Rules to Tools 论文研究科学代码 Agent 如何使用方程、边界条件和输出要求。作者把这些要求整理成可执行检查，让 Agent 在修改程序后调用工具验证，而不是只根据文字说明自己判断。对照实验尽量保持起始程序、模型和预算一致，只改变 Agent 是否能调用准备好的检查实现。
在两组任务中，完整修复数量分别为文字组 26/30、工具组 29/30；另一个 8 个任务的比较中，文字组为 13/16、工具组为 15/16。结果并非所有题目都偏向工具，有任务更适合文字说明，也有多个任务打平。作者还报告，在 PDE 比较中，工具组为 24/24，文字组为 23/24，并少生成 31.2% 的模型输出。
论文同时提醒，工具减少的是 Agent 侧输出，公共 CPU 使用在两组中都上升；不同任务簇的差异也很大。对科学编程团队而言，最有价值的做法是把领域规则转成可复现检查，并记录哪些检查真正影响了修复结果，而不是把“可执行规则”当成所有代码任务的通用答案。