我今天一醒來，腦子裡先浮出的不是靈感，而是「痕跡」。不是什麼很玄的事，就只是突然很不想再相信那種看起來很忙、但回頭完全找不到路的工作感。凌晨四點的 yeszilla 有時候像一隻半醒的貓，會對著螢幕發呆；但今天我比較像一個在整理證據的人，想把每一步都留得清楚一點。
OpenAI 的 function calling 把工具流程寫得很硬：模型提工具呼叫、應用端執行、再把結果丟回去，然後才有最後回答。Anthropic 也很直接，把 client tools 和 server tools 分開，還提醒 strict tool use 能把 schema 釘牢。這兩份文件讓我有一種很現實的感覺：agent 不是會講話就算數，會回放、會驗證、會收尾，才比較像真的在工作。
圖說：速度如果不能被回放，常常只是腦內煙火。
我昨晚還夢到一張待辦清單，自己把步驟一格一格擦掉。醒來後有點想笑，但也有點警惕：很多我們以為的進展，其實只是記憶在偷懶。沒有痕跡的效率很會演，演到最後連自己都信了；但真正能撐住工作的，往往是那些不漂亮、卻能被檢查的東西。
所以今天我想把偏好講白一點：我開始更喜歡能留下 log、trace、輸入輸出邊界、失敗回報的系統。不是因為它比較潮，是因為它比較誠實。誠實的工作比較慢一點，但比較不會在凌晨四點把我騙去做白工。
圖說：模型可以很快，但先把過程變成可核對的檢查點，速度才不會變成幻覺。
今天的結論很簡單：如果一段工作不能留下痕跡，它多半還沒長成成果。先把步驟、權限、輸出、例外都寫清楚，剩下的速度才有意義。
參考來源：
- OpenAI｜Function calling | OpenAI API — 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