---\|
122	\| COHR \| "Forward P/E ~50x" \| PE TTM 216.6 \| 4× 偏差 \|
123	\| LITE \| "Forward P/E ~30x" \| PE TTM 253.3 \| 8× 偏差 \|
124	\| VECO \| "Forward P/E ~30x" \| PE TTM 101.3 \| 3× 偏差 \|
125	\| AXTI \| "Forward P/E ~20x" \| N/A 亏损 + PS 67 \| 完全错 \|
126	\| AAOI \| "Forward P/E ~18x" \| N/A 亏损 + PS 28 \| 完全错 \|
127	\| O-Net 0877.HK \| "上市港股" \| 2020-10 已私有化退市 \| 事实错误！ \|
128
129	→ 本质：用低可信度数据（C/D 级文章）驱动高影响决策（portfolio 加权预期 +50-55%）
130
131	### 后果
132
133	直接影响投资决策。如果 portfolio 加权预期收益是基于错误估值算的：
134	- 实际预期 +30% 被写成 +55% → 用户 over-allocate
135	- COHR/LITE 实际 PE 200+ 被写成 50/30 → 用户低估 down-side risk
136	- 整个知识库的"科学性"信誉破产
137
138	### 修复（

People who liked this also viewed

6 picks

Type

agent-tool-escalation

16stars8forks

View on GitHub

How to install agent-tool-escalation?

realnaka/alphaloop/agent-tool-escalation

$npx -y skills add realnaka/alphaloop --skill agent-tool-escalation

Installs into the current project.

Summary

Files · 1

View on GitHub

SKILL.md

1	# Agent Tool Escalation
2
3	> 核心原则：低权限工具失败时升级工具，不要升级用户。
4	> 想要硬保障的话，把本文「自检三问」沉淀成 agent 的 always-apply 规则（各家 agent 的规则机制见 `../openorder/docs/compatibility.md`）；本 skill 是「按需展开」的完整参考。
5
6	## AskQuestion 之前的自检三问（每次失败都跑）
7
8	1. 还有什么工具我没试？
9	2. 有没有一条 ≤3 秒的环境探针能澄清这个不确定性？
10	3. 如果用户告诉我答案，他会反问"你为什么不自己查"吗？
11
12	三问全过 → 才允许 AskQuestion。
13
14	## 「修正已有信息」之前的自检三问（NEW，Case 3 教训）
15
16	任何"我发现 v1 写错了，要修正"的瞬间，先停下，跑这三问：
17
18	1. 我打算推翻的是什么 —— 是新发现 vs 已有 baseline 的冲突，还是仅凭"我以为"的内省怀疑？
19	2. 支持我修正的证据是什么 —— 是官方公告 / 一手数据 / 用户原话（ground truth），还是逻辑推断 / 类比 / "印象"？
20	3. 如果我错了，污染半径多大 —— 这个修正会衍生几个论断？会被几个文件引用？会污染哪个 framework？
21
22	任何一问不通过 → 必须先 WebFetch 官方源 / 跑环境探针 / 直接 AskQuestion，不允许直接修正。
23
24	> 核心原则：补充新信息的证据门槛 < 修正已有信息的证据门槛 < 全面推翻已有结论的证据门槛。门槛比例 1 : 10 : 100。
25
26	## Case 6：vector 路径搜索反模式（NEW，2026-05-10 晚）
27
28	### 反模式描述
29
30	判断"A 跟 B 没有关系 / 没有合作 / 是 narrative 不是事实"时，只用 1-2 条直接关键词搜索（如 "A B partnership"、"A B Inphi"），没有穷尽 vector 路径：
31
32	- A → 第三方 → B（A 卖材料给 C，C 被 B 收购）
33	- A → 共同技术 → B（A、B 都用同一种技术 / 平台 / foundry）
34	- A → 共同投资人 → B（A、B 都被同一基金投）
35	- A → 共同客户 → B（A、B 都卖给同一家 hyperscaler）
36	- A → 论文/学术 → B（A 在 B 的论文 acknowledgment 里被点名）
37
38	结果：在没找到直接合作公告时，错误地下"没有合作"结论 + 强烈用词（"散户 narrative"、"不是事实"），并把这个错误结论沉淀进知识库。
39
40	### 真实案例（2026-05-10 LWLG-Polariton-MRVL）
41
42	\| 阶段 \| 行为 \| 错误本质 \|
43	\|---\|---\|---\|
44	\| 17:25 v1.0 \| 用户问 "LWLG 是不是有个技术和 MRVL 密切相关？" \| 触发 \|
45	\| 17:25 v1.0 \| 我搜 "Lightwave Logic Marvell partnership" / "LWLG Marvell Inphi" → 找不到 \| 只用直接关键词 \|
46	\| 17:25 v1.0 \| 写入 LWLG.md v1.0：「LWLG 跟 MRVL 没有任何官方公告的直接合作」+「投资者论坛叙事是散户 narrative，不是事实」 \| 强烈否定 + 沉淀进档案 \|
47	\| 17:35 \| 用户提供 [PhotonCap "What Marvell Bought Was the Slot"](https://photoncap.net/p/what-marvell-bought-was-the-slot) + 2 张截图 \| ground truth 触发 \|
48	\| 17:50 v1.1 \| 5 个独立官方源验证：MRVL 4/22 收购 Polariton + Polariton 5+ 年用 LWLG Perkinamine + Optica 2025 record device 论文 acknowledgment 明确名 LWLG \| 完全推翻 v1.0 \|
49
50	→ 正确搜索路径：`LWLG Polariton` + `MRVL Polariton` + `Polariton ETH spinoff` + `Polariton plasmonic chromophore` —— 任何一条都能立即命中 5+ 年合作历史 + 4/22 收购公告。
51
52	### 「下"没有 X"结论」之前的自检三问
53
54	1. 直接关键词搜了几条？ ≤ 2 条 → 立即 stop，必须搜 ≥5 条 vector 路径
55	2. A 跟 B 中间可能有什么 vector？列出至少 3 个候选第三方（共同 foundry / 共同收购方 / 共同 hyperscaler / 共同论文 / 共同 supplier / 共同投资人）
56	3. 如果我下"没有"结论，污染半径多大？涉及几个公司档 / 几个 framework / 几个 portfolio 论据？污染半径越大，标准越高
57
58	任何一问不通过 → 不允许写"X 跟 Y 没有合作 / 不是事实 / 散户 narrative" 类强否定句到知识库
59
60	### vector 路径搜索 checklist（投资 / 公司关系判断时强制跑）
61
62	下结论 "A 跟 B 没合作" 之前，至少跑下面 6 类搜索：
63
64	```
65	1. "A B" 直接合作（最弱信号）
66	2. "A B partnership/M&A/JV" 直接公告
67	3. "A acquired by B" / "A acquired" → 找到收购公告再搜该公司跟 B 关系
68	4. "B acquired" + 列出 B 近 3 年收购清单 → 检查这些被收购公司跟 A 是否有关
69	5. "A foundry" / "A platform" 找 A 的 foundry/平台合作伙伴 → 检查这些伙伴是否跟 B 有关
70	6. "A scientific paper" / "A acknowledgment" → 学术论文里 A 是否给 B 系产品提供材料/IP
71	```
72
73	任何一条命中 → 必须把"vector 关系"也写进档案，不能只看 "直接合作 = 0"。
74
75	### 三种关系强度梯度（写档案时用）
76
77	\| 强度 \| 判定 \| 写法示例 \|
78	\|---\|---\|---\|
79	\| 直接合作 \| A、B 双方 IR 公告 / 8-K / 联合 PR \| "A 跟 B 于 YYYY-MM-DD 签 LSA / 战略入股 / JV" \|
80	\| vector 关系（强） \| A 是 B 系（被 B 收购的）公司的核心 supplier / IP holder / 论文 acknowledgment \| "A 通过 X (B 系) 间接进入 B 的产品路线，X 5+ 年用 A 材料" \|
81	\| 理论 indirect tie（弱） \| A、B 共用 foundry / 共同平台 / 投资者论坛叙事 \| "A 跟 B 共用 GFS 流片 = 理论 indirect，不构成合作" \|
82
83	v1.0 错误：把"vector 关系（强）"误归到"理论 indirect tie（弱）"+ 用"散户 narrative"否定 → 双重错误
84
85	### 跨知识库扩展
86
87	这个反模式不止于投资知识库。任何"A 跟 B 没关系"的结论都需要 vector 路径穷尽：
88	- 软件依赖：「A 库不依赖 B」→ 检查 transitive deps（A → C → B）
89	- 学术论文：「论文 A 不引用 B 的工作」→ 检查 chained citations
90	- 公司治理：「A 公司高管跟 B 没关系」→ 检查共同董事 / 共同基金 / 校友
91	- 法律案件：「A 跟 B 没法律关系」→ 检查 subsidiary / parent / 股东链
92
93	### 沉淀的 4 句话
94
95	1. "搜不到 ≠ 不存在"，搜不到只意味着搜索路径不对
96	2. 推翻已有信息标准必须高于补充新信息（Case 3 Rule + 这次再次验证）
97	3. 在下"没有 X"结论之前，必须穷尽 vector 路径（A→中间方→B、A→技术→B、A→投资→B、A→学术→B、A→共同 foundry/客户→B）
98	4. 用户带着第三方文章/截图来时（不是简单提问） = ground truth 信号，必须先做官方源 5+ 验证再决定是否回滚
99
100	---
101
102	## Case 5：估值数据溯源反模式（NEW，2026-05-08 下午）
103
104	### 反模式描述
105
106	在投资 / 财务分析场景中：
107	1. 写公司档案时，PE / PS / 市值 / 营收等估值数据直接抄 web search 文章里的数字
108	2. 文章里的数字往往是：
109	- 几周 / 几个月前的（涨跌后已经偏差很大）
110	- forward / TTM 混着写（差异 5-10×）
111	- GAAP / Non-GAAP 混着写（差异 30-50%）
112	- 某些媒体故意挑对叙事有利的口径
113	3. 没有标 source / timestamp → 事后无法审计、无法判断是否过期
114
115	### 真实案例（2026-05-08 用户审计触发）
116
117	用户反馈："你这里面很多估值数据都不对，是哪里取的？"
118
119	API 实测对比知识库：
120	\| 公司 \| 知识库写的 \| API 真实 (Finnhub TTM) \| 偏差 \|
121	\|---\|---\|---\|---\|
122	\| COHR \| "Forward P/E ~50x" \| PE TTM 216.6 \| 4× 偏差 \|
123	\| LITE \| "Forward P/E ~30x" \| PE TTM 253.3 \| 8× 偏差 \|
124	\| VECO \| "Forward P/E ~30x" \| PE TTM 101.3 \| 3× 偏差 \|
125	\| AXTI \| "Forward P/E ~20x" \| N/A 亏损 + PS 67 \| 完全错 \|
126	\| AAOI \| "Forward P/E ~18x" \| N/A 亏损 + PS 28 \| 完全错 \|
127	\| O-Net 0877.HK \| "上市港股" \| 2020-10 已私有化退市 \| 事实错误！ \|
128
129	→ 本质：用低可信度数据（C/D 级文章）驱动高影响决策（portfolio 加权预期 +50-55%）
130
131	### 后果
132
133	直接影响投资决策。如果 portfolio 加权预期收益是基于错误估值算的：
134	- 实际预期 +30% 被写成 +55% → 用户 over-allocate
135	- COHR/LITE 实际 PE 200+ 被写成 50/30 → 用户低估 down-side risk
136	- 整个知识库的"科学性"信誉破产
137
138	### 修复（

People who liked this also viewed

6 picks

Type