同一台 DeepSeek V4 Pro，同一个 Agent 任务，第一轮工具从 25 个砍到 2 个，分数从 91 跳到 99。这 8 分差，模型没变，是它第一眼看到的工具栏变了。

默认 Standard 模式一上来就把 25 个工具推给模型，开口就容易乱；DeepSeek 内部跑评测走的是极简脚手架，只给 bash 和 str_replace_editor。你拿到的成品，恰好是它训练时没怎么见过的那一面。

修复极便宜。两阶段锚定：先把工具面收成两个，诱导模型做第一次调用，再把完整工具集放出来。实测连稳 98 和 99，跟默认模式的波动完全两个世界。社区已做成补丁 dsh-routing-suite 和 dsh-anchored-standard，本质就是自动帮你做第一轮工具瘦身。

AYi 的解释：V4 Pro 经强 RL 训练，高分轨迹几乎都长在极简接口上，首轮塞 25 个工具等于把它推出训练分布，能力再强也接不住。

最低成本验证：同一任务，Standard 和极简各跑一遍，看思维链第一个词。"let me"开头一般是混乱模式，"we"开头多半在正经规划。不装插件也行，自己写个状态机，第一轮只暴露两个核心工具，等模型真动手再注入其余工具，几行代码的事。

我的判断：眼下当"脚手架敏感型"模型用，性价比最高；补丁是在给模型兜底，长期还得等官方把训练分布补全。

你用 V4 Pro 跑 Agent，Standard 模式下过程跑飞的情况常见吗？