提出Agent-Editing World Model，聚焦预测执行依赖型工具响应而非环境观测，缓解任务状态污染问题。

设计异构图记忆模块，使中小规模LLM工具智能体能识别并规避重复失败、状态误写等结构性错误。

提出Critical-State RL方法，精准识别多轮交互中真正需优化的关键模型调用状态，避免奖励噪声干扰训练信号。

系统评测四种LLM架构在智能家居工具调用任务中经不同剪枝策略后的性能退化，揭示剪枝对上下文感知能力的非线性影响。