曹操出行的 AI 打车服务正式接入荣耀 YOYO。用户对手机说一句用车需求，YOYO 自动识别起终点、匹配运力、规划车型与路线，然后完成下单（来源：中国经营报）。
真正值得抄的部分不在交互，在技术层。这次曹操出行首次开放了 caocao-cli，并加了三样东西：唯一幂等键、显式确认位、统一 traceId。网络抖动下的重试不会变成重复下单，取消这类关键操作需要用户确认，跨服务全链路可回溯、可审计。
官方还补了一句判断：CLI 加 Skill 的方案比 GUI 模拟更省上下文。
图注：同一个意图被提交三次，系统只应该执行一次，这就是幂等键要管的事
能不能调通，已经不是门槛了
Agent 接外部服务这件事，两年前的门槛是"能不能调通"。今天这个门槛基本消失了——输入输出格式、鉴权、错误码都是标准动作，模型侧的调用能力也足够。
门槛换到了另一个位置：它调通之后，做错了事谁负责。
打车这件事很典型。重复下单不会报错，接口返回成功，系统一路绿灯，代价是用户账单上多出一笔。这类问题在工程上叫静默失败——动作看起来成功了，结果错了。它比报错难处理得多，因为它不触发任何告警。
幂等键解决的是其中最基础的一类：请求的身份。同一个意图无论被提交几次，系统只执行一次。这个东西在传统后端里是老知识，但 Agent 场景把它重新推到了台前——因为 Agent 的每一次重试都是自主发起的，没有人按按钮。
显式确认位，是把判断权留在人手里
第二样东西是显式确认位。下单可以自动完成，取消必须由人确认。
这条边界画得有讲究。下单失败用户可以再叫一次，成本低；取消一旦误触发，服务已经中断，司机已经在路上，代价由别人承担。工程上的通用做法是看操作的可逆性——不可逆操作必须留一个人类确认的关口。
这和我们昨天写过的《治理3.0：智能体风险首次单列》里的判断一致（来源：源势AI 9 月 16 日文章）：智能体不是说话的系统，是动手的系统，它的风险清单里排第一的就是身份与权限滥用。
CLI 比 GUI 模拟省的是什么
第三种做法是最容易被低估的技术选择：用 CLI 加 Skill，而不是让模型去模拟人点屏幕。
GUI 模拟的思路是让视觉模型看着界面截图，决定点哪里。它的好处是任何 App 都能被接管，坏处是每一步都要一张截图进上下文——屏幕像素是上下文里最贵的东西。
CLI 方案绕开了这一层：工具以命令的形式暴露给模型，参数就是参数，返回就是返回。
《别再用JSON调工具了》这篇解读里的实测数据可以用来说明同一件事（来源：普华永道技术团队论文《The Bitter Lesson of Tool Calling》，arXiv:2608.06370）。他们在 BFCL v4 基准上测了 14 个模型，比较程序化工具调用（PTC，模型写一段脚本一次性把工具调完）和原生 JSON 逐轮调用：11 个模型的 PTC 准确率持平或反超，GPT-5.6 家族最高提升 10.6 个百分点。
更关键的是两组消融。链式调用场景里，链长达到 12 环以上时，PTC 平均领先 18.8 个百分点——多出来的每一个推理轮次，都是 JSON 为每一环交的税。上下文污染场景里，往上下文塞 128 个干扰函数定义，JSON 的准确率平均掉 2.3%，而"让模型自己去读工具定义文件"的方案平均掉 32%。
工具描述本身就是污染源，谁往上下文里塞得少，谁就稳。
图注：链越长、上下文越脏，逐轮 JSON 为每一环交的税就越贵
动作前那一层校验
还有一层防护值得单独提。arXiv 上有一篇《Look Before You Leap: Pre-Action Verification for LLM Agents》（arXiv:2609.11957），主张在动作真正生效之前插入一次廉价的确定性校验（来源：该论文）。
论文在 9930 条命令、482 个真实工具上构建了反循环基准：静态校验器以 10.0% 的误报率捕获了 95.8% 的非法命令，其中语法检查与二进制检查达到零误报。代码编辑侧的数据更刺眼——行号锚定格式在偏移一行时会损坏 99.1% 的文件，而基于内容锚定的 search/replace 格式失败得干净。
这条结论和幂等键是一体两面：幂等键保护"同一个意图不重复执行"，动作前校验保护"这个动作本来就不该执行"。两样都做，Agent 才谈得上无人值守。
源势AI怎么看
把这次接入当成一个验收模板，比当成一条产品新闻有用。
我们给企业做 Agent 落地时，客户最常问的是准确率。准确率当然要看，但生产环境真正决定能不能上线的是另外三个问题：这个动作能不能重试而不产生副作用？哪一个操作必须停下来等人？出了问题能不能顺着一条链路把责任还原出来。
幂等键、确认位、traceId 这三样，对应的就是这三个问题。它们不需要模型升级，也不需要更多数据，属于工程侧就能补齐的东西——但漏掉任何一样，系统就只能停在演示阶段。
曹操出行这次把 CLI 开放出来，等于是把这三件事做成了行业可参照的样本。手机厂商的系统级智能体正在快速铺开，接下来一年，能被接入的服务会有很多，能通过这三道检查的不会太多。这中间的差距，就是工程能力的差距。
