> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/harness_engineering_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/harness_engineering_guide/di-er-bu-fen-harness-he-xin-zi-xi-tong/07_model_integration.md).

# 第七章：模型集成与输出治理

## 章引言

模型集成是智能体系统与 LLM 的边界。设计不当的集成会导致：

* 幻觉（输出不真实信息）
* 性能问题（过度推理、Token浪费）
* 安全隐患（输出不可控）
* 兼容性问题（难以支持多个模型）

本章研究如何设计一个健壮、灵活、高效的模型集成层，包括多模型切换、输出解析、质量门控、幻觉检测等机制。

## 核心设计问题

1. **模型抽象**：如何设计统一接口支持多个模型（Claude、GPT、DeepSeek 等）？
2. **输出解析**：如何从原始 API 响应中安全地提取和验证结构化输出？
3. **质量保证**：在工具调用执行前如何验证输出的合法性？
4. **幻觉检测**：如何识别和防止智能体调用不存在的工具或生成错误的参数？

## 参考系统的方法

**OpenClaw**：支持 Claude/GPT/DeepSeek/Gemini/Ollama，带模型回退链路

**Claude Code**：绑定 Claude，专注于输出质量和推理预算管理

## 本章结构

* 7.1：模型抽象层
* 7.2：结构化输出解析
* 7.3：输出质量门控
* 7.4：幻觉检测与修复
* 7.5：推理预算管理
* 7.6：MiniHarness 输出治理
* 本章小结

模型集成层是智能体可靠性的最后防线。