智能体何时继续查，何时开始回答
AI 总结
这篇教程说明智能体如何判断是否需要继续研究、在证据不足时附带条件作答，以及达到执行限制后何时停止。文章以教学构造的基金份额比较为例，讨论证据缺口、材料冲突、有界研究和事实、假设、计算与判断的区分，并明确该示例并非真实基金任务。
深度见解
文章给出了避免智能体过度检索或在条件不足时拒答的实用决策框架。
用户问：“同一只基金的两种份额，新的那个年费率更低，我是不是应该换过去？”
一个只擅长收集信息的 Agent，可以很快找到费率表、基金公告、产品介绍和几篇分析，然后写出一份资料丰富的回答。但它仍可能没有解决最重要的问题：较低的持续费用，能否在用户打算持有的时间里，抵消这次转换产生的成本？
另一种失败恰好相反。系统要求“至少查询若干来源、列出所有风险、再经过多个专家”，结果关于费率的事实已经清楚，Agent 仍不断搜索，直到没有时间组织结论。
本文关注的是两者之间的判断：怎样决定下一步还有没有必要，怎样在条件不足时给出有用回答，以及怎样把新证据真正综合成结论。以下费用、份额名称与研究过程均为教学构造，工程机制来自 ETF Agent 的设计与实现。
图示主题：从用户问题到有条件研究结论的决策链。概览按职责组织，不是某次任务的真实调用记录。 完整配图见文末原文链接。