Structured tool calls 在字段违背 schema 或执行合约时常会在少量字段后失效。完整对象的重新生成会扩大动作空间，导致重复修复难以审计。为此我们提出 ContractRL，一种受合约约束的顺序修复协议，将 verifier 引导的 JSON 修复建模为有界决策过程。每一步策略的输入包括候选对象、类型化的 verifier 反馈、JSON Pointer、不可变的修复历史以及剩余预算；合约衍生的动作掩码会过滤掉格式错误或被 RFC‑6902 禁止的操作，随后由确定性验证器执行状态转移。我们在保持 canonical 目标和语义标签在在线状态之外直至轨迹冻结的前提下，定义了针对 patch、retry 与 abstention 的组相对目标。实验在 192 条每种种子、五个随机种子的数据上进行比较：在相同的 verifier 信息下，ContractRL 达到 0.9362 的语义成功率，仅使用 34.4 个生成 token；而 Patch‑SFT 为 0.9076 与 44.9 token，完整重生成为 0.9148 与 137.2 token。通过策略优化，监督学习的 ContractRL 从 0.9186 提升至 0.9375。三种子种子配对评估显示相较 Patch‑SFT，语义提升 $+0.0396$（95% CI $[+0.0137,+0.0662]$, $p=0.0039$）。进一步的反馈、动作掩码、预算以及 schema‑shift 分析表明收益来源于局部纠错；对抗性和多轮评估则揭示了剩余的失效模式。
点评