少一点 LLM 来回，多一点单回合命令： Agent 做调研时更靠谱的一种思路

最近在试一种 Agent 工作方式：少一点 LLM 来回，多一点单回合批量命令。

测试任务是一份 15 页的东亚鱿鱼料理演示，需要同时找菜谱、图片和烹饪视频，还要确认链接、资源和多屏布局都能用。

四次运行里，直接执行组平均 10 个回合、82 次工具调用； CLI 风格组平均 13.5 个回合、10.5 次调用。某个回合一次并行做了约 20 次菜谱/视频搜索，最后核对了 10 个来源、10 个不重复视频、15 个资源和 1440 / 768 / 390 三种屏幕宽度，还修掉了一个坏地址。

只有四次运行，所以这不是“任何时候都更快”的结论；耗时有快有慢，token 的统计来源也不同。真正有用的点是：让 LLM 回合做判断，让命令做可搜索、可测试、可复查的工作。

交互任务： https://turaai.net/benchmark-task?task=east-asian-squid-recipes-slides

原始结果： https://github.com/Tura-AI/benchmark/tree/main/results/design/east-asian-squid-recipes-slides/report-20260711-design-matrix

说明：我维护 Tura 和这套 benchmark 。你们的工作流里，有哪一步适合“模型判断一次，然后批量跑可验证命令”？