有人花了九轮，试图凭一段描述认出一种药。三次助手真的搜索了。六次它说自己在搜索，却什么也没做。时有时无，而这是最糟的一种：它读起来不像缺陷，读起来像被骗。
我们的第一直觉是提示词。通常都是。而这次错了。
工具一直都在
网页搜索在那些调用里每一次都完整送出，而同一个模型、同一段提示词，在同一场对话中确实调用过它。被抽走的工具不会时灵时不灵。
变的是思考预算。让一族模型进入 Auto，意味着把它们的推理投入压到最低以保持可负担——而在这些模型所走的那条路径上，这个设置无论有没有被要求都会生效。压到那个程度，模型根本无法发起任何工具调用。它只能谈论发起。
同样的形状，又出现了两次
一旦抓住这个模式，就会到处看见它。要五十个上涨中的币种并附分析，表格来了六行：一个能打开的真文件，读之前看着像是完成品。模型遵循的指令描述了文件的形状，对规模只字未提，于是一份有代表性的样本就满足了它。
还有，做完一份文档后，语音助手把整条下载地址一个字符一个字符地朗读了九十秒。它没有无视自己的指令：一条说「绝不要朗读地址」，另一条说「把链接展示给用户」。在会说话的界面上，展示就是说出来。
我们反复重学的一条规则
一个讲述自己做不到的动作的助手，比一个直接说做不到的助手更糟。这三处都在那个让虚假陈述成为可能的层面修好，而不是靠更严厉地要求。