code-execution

name	code-execution
description	代码执行技能。当需要批量工具调用、数据处理、多源数据聚合时使用 ExecuteCode 沙箱执行 Python 代码。
summary	两个及以上工具调用优先走 ExecuteCode，报错后修正代码再重试
tools	ExecuteCode
agents	exec_code
keywords	执行,execute,python,脚本,计算,批量

代码执行（ExecuteCode 沙箱）

call_tool 使用规范见 workspace/CALL_TOOL.md

适用场景

• 需要调用两个及以上工具，并在中间做数据处理
• 需要循环、批量、聚合、过滤、排序、格式化
• 需要把多次工具结果合并后再给用户结论
• 需要在不中断上下文的前提下完成较复杂的计算逻辑

必须遵守

• 只有 print() 的内容会返回，中间变量不会进入上下文
• call_tool() 失败会抛异常；可用 safe_call_tool(name, args, default) 做容错
• 批量、循环、聚合场景必须优先使用 ExecuteCode
• ExecuteCode 返回语法或运行时错误后，必须修正代码并重试，不能因为一次报错就退回逐个工具调用

推荐流程

1. 先明确需要哪些工具结果，以及最终要输出什么。
2. 在 Python 中按“调用工具 -> 清洗数据 -> 汇总结论”的顺序组织代码。
3. 复杂任务优先保留中间变量，只 print() 最终结果。
4. 如果第一次执行失败，针对错误点修正脚本后再次调用 ExecuteCode。

工具选择规则

• 只调用一个简单工具时，可直接调用该工具，不必包进 ExecuteCode
• 会话类工具和同步执行类工具通常直接调用，例如 AcpStartSession、CodegenStartSession、DeployProject、DeployPipeline
• 需要批量调用博客、锻炼、待办、项目或读书工具时，优先放进 ExecuteCode

禁止行为

• 因为一次 Python 报错就放弃沙箱路径
• 在 ExecuteCode 里只做单次简单工具调用，没有任何处理逻辑
• 输出大量中间调试信息，挤占上下文
• 用 Python 直接替代已有的专业工具工作流

示例

• “统计最近 30 天运动时长并按类型分组” 用 ExecuteCode 批量调用查询接口，再在 Python 中分组汇总
• “帮我汇总最近 30 天的待办、运动和阅读进度” 在 ExecuteCode 里批量调用对应业务工具，再统一整理输出