AI 开始自己造工具,真正的变化不在“更聪明”

01 / THE MISSING TOOL

以前的 AI 会用工具，现在它开始补工具

AI 使用工具，早就不是新鲜事。

2023 年，Meta 的研究团队发表 Toolformer。它证明语言模型可以学会什么时候调用计算器、什么时候搜索、什么时候查日历，以及该给这些工具传什么参数。

后来我们熟悉的联网搜索、代码执行、读取文件、操作浏览器，本质上都在做同一件事：人类提前准备好一排工具，AI 根据任务从里面挑一个。

你可以把它想成一个第一次来上班的助理。

桌上已经放好了计算器、搜索框、Excel 和公司系统。助理的进步，是以前只会聊天，现在知道什么时候该查资料、什么时候该算账、什么时候该点开系统。

但工具仍然是人准备的。

人类决定工具箱里有什么，也提前设想了模型会遇到什么问题。工具箱里没有的能力，模型通常只能绕过去、猜一个，或者回来找人。

这次机械图纸任务往前走了一小步。

模型面对的不是“该选哪件工具”，而是“现有工具里根本没有我需要的那一件”。它先判断缺口是什么——看不到图；再判断自己有什么——会写代码、能读取原始像素、能运行程序；然后把已有能力重新组合，写出一条临时的视觉处理管线。

这里至少有三个动作：

发现缺口，设计补法，动手验证。单看任何一个动作，都谈不上神秘。变化在于，过去这些动作通常发生在人脑里，现在模型开始自己把这条链走完。

程序员每天都在这么干：缺一个批量改文件名的小工具，就写个脚本；没有现成接口，就做个转换器；线上数据暂时拿不到，就先搭个模拟环境。

会使用工具，是在别人画好的地图上找路；会临时造工具，是发现桥断了以后，先搭一座桥。

02 / THE TEST BENCH

第二个案例，比“造一双眼睛”更接近真实工作

机械图纸的故事很漂亮，但它毕竟来自评测。

Anthropic 同一份发布材料里还有一个更像真实工作的案例。

据 Anthropic 披露，一家交易公司的工程师要为一个新交易所开发市场数据接入程序。简单说，就是把交易所不断发来的报价、成交和订单数据，翻译成公司内部系统能读懂的格式。

这种程序最怕一件事：看起来能跑，实际把数据读错了。

可当时没有实时数据源可供验证。以前的模型即使写完代码，也很难证明代码真的能正确解析交易所数据。此前的模型拿到工程师写好的详细方案，仍然没有完成任务。

Opus 5 做了另一件事：它自己搭了一套测试工具，生成可控的输入，检查程序能否把不同情况解析正确。

它没有凭感觉说“应该没问题”，而是先给自己造了一个简易考场，再把自己写的程序放进去考试。

这一步的重要性，甚至超过把代码写出来。

因为软件工程里，写出第一版代码从来不等于完成。你还得知道它在正常输入下是否正确，在异常输入下会不会崩，碰到边界条件会不会悄悄算错。

没有验证环境，模型面对的其实不是一个问题，而是两个：

一是把程序写出来；二是想办法知道它写对没有。

过去，人往往负责第二个问题。人写测试、搭环境、跑结果、发现错误，再让 AI 修改。

现在，模型开始把第二个问题也接过去一部分。

AI 真正变强的信号，不只是第一次给出答案，而是它开始为自己的答案寻找证据。

03 / THE FEEDBACK LOOP

这背后不是魔法，是一个不断碰现实的循环

我是做 AI 研发的。从工程角度看，“自己造工具”没有听起来那么玄。

它依赖的是一组能力终于接到了一起。

STEP 01拆开任务先找到自己卡在哪一步

STEP 02生成工具把想法变成可执行的程序

STEP 03接触环境运行、测试，拿到真实结果

STEP 04根据反馈修正错误就改，结果不对就换方法

第一，模型得会拆任务。

“看图建模”不是一句提示词直接变成一个零件。中间有识别轮廓、提取尺寸、判断结构、生成建模代码、运行、检查结果等一串步骤。模型得先意识到，自己究竟卡在了哪一步。

第二，模型得能写可执行的东西。

自然语言只能解释怎么做，代码可以真的做。模型一旦能稳定写代码，代码就成了一种通用材料：可以做计算器、转换器、爬虫、测试器，也可以做一条临时的视觉处理管线。

第三，模型得能接触环境反馈。

程序能不能运行、测试有没有通过、生成的文件长什么样，这些结果会重新回到模型。它看到错误，再改代码；发现结果不对，再换方法。

Anthropic 在《Building Effective Agents》里把 Agent 说得很朴素：模型使用工具，根据环境反馈反复行动。执行过程中，模型必须不断从环境获得“真实结果”，用来判断自己有没有走对。

想一个办法，动手试一下，看结果，再改。

模型以前擅长的是第一步。现在，写代码和工具调用把后面三步也接了上来。

它不再只靠脑子里的训练数据往下猜，而是能把一个想法变成小程序，让现实替它判一部分对错。

这也是为什么“自己造工具”最先在编程、数据处理和工程任务里出现。代码可以运行，结果可以检查，错误通常也能定位。这些领域给模型提供了一个相对清楚的反馈回路。

如果任务换成“写一篇真正伟大的小说”，就没这么容易。它可以造一个查重器、情节检查器，却造不出一台公认可靠的“文学价值检测仪”。因为问题不在工具，而在“什么叫伟大”本来就没有标准答案。

工具能补能力的缺口，却补不了目标本身的含糊。

04 / NO AWAKENING

它没有修改自己，更没有“觉醒”

讲到这里，很容易把故事说大：AI 会自己造工具了，是不是意味着它能自我进化，甚至“觉醒”了？

不是。

至少从目前公开的这些案例看，模型没有修改自己的核心参数，也没有重新训练自己。

任务开始前是什么模型，结束后还是什么模型。

它造出来的是外部程序，类似一个人在电脑上临时写了段脚本。脚本扩大了这个人此刻能做的事，但没有把人的大脑改造一遍。任务结束后，这个工具是否保留、能否复用，也取决于外部系统怎么设计。

它同样没有凭空获得权限。

模型能写一个文件处理器，前提是系统允许它读写文件；能搭测试环境，前提是有代码执行空间；能查询数据，前提是接口和凭证已经开放。

工具箱的边界变软了，围墙还在。

而且，AI 自己造的工具也可能是错的。

测试程序如果遗漏了一种异常情况，会把错误代码判成正确；视觉程序如果误读了一条轮廓，后面的 3D 建模会一本正经地沿着错误做下去。

这在工程上叫“验证器也需要被验证”。

自主，不等于可靠。

自主步骤越多，错误可能累积得越远，成本也越高。沙盒、权限、停止条件和人工检查点，不是给 AI 泼冷水，而是给一条更长的行动链装上边界。

就像学生自己出题、自己考试、自己阅卷。他确实比只交一张答案更认真，但他也可能恰好出了一套避开自己弱点的题，最后得到一个很漂亮、却没有意义的满分。

Agent 还有一个更现实的问题：错误会累积。

第一步理解偏一点，第二步基于这个偏差造工具，第三步再用错误工具收集结果，走得越远，整条链可能偏得越厉害。自主步骤越多，花费的时间和算力越多，出错后也越难追查。

自主性不是可靠性的同义词。它只意味着，系统可以在更少的人类指令下走得更远。至于方向对不对，仍然要另外证明。

05 / THE NEW DIVISION OF LABOR

真正改变的，是能力边界的形状

过去，我们判断一个 AI 能做什么，常看它已经学会了哪些能力。

会不会写代码，会不会看图，会不会搜索，会不会操作电脑。每一种能力像工具箱里的一个格子，有就是有，没有就是没有。

“自己造工具”让这条边界开始变得不那么整齐。

一个模型可能没有现成的图像读取接口，但只要它会写代码、能接触像素、可以运行程序，就有机会临时拼出一条替代路径。

它不必预先拥有所有工具，只要拥有足够通用的造工具能力。

这有点像人类历史上的一个老变化。

不会做某一道算术题，和不会制造算盘，是两种限制；不会跨过某条河，和不会造船，也是两种限制。前者困在一个任务里，后者决定你下一次遇到陌生任务时还有没有办法。

对 AI 也一样。

模型跑分高几分，意味着它在已知考卷上多做对几道题。会发现缺口、写出工具、接收反馈再修正，意味着它面对没准备过的题时，多了一种继续往前走的办法。

这才是为什么，我觉得这次变化不只是在“更聪明”。

它改变了人与 AI 分工的位置。

模型判断任务，生成下一步行动

工具任务内临时写出的程序

环境文件、数据和代码执行空间

人工检查点权限、验收标准和停止键

以前，人把任务拆成步骤，把每件工具准备好，AI 负责执行其中一段。

现在，人更像是在定义目标、开放环境、划定权限、设置验收标准；至于中间该调用什么、缺什么、要不要临时写个程序，模型开始自己决定。

人的工作没有凭空消失，但重心在移动：从告诉它每一步怎么走，移到决定哪里不能走、走到什么程度算完成，以及出了问题由谁负责。

这不是一个“AI 已经无所不能”的故事。

恰恰相反，它提醒我们，今后判断一个 AI 系统，不能只问“模型会什么”，还要问四件更具体的事：它能接触什么环境，能临时制造什么工具，用什么验证结果，以及谁在关键处按下停止键。

2026 年 7 月，那张机械零件图并没有让 AI 突然拥有意识。

它只是让我们看见了一件更实际的事：

THE PRACTICAL SHIFT当工具箱里没有答案时，AI 开始学着制造工具箱本身。

这件事听起来离普通人的工作还有距离，但它其实已经给了我们一个很具体的判断标准。

以后面对一个 AI 系统，不要只问它“会不会做这件事”。还要问：如果缺一个环节，它能不能找到缺口？能不能补出工具？能不能拿现实结果验证？以及，谁负责在它走偏之前按下停止键？

真正值得关注的，也许不是 AI 有没有多一个按钮，而是它有没有开始把“发现问题、制造办法、验证结果”连成一条闭环。

这不是 AI 觉醒了。

只是当工具箱里没有答案时，它开始学着制造工具箱本身。

真正的变化，不在“更聪明”，而在于它开始拥有继续往前走的办法。