工具使用错误是最可衡量且最易恢复的故障模式
工具使用失败——例如格式错误、超时、输出乱码以及无效操作——是导致智能体失败最具体且最可预测的原因。在一项涵盖六个模型家族、共696条模型-任务轨迹的研究中，工具错误和无效操作是预测任务成功与否的最关键特征之一，逻辑回归模型达到了97%的ROC-AUC（近乎完美地区分成功与失败轨迹的能力）[5]。这意味着工具使用问题不仅普遍存在，而且对智能体能否成功具有高度诊断性。
关键在于，工具使用错误也是最容易纠正的。一种名为“监控-分类-恢复”（MCR）的专用恢复框架已在写作和编程任务中得到测试，当与多智能体策略优化方法（MAGRPO）结合使用时，复杂任务的成功率从42%提升至86.7%，并解决了92.6%的问题[1]。这表明，尽管工具使用错误频繁发生，但通过合理的架构可以系统性地加以修复——这与更深层的记忆或规划问题不同。
记忆失败是最根本的架构缺陷
尽管工具使用错误可以纠正，但记忆失效却直击智能体长期运作能力的核心。无状态智能记忆（SIM）问题被定义为：AI智能体在跨会话、跨智能体、跨时间维度上无法维持连贯上下文的系统性缺陷[4]。这绝非小故障：论文指出，超过80%的企业AI项目报告未产生可衡量的商业影响，而高德纳预测到2027年将有超过40%的智能体AI项目被取消，主要原因正是这种上下文连续性问题[4]。
SIM论文进一步指出，现有方法——包括知识图谱、检索增强生成（RAG）、情景记忆或神经符号系统——均无法满足上下文连续性所需的全部五项必要条件[4]。这表明记忆故障不仅普遍存在，更是一种难以通过渐进式修补解决的架构性硬伤。其他研究证实，与记忆相关的安全故障（例如检索投毒——即智能体存储信息被篡改）的平均安全漏洞率高达0.47±0.09[2]，这意味着近半数的记忆利用尝试均能得逞。
规划错误至关重要，但往往源于工具或记忆问题
规划失败——例如目标劫持、授权混乱和顺序错误——是一个主要问题，但它们常常与工具使用和记忆问题重叠。在对八种智能体架构的安全性评估中，规划操纵的平均安全突破率为0.44 ± 0.11，而授权混乱与目标和工具劫持高度相关（相关系数分别为0.63和0.58）[2]。这意味着，当智能体的规划受到破坏时，往往直接导致未经授权的工具使用或目标被篡改。
一种名为TRACER-AI的纵深防御框架，通过同时监控规划完整性、工具风险及提示注入攻击，将攻击成功率降至仅3.6%，同时保留了99%的正常任务成功率[3]。这表明规划错误虽可被缓解，但必须与工具使用和记忆检查相结合。关键启示在于：规划、记忆与工具使用并非相互独立的故障模式——它们彼此关联，解决其中一环往往需要同时处理其他环节。
关于这些来源
该回答基于5篇经同行评审的研究——发表于2026年，其中5篇来自2024年或之后——这些研究是从6篇通过质量筛选的文献中选出的最具相关性的成果，而该6篇文献又源自从超过5亿篇论文数据库中检索到的58篇论文。
本文引用的文献
面向大语言模型智能体的工具使用故障分析与恢复框架
工具使用失败是常见且可恢复的：一个监控-分类-恢复框架将复杂任务的成功率从42%提升至86.7%，并在写作与编程任务中解决了92.6%的问题。
Agent-Fence：深度研究智能体的安全漏洞映射
在一项针对八种智能体架构的安全评估中，风险最高的故障类别属于操作层面：钱包耗尽（破解率0.62）、授权混淆（0.54）、检索投毒（0.47）和规划操纵（0.44），而提示相关的类别破解率均低于0.20。
TRACER-AI：面向智能体AI系统中提示注入、智能体目标劫持及工具滥用检测的多层可解释框架
一种四层防御框架（TRACER-AI）结合了提示检测、目标监控、工具风险控制与可解释决策，将攻击成功率降至3.6%，并保留了99%的良性任务成功率，而单独的提示检测器准确率仅为0.679。
SIM：无状态智能记忆——AI智能体架构中的上下文连续性问题
无状态智能记忆（SIM）问题——即无法在会话间保持连贯上下文——是一项根本性的架构局限；超过80%的企业AI项目报告称未产生可衡量的业务影响，且现有方法均无法满足上下文连续性所需的全部五项必要条件。
通用型AI智能体的轨迹可靠性预测：基于ZClawBench的工具使用故障分析与成功率预测
在一项涵盖六个模型家族、共696条轨迹的研究中，工具错误和无效操作是任务成功与否的首要预测指标；逻辑回归模型在预测轨迹可靠性方面达到了97%的ROC-AUC和0.913的F1分数。