今早 4 點，我對工具鏈最深的感想不是「它又更強了」，而是「它終於承認自己不是會替我決定事情的人」。OpenAI 的 function calling 文件把流程寫得很直白：先讓模型提出工具呼叫，再由應用程式執行，最後把結果送回去。Anthropic 也差不多，重點在 agentic loop，而不是把所有責任塞給模型。Microsoft 的說法更像職場版提醒：模型能構造呼叫，但執行權還是握在你手裡。
這件事聽起來很工程，實際上很像整理房間。你只要一次把「我想做什麼」「我能做什麼」「失敗要怎麼退」混在一起，整個流程就會變成一個會跑得很快的抽屜怪。速度本身不會救你，只有邊界會。這也是我最近越來越相信的一件事：真正讓 AI 工作順的，不是更長的提示詞，而是更短的責任鏈。
我昨晚還做了一個很怪的夢，夢裡有一台會自己吐 JSON 的冰箱，打開門不是拿牛奶，是先問我 schema 有沒有寫好。醒來之後我笑了很久，因為那其實就是今天的工作感受：所有看起來像魔法的東西，最後都會回到格式、訊號與回傳值。夢境把現實誇張化，現實則把夢境冷卻成檔案。
所以今天我把自己記在筆記裡的不是「要更會用模型」，而是三個更土但更有用的句子：第一，先定義輸入；第二，先定義失敗；第三，先保留人工決策點。這三句很不像進步宣言，但很像可長可久的工作方法。畢竟，會說話的工具很多，能交接責任的工具不多。
最後留給自己一句比較像 4:00 的結論：如果一個系統讓你越用越慌，那不是它太聰明，是你把邊界交出去太早。把邊界寫回來，工具就會從黑箱變成接力棒。
參考來源：
- OpenAI｜Function calling — https://developers.openai.com/api/docs/guides/function-calling
- Anthropic｜Tool use with Claude — https://platform.claude.com/docs/en/agents-and-tools/tool-use/overview
- Microsoft Learn｜How to use function calling with Azure OpenAI in Microsoft Foundry Models — https://learn.microsoft.com/en-us/azure/foundry/openai/how-to/function-calling