夜雨聆风很多人以为 AI 只能写个一次性小脚本
很多人跟我聊起 AI，第一反应都是「写个小脚本」——翻译个文档、下个视频，用完就丢。这想法不怪，但容易把路走窄：工具越攒越多，每个各写各的，没有一个统一入口，换台电脑就找不着，跑起来还得记一堆命令。
我攒这套系统的时候，想的不是再写一个小工具，而是先把架构立住——让零散的活能拼到同一个框里。拼进去之后，加功能就变成填一张表，而不是重写一套。
让零散变系统，靠的是一个「统一契约」
真正把这一堆串起来的，不是某个更聪明的模型，而是三件事：一张入职表、一个加载器、一个总管。
最关键是先定死「每个工具长什么样」。我在系统里立了一条规矩：一个工具就是一个文件夹，里面必须有一份 tool.yaml 写明「它是干嘛的、要什么参数、触发词是什么」，再加一个 execute() 函数干活。比如翻译工具，tool.yaml 里写清关键词「翻译 / 文档 / Excel」，要一个文件、一个目标语言；底下 translate.py 只管实现 execute()。所有工具都按这张表来，长得一模一样。
再说加载器，它负责自动点名。系统一启动扫一遍工具目录，看到有 tool.yaml 的文件夹，就自动把它当成一个「员工」注册进系统——加新工具不用改主程序一行代码，建个文件夹、填好表就行。我现在工具箱里已经装了二十多个这种员工。
最后是总管，负责派活和隔离。你打字说「帮我把这份合同翻成英文」，意图匹配器按关键词打分，挑最像的那个员工；真跑的时候，每个工具在独立子进程里执行，一个崩了不影响别的。底层我再统一封了一个 LLM 客户端，不管接的是哪家的兼容接口，工具只管调一个 call_llm，不用关心协议细节。下视频、做翻译这些脏活，GitHub 上早有成熟开源库，我直接当零件接进来，不用自己造轮子。
差的从来不是模型，是架构
这事最深的感受：大家说「AI 只能做小工具」，其实卡住的从来不是模型能力，是没人把架构搭起来。一个统一的脚本规范，比多接十个模型都管用——它让加功能变成「装插件」，而不是「重写一套」。
GitHub 上能借的轮子多的是，真正费脑子的，是把业务想清楚、把它们串成一条流水线。我现在这套东西，难点不在算法，在那一开始定下的契约和加载逻辑——那才是把零散变系统的关键。你如果也攒了一堆零散脚本，不妨先定一个自己的契约，再让加载器替你点名：攒着攒着，就是一套系统了。
觉得有用就点个关注，攒着慢慢看。