给 AI 以工具,而不是给工具以 AI

先说一件让我有点意外的事。

前阵子我做了个小实验。我用app排好一张传统的八字盘——天干地支、大运、流年，一格一格排得清清楚楚。然后我把这张排好的盘，整段复制，丢给了 Kimi K3，让它把这套符号体系解读一遍。

它解出来了。解读得极其精准。里面提到的几个流年节点，跟我实际经历的事对得上。

我盯着屏幕看了半天。它答得对，这不稀奇。稀奇的是 —— 按我的常识，它根本不该答对。

过去两年，我对 AI 干这活是有定论的：不行。

这套干支体系看着像个符号游戏，底下压着的却是一堆死规矩。你让它排个大运，十次能错七八次。六十甲子的顺序背得乱七八糟，节气交接的日子算不对，起运的岁数更是随口就来。排盘这个地基本来就是歪的，后面它再一本正经跟你讲结构，那不成瞎扯了么？

但这一次它站住了。同样的 Kimi，同样是我，同样的盘。唯一的区别是：我没让它排，我让工具app排完再给它。

我一开始以为撞上它这次没犯病。后来越想越不对劲——这哪是运气。这是我以前把活派错了人。

把这件事拆开看。

排一张干支盘，本质上是一套纯确定性的历法计算。年月日时怎么折算成天干地支，节气在哪天交接，大运从几岁起、几年换一步，每一步都有唯一正确答案，一分一毫都差不得。这玩意儿是「算」，不是「想」。

而大模型最不擅长的，恰好就是「算」。

它不是一个计算器，它是一个靠概率往外吐字的语言模型。它知道「甲子」后面跟「乙丑」，是因为训练数据里这个搭配见了太多次。可你要它从某个日子开始，一格一格推六十步，中间还夹着闰月、节气、真太阳时——它一定会漂。就像让人闭着眼、听别人报坐标去打《超级马里奥》，你说他掉不掉坑？

它哪是不行。是我让它用嘴去干算盘的活，还怪它算得慢。

于是就有了这篇文章的题目——给 AI 以工具，而不是给工具以 AI。

这个句式是我偷来的。刘慈欣在《三体》里写过「给岁月以文明，而不是给文明以岁月」，再往上追，是化用帕斯卡那句「给时光以生命，而不是给生命以时光」。套到 AI 上，我实在找不到更贴切的表达。

两个方向听着像绕口令，差的是主体的位置。

「给工具以 AI」，是我们这几年的默认操作。做一个排盘小程序，底下接个模型，加个「AI 智能解读」按钮；做一个写作插件，塞个「AI 润色」。在这种思路里，工具是主体，AI 被塞进去当一个功能。你等于把一个什么都会聊的大脑，硬按在了一格一格的工位上，让它当螺丝钉。

反过来，AI 是那个坐驾驶位的人，工具是它手边的家伙什——需要算，递计算器；需要查，递检索；需要看，递一双眼睛。

一字之差，一个大脑的命就完全不一样了。

这件事，最近有人用最硬的方式证明了。

MIT 的何恺明团队前几天挂出一篇论文，叫 VISTA，在推特上炸了。他们干的事，说白了就一句：没换模型，只给模型换了一套「看」和「记」的方式。

ARC-AGI-3 是今年 3 月出的 AGI 考卷，一堆从没见过的像素小游戏，开局没有任何说明和规则，全靠自己试错摸规则。在此之前，官方考场递给模型的，是一张 64×64 的数字表——人眼里的小人、机关、路线，到模型那儿只剩 4096 个数字。

VISTA 做的第一件事，就是把数字表换回一张图。别的什么都没改。

结果：

同一个 Claude，一分参数没动，从 40 分干到满分，走的步数甚至比第一次玩这游戏的人还少一半多。

第二件事是给模型配一本「相册」。一局游戏要好几百步，模型看图看一遍，上下文一满就删了。等它想回头核对某一步的画面，那一帧早灰飞烟灭了。VISTA 就把每一帧原样存档，模型想看哪一帧，随时喊一声调出来，还能几帧并排对比、放大角落。第三件事更简单——给它两个笔记本，一本记已经确认的规则，一本当草稿纸。

然后是最反直觉、也最该记住的一组数：

给得多，不等于给得对。

论文里有个细节特别像人：游戏里出现一个橙色方块，模型点了一下，方块变成了 X。它没急着往下走，先把操作前后的几帧动画调出来，一帧一帧比对，看懂了才继续。最后它自己在笔记里写了一句：「这就是我要的工具，用它搭天花板，挡住会要命的上升。」

还有个对比我特别喜欢。这个夏天，一帮高手为了让 AI 打穿这场考试，给每个游戏硬写模拟器——光一个跳棋游戏就写了 4000 行 Python。而 VISTA 里的模型，自己在笔记里写了三句话，就把同一套规则拿下了。

写 4000 行代码的，和写 3 句笔记的，用的是同一个基座模型。

ARC Prize 的联合创始人有句话，我觉得会越来越准：未来越来越多的「学习」，会发生在模型权重之外。

现在你再看我那张盘，就明白发生了什么。

排盘那部分——六十甲子、节气、起运时间，是确定性计算，交给工具，一格不错。解读那部分——把一堆天干地支、五行生克，翻译成一段人能看懂的结构描述，是符号到语义的映射，是语言和模式的活。这恰好是大模型的主场。

我翻了翻网上的实测，这事其实有一堆人踩过坑，只是很多人踩完了，结论是「AI 不行」。有个博主拿同一组参数，把几款热门大模型挨个测了一遍，发现通用大模型普遍缺一个严谨的算法引擎，经常在基础排盘和大运时间线上出幻觉。豆包的大运表甚至出现过年份倒挂；DeepSeek 换个参数重测，能把干支属性判错；Kimi 考据一堆古籍原文，但太依赖书本上的静态规则，不懂结合整体结构灵活变通。

这几家的毛病，全出在同一个地方：该算的没算准，该想的没敢想。

而我的做法，无非把两件事分了个工。排盘交给引擎，解读交给 Kimi。 地基先打正，上面那层楼它才盖得起来。

说到这儿，你可能觉得：行，这套盘看明白了，跟我有什么关系？

关系大了。

你回头看看自己手上那些「AI 干不了」的事，有多少是真干不了，有多少只是你没给它工具。

写代码的：你让它凭记忆写，它给你编 API、编函数名；可你要是把真实的报错、真实的源码、能跑的测试递给它，它立马换一个人。编译器、测试、抓取，都是它的工具。

做视频的：你让它「帮我剪个片」，它抓瞎；但你把渲染引擎、ffmpeg、字幕工具接到它手上，它就能一格一格把活干出来。

写文章的：我自己有个体会，让 AI「给我写一篇」，出来的东西又空又硬；但你把原文、把素材、把真实的例子喂给它，出来的东西天上地下。工具给得越实，它才越像在干活，而不是在表演干活。

这两年聊 AI，绕来绕去就三个阶段。有人总结得特别好：

大多数人卡在第一步，还在琢磨怎么把话说得漂亮点，整那点虚的，指望靠一句咒语让模型封神。真正拉开差距的是第三步——你给它搭的这套家伙什，够不够称手。

所以下次你看着 AI 的答案，心里冒出「这也不行啊」的时候，先别急着换个更贵的模型。

先问自己一句：我是嫌它脑子不行，还是我让它赤手空拳上的？

多半是后者。

VISTA 那帮人已经把这道理摆到桌面上了：同一个 Claude，同一套权重，40 分和 100 分之间，差的是外面那双眼睛和那本相册。

AI 最值钱的地方，是替我们把意思想明白。 算的那部分，本来就该交给工具。

别急着换一个更聪明的它。先看看你手里那副工具，递给它了没有。