while True:
    1. 组装上下文（系统提示 + 滑动窗口记忆 + 当前任务）
    2. 调用LLM，强制开启function_call
    3. 解析输出：
       - 若包含function_call → 执行工具
       - 若为普通文本且任务未完成 → 判断是否陷入死循环
    4. 执行工具时捕获异常，走三级错误处理：
       Level 1: 简单重试（间隔1s）
       Level 2: 修改参数重试（去掉可疑字段）
       Level 3: 标记工具不可用，向LLM反馈错误并建议替代方案
    5. 更新记忆（滑动窗口），若连续N次无有效进展则强制终止

# agent_core.py
import json
import time
from typing import Dict, Callable, Any

class Tool:
    def __init__(self, name: str, func: Callable, description: str, parameters: Dict):
        self.name = name
        self.func = func          # 普通Python函数，接收**kwargs
        self.description = description
        self.parameters = parameters  # JSON Schema格式，用于传给LLM
        self.consecutive_failures = 0
        self.is_available = True

    def run(self, **kwargs) -> str:
        if not self.is_available:
            return f"Tool {self.name} 已被标记不可用，请选择其他工具。"
        try:
            result = self.func(**kwargs)
            self.consecutive_failures = 0  # 成功则清零
            return json.dumps(result, ensure_ascii=False)
        except Exception as e:
            self.consecutive_failures += 1
            if self.consecutive_failures >= 3:
                self.is_available = False
                return f"Tool {self.name} 连续失败3次，已自动禁用。最后错误: {str(e)}"
            return f"Tool {self.name} 执行失败 (第{self.consecutive_failures}次): {str(e)}"

# 示例工具1：查询用户行为（模拟API）
def query_user_behavior(user_id: str, days: int = 7) -> Dict:
    # 模拟延迟和可能的数据异常
    time.sleep(0.3)
    if int(user_id) % 17 == 0:
        raise ConnectionError("上游API超时")
    return {"user_id": user_id, "active_days": days, "page_views": 1560}

# 示例工具2：计算统计指标
def compute_stats(data: list) -> Dict:
    if not data:
        raise ValueError("数据为空")
    avg = sum(data) / len(data)
    return {"avg": round(avg, 2), "max": max(data), "min": min(data)}

# 工具注册表
TOOL_REGISTRY = {
    "query_user_behavior": Tool(
        name="query_user_behavior",
        func=query_user_behavior,
        description="查询指定用户在最近N天的活跃行为数据",
        parameters={
            "type": "object",
            "properties": {
                "user_id": {"type": "string"},
                "days": {"type": "integer", "default": 7}
            },
            "required": ["user_id"]
        }
    ),
    "compute_stats": Tool(
        name="compute_stats",
        func=compute_stats,
        description="计算一组数值的均值、最大值和最小值",
        parameters={
            "type": "object",
            "properties": {
                "data": {"type": "array", "items": {"type": "number"}}
            },
            "required": ["data"]
        }
    )
}

def get_messages(self) -> list:
    return [{"role": r, "content": c} for r, c, _ in self.messages]

# Level 2: 去掉"可疑参数"（如把days从30改为7）重试
if max_level >= 2:
    modified_args = {k: v for k, v in arguments.items() if k not in ["days", "limit"]}
    if modified_args != arguments:
        result = tool.run(**modified_args)
        if "失败" not in result:
            return result

# Level 3: 标记不可用并返回错误诊断
if max_level >= 3:
    tool.is_available = False
    return f"工具{tool.name}经三级重试仍失败，已禁用。请LLM改用compute_stats或直接基于已知数据回答。"

tool_descriptions = "\n".join(
    f"{name}: {tool.description}，参数: {json.dumps(tool.parameters)}"
    for name, tool in TOOL_REGISTRY.items()
)

# 这里是核心循环，省略具体调用代码（需构建messages并解析function_call）
# 关键参数：consecutive_no_progress = 0, last_error_signature = ""
# 若本次工具调用返回的错误信息与上次完全相同，则consecutive_no_progress += 1
# 达到3时直接break，返回部分结果