“两个城市相距多远”同时包含事实查询和数值计算。只让模型凭记忆作答，难以核对数据来源；只运行程序，又缺少输入数据。本实验把搜索与代码执行串起来，观察 Agent 怎样完成这类复合任务。
建议按以下顺序阅读：理解问题与方法 → 准备环境与输入 → 按照步骤完成实验 → 分析结果与形成判断。
理解问题与方法
模型先决定需要哪些信息，再调用托管搜索和代码执行工具。搜索结果提供可追溯的数据，代码把数据转成可检查的计算。回答中的引用与计算过程应能对应起来，才能判断结论是怎样得到的。
本项目使用正文所述的精确协议：Responses API、托管 web_search 与托管
code_interpreter。验收依据是服务端返回的 web_search_call /
code_interpreter_call 和 URL 引用，而不是代码里“声明了工具”或答案里
“声称用过 Python”。
按作者批准的多提供商政策，验收不绑定官方 OpenAI 账号：官方 gpt-5.6-sol 路径
完整保留（当前 Key 推理返回 credit_balance_exhausted，已在证据中如实记录），
具备等价托管工具的提供商同样可以验收。2026-07-31 的正式运行用阿里云百炼
qwen3.7-plus（DashScope Responses API）通过了全部验收门：东盟任务先搜索十个
首都坐标、再用托管 Python 枚举 45 对大圆距离（吉隆坡—新加坡 316.35 km，与独立
本地参考一致）；比特币任务先在不用任何工具的情况下澄清数据源与指标，再通过
previous_response_id 继续，完成 3 轮模型主导的搜索与 4 次托管代码执行
（MA7/MA20、RSI14、MACD、区间收益、最大回撤与走势图）。
OpenRouter 只作为诊断 路径明确保留，不会被包装成替代品。
搜索与计算分别提供什么证据
实验 1-3 使用 Responses API 的托管 web_search 与 code_interpreter。搜索负责取得带来源的信息，代码解释器负责执行计算；验证时需要看到提供商返回的已完成工具项与 URL 引用，不能只根据最终文字判断工具是否执行。
原文中的两个 JSON 请求保留了不同后端的具体形状。OpenAI 路线传入推理与文本详细程度设置；DashScope 路线使用流式响应，并保存最终 response.completed 对象。已有记录中，后者长时间不返回内容的非流式请求会被网关中断，因此“流式接收”和“结果是否完成”需要分别处理。
准备环境与输入
本项目包含多条路径。先选定要观察的流程，再阅读对应的依赖和输入要求。下文保留了各条路径的完整配置，运行时应保持模型、文件路径与所选入口一致。
先检查请求，再选择一个后端
下面保留完整配置和 CLI 示例。共享仓库环境应遵循根目录的 Python 3.11–3.13 约束；原文中 Python 3.9+ 指的是本目录早期单项目要求。先运行 --dry-run 核对请求内容，再使用自己有额度的后端完成首都距离任务。--backend openrouter 在这里是诊断路径，不会自动替代托管工具实验。
# From the repository root: use the shared Chapter 1 environment
uv sync --locked --extra ch1
# Activate it before changing directories:
source .venv/bin/activate
# pip fallback when uv is not installed:
# python -m pip install -e ".[ch1]"
cd chapter1/search-codegen
# Single-project compatibility path, still supported during migration:
# python -m pip install -r requirements.txt
export OPENAI_API_KEY=your-openai-api-key
# Exact official path
python main.py --backend openai --mode single \
--request "东盟 10 国首都之间最近的一对是哪两个？请搜索并用 Python 计算" \
--reasoning high --verbosity high --output result.json
# Equivalent-provider path (eligible for acceptance): Alibaba Model Studio
export DASHSCOPE_API_KEY=your-dashscope-api-key
python main.py --backend dashscope --mode single \
--request "东盟 10 国首都之间最近的一对是哪两个？请搜索并用 Python 计算" \
--output result.json
# Inspect the exact request without an API call
python main.py --backend openai --dry-run \
--request "东盟 10 国首都之间最近的一对？" \
--reasoning max --verbosity high
# Proxy diagnostic only; not canonical acceptance
export OPENROUTER_API_KEY=your-openrouter-api-key
python main.py --backend openrouter --mode single --request "Search current news"
按照步骤完成实验
先读 example_request.py 和下文中的请求示例，识别模型、工具、用户需求三个部分。再选一个支持相应托管工具的后端，完成凭据配置，运行单次查询。不要把“请求里写了工具名”当作工具确实执行过。
从明确问题到需要澄清的问题
首都距离任务需要先取得十个首都的坐标，再计算 45 对大圆距离，并说明最近的一对。先检查坐标来源，再核对计算输出，最后比较独立参考结果。
第二个任务故意没有指定比特币数据源与技术指标。第一次回复应先澄清这些偏好；用户补充后，再通过 previous_response_id 继续同一任务。这样可以观察“提出澄清问题”是否真的发生在工具调用之前。完整对照与离线检查命令如下：
cd chapter1/search-codegen
python run_experiment_1_3.py --backends openai dashscope --reasoning high
python -m pytest -q test_responses_agent.py
python -m py_compile agent.py config.py main.py run_experiment_1_3.py
分析结果与形成判断
在轨迹中寻找搜索、代码执行和最终答案三个环节。若使用城市距离问题，还应检查坐标来源、距离公式和参与比较的城市集合。一个格式漂亮的表格不足以证明计算正确；缺少的国家或错误坐标都会改变最近的一对。
连同提供商限制阅读已有结果
2026-07-31 的记录由 DashScope qwen3.7-plus 完成：首都任务通过一次托管搜索批量取得十组坐标，再用托管 Python 枚举 45 对，得到吉隆坡—新加坡 316.35 km；比特币任务先澄清，再执行 3 轮搜索、4 次代码调用，计算 MA7/MA20、RSI14、MACD(12,26,9)、区间收益与最大回撤。
同次记录中的 OpenAI 路线在工具执行前收到 credit_balance_exhausted，属于额度失败。DashScope 沙箱没有出站网络，收盘价来自搜索提取；图像文件留在沙箱内，接口只返回执行日志。先澄清的行为还依赖显式系统规则。这些限制与成功结果一起构成完整解释，不能用本地 Python 或另一条诊断路径的输出冒充托管执行结果。
检查自己的解释
用户只说“做一份城市距离分析”时，哪些条件应该先澄清，哪些可以在回答中说明假设？