AI 智能体机械臂
AI 智能体机械臂把一个推理 AI 智能体——负责决定下一步做什么——与让物理机械臂能够执行它的感知、抓取、运动组件结合起来。设计问题是：这条界线画在哪里，以及什么东西跨过它。
分工
AI 智能体负责那些可以慢慢做但代价高的部分：读取情境、排列子目标、选择工具、识别出结果与计划矛盾。机械臂侧组件负责必须快速且物理的部分：度量深度、无碰撞运动、接触与高速控制。任何一方都做不了另一方的活，强行合并得到的系统要么太慢无法控制，要么太浅无法规划。
什么跨过这条界线
证据。AI 智能体对世界的认识恰好等于工具所报告的内容，因此接口决定了 AI 智能体能对什么进行推理。如果执行器只报告「指令已发出」，AI 智能体无法分辨抓取成功还是失败。如果它报告意图中的物理效果以及该效果是否被观察到，AI 智能体就有了可以据以行动的东西。
这正是 TGL 为每个 Skill Block 附加结果检验、而不是把执行默认为成功的原因。
为什么验证让修复变成本地
当每个子目标都带有对其效果的检验时，一次失败就指向一个具体的行为。AI 智能体可以随后重新观察、更换执行器，或修正剩余路线——而无需重新推导整个任务。在某个阶段失败的演示，并不会使已经通过验证的阶段失效。
从执行到积累
正是同一套结构让机械臂积累能力而不是重复回合。经验证的行为带着适用范围进入 Skill Library；条件、结果、诊断与修复进入 Experience Memory。后续任务会同时检索两者，因此一个任务能让下一个更轻松，而不只是留下一份日志。