待验证50% 置信权衡取舍精确时间
程序化工具调用相比传统 ReAct 框架能降低 Agentic 工作流的 Token 消耗和延迟，在串联数十次工具调用的复杂任务中效率提升显著
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
GPT-5.6发布：程序化工具调用与自主代理实测解析
bilibili万物深译2026/7/10
相关事实
待验证程序化工具调用通过引入类似函数式编程的直接调用语义，绕过传统 ReAct 框架中间状态的序列化与反序列化，从架构层面降低 Agentic 工作流的整体开销82% 相似待验证Plan-and-Execute范式适合长程复杂任务，ReAct在工具调用频次高、需要实时反馈的场景下更高效74% 相似待验证Prompt Caching通过复用相同前缀内容的Key和Value矩阵来降低推理成本，Agent类应用因高频迭代和长上下文交互天然适合缓存优化73% 相似待验证Anthropic推出程序化工具调用（代码沙箱）技术，处理复杂任务时能额外减少约37%的token消耗73% 相似待验证根据 Loop 类型选对触发方式能大幅降低运行成本，Combo/Workflow 方式先跑脚本判断是否有新工作，消耗更少的 Token 和资源72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/489855API
curl https://kongchang.com/api/v1/knowledge/claims/489855MCP
get_claim(id=489855)