Agentic AI for operating scientific instruments for nanoscale characterization 精读

论文链接：Agentic AI for operating scientific instruments for nanoscale characterization 代码仓库：Open-SPM/Agentic_AFM（仪器控制库 Open-SPM/RePySPM） 发表时间：2026年8月 机构：EPFL（瑞士洛桑联邦理工学院）生物与纳米仪器实验室，单一高校 领域标签：科学仪器自动化 · MCP 工具调用

一、论文背景

1.1 原子力显微镜：一台需要"手感"的仪器

原子力显微镜（AFM）是纳米尺度表征的核心工具，原理可以类比"用手指摸盲文"：一根安装在微悬臂上的尖锐探针在样品表面逐行扫描，针尖与原子间的作用力使悬臂偏转，激光照射悬臂背面并反射到光电探测器上，偏转量被实时读出。一个反馈回路根据偏转误差不断调整针尖的 z 向高度，使针尖始终贴着表面起伏"滑行"，最终把逐行的高度数据拼成一张纳米地形图。

问题在于，这张地形图的质量高度依赖操作员的持续判断。反馈增益太小，针尖跟不上陡峭台阶，会在下降沿"坠落"后弹起，扫出被拉长的假条纹（parachuting，降落伞效应）；增益太大，反馈回路进入振荡，图像出现规则波纹（feedback ringing，反馈振铃）。此外还有压电滞回、蠕变、双针尖、丢失表面等十余类伪影。参数之间还互相耦合：提高积分增益改善跟踪却可能引入振铃；降低 setpoint（针尖压力相关）能压住降落伞效应但有损伤针尖和样品的风险；放慢扫描速度提高质量却牺牲通量。同一台 AFM，换一个针尖、换一个样品、甚至只是热漂移推进，最优参数组合就变了——这就是为什么 AFM 培训动辄数月，熟练操作员成了稀缺资源。

1.2 现有自动化为什么不够

此前的自动化尝试分三类，但都只覆盖工作流的一段：

• 硬编码例程：写死的采集脚本，遇到非预期状态就失效；
• 任务专用控制器/优化器：如用遗传算法优化 PID 参数，需要一个预先定义的标量目标函数（如 trace-retrace 相似度），只能优化"设计者想到的量"；
• 训练出的机器学习模型：按样品/模式训练，迁移能力弱，仪器软件一升级就要重训。

共同缺口在于：把"看图判断质量、决定下一步调什么"这件人类专家做的事自动化。这个环节需要综合高度图、误差图、扫描线形态和多类伪影的权衡，很难写成一个单一的目标函数——恰好是多模态大模型擅长、传统自动化做不了的事。

1.3 LLM 上仪器：两条路线之争

用 LLM 操作仪器有两条技术路线：

1. 微调路线：拿仪器专属的"指令-命令"数据对微调模型（如 GPT-4.1），让它直接生成命令文本。问题：仪器知识被烙进模型权重——软件升级、换基座模型都要重新标注重训；更危险的是，微调只保证输出"语法像命令"，不保证"物理上合理"，错误会静默执行到硬件上。
2. 工具增强路线：给通用模型一个结构化工具接口，让它在运行时"选工具、填参数"。模型只负责意图理解，单位定义、必填参数、合法取值由外部接口强制校验。工具描述几小时就能写完，换模型无需重训。

实现工具增强的关键标准是 MCP（Model Context Protocol，模型上下文协议）——可类比为"AI 应用的 USB 接口"：服务器把一组函数注册成带名称、参数 schema 和描述的"工具"，LLM 客户端按需调用。它让"模型"与"仪器能力"解耦，仪器更新只需重新生成工具注册表。

前序工作 Mandal 等的 AILA 是最全面的 LLM 操作 AFM 演示：LLM 负责解释任务，调参却外包给遗传算法，最佳模型任务成功率约 65%，且明确报告了歧义指令会导致错误命令——安全问题没有解决。本文正是在这条线上推进：LLM 能不能自己看图、自己调参，并且一条错误命令都不发到硬件上？

二、论文定位和关联工作

2.1 研究谱系

谱系一：显微镜自动化 / 自主 SPM。传统 ML 用于 X 射线、光学、电子显微镜的自动采集与重建；扫描探针领域有主动学习选测量位置、假设学习区分物理模型、reward 驱动调参、自动图像质量评估与针尖状态调整等。这些方法强大前提是实验目标能被量化表达；本文定位是互补——当决策取决于多个难以合成单一目标的图像特征时，用 LLM 综合判断。

谱系二：LLM 操作仪器。微调路线（直接生成命令）与工具增强路线（MCP 结构化访问）之争是本文的核心对照。AILA（Mandal et al.）用 LangChain 编排 + 遗传算法外部调参，是本文最直接的对照物。

谱系三：实验室自动化 / 自主实验。自驾驶实验室（self-driving lab）追求端到端自主，本文刻意退一步：agentic operation（代理化操作）而非 self-driving lab——实验意图留给人类，执行、调参、后处理交给 Agent。

2.2 定位对比

定位结论：本文不是"第一个把 LLM 接到 AFM"，而是第一个证明（a）LLM 视觉可以替代标量目标函数做图像质量评估与调参决策、（b）安全性主要来自架构层（工具+歧义检查）而非模型能力、（c）该框架无需任何 AFM 专属训练即可跨样品跨模式工作的系统工作。

三、问题定义

3.1 从具体场景到抽象问题

具体问题：如何让 LLM 安全地操作 AFM 全部可执行工作流？拆开看隐含三个子问题：

1. 翻译可靠性：自然语言 → 仪器命令，一条都不能错（错命令可能撞针、划伤样品）；
2. 调参智能性：图像 → 质量判断 → 参数更新，需要像专家一样权衡多参数耦合；
3. 泛化性：不重训就跨样品、跨成像模式工作。

核心洞察（深层结构相似性）：AFM 操作员的"可执行工作流"本质上是一个信息完备性受限的多目标序贯决策问题——指令信息不全就不能行动（安全性），图像质量是多维伪影向量的函数而非标量（智能性），而专家知识是通用的而非按样品记忆的（泛化性）。论文的关键抽象是职责切分：

人类保留意图（intent），Agent 接管执行（execution）：命令执行 = 可校验的符号翻译问题；调参 = 有安全边界的有界序贯决策；后处理 = 预批准操作集内的选择问题。

3.2 形式化

• 命令执行：给定自然语言指令 x 与工具注册表 T = {(nameᵢ, schemaᵢ, unitᵢ)}，输出工具选择与参数填充 (t, θ)；约束：若 x 信息不充分（缺值/单位不清/轴不明/意图模糊），必须返回澄清请求而非执行；
• 调参：给定当前参数 p 与多通道观测（前/后向高度图、误差图、最近 10 条扫描线），输出伪影严重度向量 s ∈ [0,1]⁶ 与有界参数更新 Δp（受操作员定义的 scan-rate 上限、最小 setpoint、参数优先级约束）；
• 后处理：给定图像与预批准透明操作集，输出诊断与操作序列，禁止无约束图像修改。

精妙之处：把"安全"从模型能力问题改写为架构约束问题——不是要求模型永不犯错，而是让"模型可能犯的错"在到达硬件前被系统性拦截。

四、问题解法

4.1 总体架构：三个 MCP Agent + 一层安全网

论文把 AFM 操作分解为三个独立可测试的 MCP Agent，人始终保留在环上：

4.2 AFM Messenger：自动生成的 129 工具注册表

一个**发现脚本（discovery script）**扫描 RePySPM（实验室自研的开源 AFM Python 控制库）API，把每个公共方法自动转成一个 MCP 工具，包含模块名、函数名、参数与单位信息，存入 JSON 注册表经 FastMCP 加载——共 129 个工具，零手工逐个编写。仪器软件更新时重跑一遍脚本即可再生成注册表，模型完全不用动。这相当于给 LLM 一本"自动生成的仪器操作手册"。

**歧义检查层（ambiguity check layer）**是安全核心：在执行前检查指令是否包含足够信息，识别四类问题——缺失数值、单位不确定、轴方向不明、意图模糊。有歧义就退回操作员澄清（MCP 交互式工作流允许在同一会话内补全信息后继续），确认后才执行。规则还区分 SET/GET 操作、把共享参数（如 setpoint）路由到正确模块、强制单位换算、分离参数配置与扫描启动；进针（approach）和启动扫描这类安全关键动作需要额外确认。

4.3 AFM Pilot：用 LLM 视觉替代目标函数

Pilot 运行一个闭环：拉取最近一次参数更新后的前向/后向高度与误差数据 → 渲染诊断视图（含最近 10 条前/后向扫描线，用于评估行间跟踪与振铃）→ LLM 视觉评估六类伪影（降落伞效应、反馈振铃、滞回、蠕变、双针尖、丢失表面跟踪）各打 0–1 严重度分 → 在预定义安全边界内有界更新 setpoint / 积分增益 / 扫描速度 → 循环，直到"允许参数空间内好到不能更好"。

严重度评分是模型的"判断"而非计算量，含义由提示词中的语言锚点固定：0.0 无伪影、0.1–0.3 轻微、0.4–0.6 明显可见、0.7–1.0 严重。可接受阈值（parachuting ≤0.35、ringing ≤0.25）由专家视觉评估标定。参数间的耦合关系与安全约束（扫描速度上限、最小 setpoint、参数优先级）以操作指令形式写进提示词，LLM 据当前状态选择有界调整——这本质上是把人类专家的调参启发式"升增益到振铃、退一点、再压 setpoint"显式化后交给 LLM 执行。

关键设计：没有目标函数、没有外部优化器。论文用 LLM 的通用科学视觉知识直接评估图像，这正是跨样品零重训泛化的来源（见第六部分）。

并行确定性交叉校验：一个 Python 数值检测器从扫描线数组直接计算 parachuting/ringing/hysteresis 三类伪影的独立严重度（分别基于边缘梯度+前后向不对称、频谱高分频功率占比、前后向互相关滞后）。它不参与调参决策，只做交叉校验——AI 评分与数值评分差异超过 50% 就触发 LLM 重新检查数据。这是"概率判断 + 确定性仪表盘"的双保险。

4.4 AFM Doctor：预批准工具箱里的透明后处理

Doctor 检查最终图像，识别残留伪影、解释物理成因，然后从一个预批准的透明处理工具集（平面校平、行对齐、疤痕去除、裁剪、背景扣除、FFT 去条纹、导出 Gwyddion 文件等）中选择操作。每步处理后重新检视，可级联修正。限定透明工具集防止了无约束图像篡改、避免引入未经证实的"伪伪影"。校正用的行偏移与多项式背景只从掩膜后的平坦背景区域估计，不被表面形貌带偏。

五、评估指标与实验证据

5.1 评估体系

主指标：命令错误率——模型输出与预期函数调用/工具选择精确匹配（temperature=0）的失败比例。这是核心论点"架构层保障安全"的直接度量。辅助指标：错误构成分类（单位/数值错误、歧义/信息缺失、工具/模块选错等）、与人类专家对比的四项终点。消融指标：±工具访问、±歧义检查层的阶梯对比，直接分解两个架构组件的贡献。

5.2 基准：2747 场景

有经验 AFM 用户手写 234 条指令并配对 RePySPM 调用，扩展筛选为 2747 个场景（真实操作会话 + 罕用功能的合成例子，覆盖单条/连续命令、单位与数值变体、欠指定请求），按 76/8/8/8 划分，取三个固定测试集（225/200/224 条），所有配置跑三遍报均值±标准差。这个基准的设计直指安全要害：故意混入欠指定请求，考验系统能否"不知为不知"地退回澄清而不是硬猜。

5.3 核心结果

错误率阶梯（表）：

统计显著性：工具访问对所有模型 P<0.0001；歧义检查对 Sonnet/FT-GPT P<0.0001、对 Opus P<0.01。

值得注意的是裸 Sonnet 的 89.2% 错误率说明直接让 LLM 背命令格式完全不可行，而错误构成分析揭示了各配置的失败模式差异：FT-GPT/FT-GPT-FC 的错误 79.3%/78.2% 是单位/数值错误；工具化 Sonnet 的残余错误 64.9% 是歧义/信息缺失（单位/数值错误只剩 1.8%）；工具化 Opus 残余错误以工具/模块选择为主（64.3%）。每种配置死法不同——这直接指导了两层防护的设计。

部署形态的 Claude-MCP 交互式 Agent 命令画像：150 条请求中 73.3% 直接执行、22.7% 退回澄清、4.0% 报告无对应工具——没有一条被路由到错误工具。

与人类专家对比：5 名操作员 vs AFM Pilot，相同失调起点、相同可调参数（限定 setpoint + 积分增益）、相同质量标准，Wilcoxon 符号秩检验四项终点均无显著差异：迭代次数 p=0.063、调参时间 p=0.625、最终 parachuting 严重度 p=1.000、最终 ringing 严重度 p=0.188。方向上 Pilot 迭代更少、最终振铃更低，人类略快、最终降落伞更低——但都收敛到可接受状态。

泛化与成本：同一套策略零重训覆盖校准光栅、蝴蝶翅、胶原纤维、KPFM 金铝光栅（保持 KPFM 专用 PID 固定，仅提供 KPFM 通道供综合评估）等多种样品与模式；10 次迭代会话约 95% 输入 token 由 prompt cache 命中（缓存价格 0.1 倍）。

5.4 实验设计如何支撑论点

阶梯设计逐层分解贡献：裸模型→+工具隔离"结构化接口"的价值（降 60+ 个百分点）；+工具→+AC 隔离"执行前拦截"的价值（再降 16–20 个百分点）；最终交互式 MCP 补上"人补全信息"这最后一环达成零错误。若只有总对比（裸 vs 完整系统），无法区分是模型强还是架构好；阶梯让每个架构组件的贡献可归因。错误构成分析则进一步把"AC 为什么有效"落到机制：欠指定的指令不只产生歧义错误，还会诱发单位/数值错误，提前拦下就不止消灭歧义类错误。

六、效果优势的根源解释

6.1 错误归零的因果链

对比对象：微调路线曾经有效，因为它把命令语法烙进权重，输出"看起来像命令"；但它有不可逾越的障碍——权重记忆只能记忆统计规律，无法保证物理合理性（单位该是 V 还是 mV、数值该在什么安全范围），且这份记忆随软件升级过期。

因果链一（工具接口消除单位/数值错误）：

方法差异：129 工具的 schema 强制（名称+参数+单位+模块路由）→ 机制变化：单位与参数校验从"模型权重内的概率回忆"移出到"接口层的确定性强制"→ 指标体现：FT 系模型 79.3%/78.2% 的单位/数值错误占比，在工具化 Sonnet 中压到 1.8%。

权重是概率性的，schema 是确定性的。当"单位必须显式填对"变成接口约束而非生成偏好，一整类错误就从错误分布里结构性消失了。

因果链二（歧义检查层消除歧义错误）：

方法差异：执行前的歧义检查层 + 交互式澄清 → 机制变化：不确定的指令不再被"硬猜成某个命令"而是被拦截退回人类补全 → 指标体现：残余错误中 64.9% 的歧义/信息缺失类被提前消灭；且欠指定还会诱发单位/数值错误，所以降幅（16–20 个百分点）大于初始歧义错误占比。

这条链的关键是把错误的发生位置从"执行后"移到"执行前"。LLM 天然倾向给任何输入一个答案（不知为知之）；歧义检查层的作用不是让 LLM 变得永不犯错，而是不让不确定性变成硬件动作——错一条命令的成本从"重跑实验"变成"多问一句话"。

因果链三（LLM 视觉替代标量目标函数→跨域泛化）：

方法差异：AI-vision 综合评估前/后向高度图、误差图、扫描线、多伪影严重度 vs 遗传算法最大化单一 trace-retrace 相似度 → 机制变化：调参决策不再压缩成单一标量（必然丢弃未被目标函数编码的特征），而是像人类专家那样同时权衡跟踪质量、反馈稳定性与参数耦合 → 指标体现：同一策略零重训跨校准光栅/蝴蝶翅/胶原/KPFM 四类样品模式工作，调参表现与 5 名专家无显著差异。

标量目标函数"只测它被设计去测的量"，换样品/模式往往要重设目标甚至重训；LLM 的通用科学视觉知识是样品无关的，这就是泛化免费的原因。反事实：若去掉 LLM 视觉改回标量目标，框架就退回 AILA 类系统——任务成功率约 65% 且需外部优化器；若去掉歧义检查层，Sonnet+工具停在 25.1%，错误主要来自欠指定请求的硬猜。两个组件的必要性都被消融数据直接证明。

6.2 一句话总结根源

安全性来自架构（确定性 schema + 执行前拦截 + 人机澄清），智能性来自模型的通用知识（视觉评估+参数权衡），两者正交组合让"零错误"与"跨域泛化"同时成立——而不是靠一个更强的模型硬扛。

七、必要知识反推

假设一个完全外行要复现这项工作，最少需要知道什么？

7.1 领域知识层（AFM 与扫描探针）

• AFM 成像物理：悬臂-针尖-反馈回路的工作机制，高度/误差双通道含义，前/后向扫描的差异——不知道这些就无法设计诊断视图，也无法理解为什么"最近 10 条扫描线"能暴露行间跟踪问题。
• 伪影分类学与成因：parachuting（反馈跟不上陡沿）、ringing（增益越过稳定裕度）、hysteresis/creep（压电非线性）、双针尖等——这是 AI-vision 评分维度、确定性检测器设计、Doctor 处理工具集三者的共同 vocabulary。不理解成因，就无法把"振铃了"翻译成"降积分增益"。
• 调参启发式与安全边界：专家的"升增益到振铃、退一点、压 setpoint"循环、setpoint 下限（保护针尖）、扫描速度上限——这些必须显式写进 Agent 提示词，是 LLM 决策的围栏。

7.2 方法论知识层（LLM 与 Agent 工程）

• 微调 vs 工具增强的取舍分析：知道微调把知识烙进权重带来的重训与静默错误问题，才会选择 MCP 路线。
• MCP 协议与工具注册表设计：schema、FastMCP 加载、会话内记忆保持——三 Agent 架构的地基。
• 错误分类学驱动的防护设计：先跑基准拿到错误构成（79% 单位错误 vs 65% 歧义错误），再针对性设计防护层——“先测量、后设计"的方法论。

7.3 工程知识层

• 仪器 API 自动发现：写脚本扫描 RePySPM 生成 129 工具注册表，而不是手写——可维护性的关键。
• 确定性数值检测器：边缘梯度+前后向不对称、频谱功率、互相关滞后等经典伪影量化方法（分别继承自 Kubo、Kohl、Chu 等的前序技术），作为 AI 评分的独立仪表盘。
• 评估设计：2747 场景基准构建、三测试集、temperature=0 精确匹配、错误人工分类；Wilcoxon 符号秩检验配对比较人类与 AI；prompt cache 成本控制。

7.4 知识融合的关键节点

• 融合点一：错误画像 → 防护架构。把"微调模型死于单位、工具模型死于歧义"的实证发现，翻译成"schema 强制 + 歧义拦截"的双层设计——领域错误分类学与 LLM 工程在这里化学反应。
• 融合点二：专家调参循环 → LLM 提示词约束。把数十年的 AFM 操作经验（参数耦合、安全边界、停止准则）编码为操作指令，让 LLM 在围栏内做专家级权衡——隐性专家知识第一次显式化为 Agent 约束。
• 融合点三：概率判断 + 确定性校验的双模评估。AI-vision 负责决策、Python 检测器负责审计、50% 分歧触发复查——两个认识论上互补的组件（通用但概率性 vs 狭窄但确定性）组合出可信系统。

八、论文中可以提取的通用性灵感

灵感一：安全来自架构，不来自模型

核心思想：对物理世界执行任务的 Agent，可靠性应通过"确定性接口 + 执行前校验 + 交互式澄清"分层保障，而不是指望模型本身不犯错。

论文证据：同一个 Sonnet 4.6，裸模型错误率 89.2%，加结构化工具降到 25.1%，加歧义检查降到 4.8%，交互式 MCP 澄清后归零——模型一个字没变，架构三层递进。

推广场景：(1) 工业机器人/数控机床的自然语言控制（错命令=撞机）；(2) 数据库运维 Agent（DROP/DELETE 前的歧义确认）；(3) 医疗设备操作助手；(4) 金融交易指令的 AI 代理执行；(5) 云基础设施变更管理（Runbook 执行前 schema 校验）。

灵感二：错误分类学先行，防护对症下药

核心思想：设计防护机制前先做错误构成分析——不同模型/配置的死法不同，防护层应针对主导错误类型设计，且错误类型会随架构迁移（消掉一类，另一类浮上来成为新主导）。

论文证据：FT 模型 79% 单位错误→用 schema 治；工具化 Sonnet 65% 歧义错误→用 AC 治；Opus 残余主要是工具选择错误。每一步防护都精确对应上一轮诊断。

推广场景：(1) Agent 系统的阶段性失败分析驱动迭代；(2) LLM 应用的回归测试分类体系；(3) 任何"先测量再优化"的可靠性工程。

灵感三：通用知识替代任务专用目标函数

核心思想：当任务质量是多维特征的综合权衡、难以压缩成单一标量目标时，用 LLM 的通用知识做直接评估，可以免去按任务定目标函数、按任务重训的成本，获得免费跨域泛化。

论文证据：LLM 视觉同时权衡高度图/误差图/扫描线/六类伪影，同一策略零重训跨四类样品与成像模式；对照 AILA 的遗传算法只能优化 trace-retrace 相似度这一设计者预设的量。

推广场景：(1) 通用代码/文档审查 Agent（质量是多维的）；(2) 实验通用性评估（色谱、质谱、电镜的"图谱好不好”）；(3) UI/UX 自动评估；(4) 材料合成条件的多目标权衡。

灵感四：概率判断配确定性仪表盘

核心思想：让 LLM 做决策、让确定性程序做独立审计，分歧超阈值触发复查——通用性与可复现性互补。

论文证据：AI-vision 驱动调参，Python 检测器并行打分，差异 >50% 触发 LLM 重查；严重度评分用语言锚点固定语义，专家标定阈值。

推广场景：(1) 医疗影像 AI 的第二读片系统；(2) 自动驾驶的规则兜底；(3) 金融风控中模型分+规则分的双通道；(4) 任何需要可解释审计轨迹的高风险自动化。

灵感五：职责切分——人类管意图，Agent 管执行

核心思想：“agentic operation 而非 self-driving lab”：把决策权分层，意图层留人类、执行层给 Agent，既降低安全风险也降低了验证负担（执行层可以独立基准测试）。

论文证据：三 Agent 各自独立可测试（Messenger 用 2747 场景基准、Pilot 用人类对比实验、Doctor 用人类参照处理）；论文明确拒绝端到端自主叙事。

推广场景：(1) 自动驾驶的接管设计；(2) AI 科研助手的边界划分（人定假设、AI 跑实验）；(3) DevOps 的审批流（AI 提变更、人批准）；(4) 具身智能的技能授权边界。

灵感六：API 自动发现生成工具层

核心思想：从现有代码库的 API 自动扫描生成 LLM 工具注册表，让"AI 接入老系统"的成本从手写工具降为跑一遍脚本，系统升级时注册表随代码自动同步。

论文证据：发现脚本扫描 RePySPM 生成 129 个 MCP 工具（含单位信息），仪器更新重跑脚本即可，无需重训模型。

推广场景：(1) 企业遗留系统的 AI 化改造（ERP/MES API 扫描）；(2) 开源软件的 AI 助手自动生成（如给 Gwyddion、ImageMagick 全 API 生成工具层）；(3) 测试框架的命令生成；(4) 多仪器实验室的统一 AI 接入层。

附录：一图看懂系统

人类操作员（保留实验意图）
    │ 自然语言指令
    ▼
┌─────────────────────────────────────────┐
│ AFM Messenger（MCP）                     │
│  · 129 工具注册表（RePySPM 自动发现）     │
│  · 歧义检查层：缺值/单位不清/轴不明/意图   │
│    模糊 → 退回澄清，确认后才执行          │
└───────────────┬─────────────────────────┘
                │ 经校验命令
                ▼
           真实 AFM 硬件 ──► 高度/误差数据
                │                  │
                │                  ▼
                │   ┌──────────────────────────────┐
                │   │ AFM Pilot（闭环调参）          │
                │   │  · AI-vision 六类伪影 0–1 评分 │
                │   │  · 有界更新 setpoint/增益/速度 │
                │   │  · Python 确定性检测器交叉校验  │
                │   └──────────────┬───────────────┘
                │                  │ 最终图像
                │                  ▼
                │   ┌──────────────────────────────┐
                │   │ AFM Doctor（后处理）           │
                │   │  · 预批准透明工具集内选择       │
                │   │  · 诊断 + 级联修正 + 报告       │
                │   └──────────────────────────────┘

关键数字速查：错误率阶梯 89.2% → 25.1% → 4.8% → 0.0%；2747 场景基准；129 个 MCP 工具；vs 5 名人类操作员四项终点 p=0.063–1.000；95% prompt cache 命中率。