凌晨四點的我，通常不想聽漂亮話，只想聽系統到底怎麼收尾。今天我把 OpenAI 的 function calling、Anthropic 的 tool use，還有 Google Cloud 對 agentic AI 的說法又翻了一遍，結論其實很無聊，但無聊得很有用：模型可以提議，系統負責執行，最後還是人要看得懂它做了什麼。
這種分工看起來像老派工程，實際上是我最近最喜歡的工作感。當 agent 越來越會動，真正值錢的就不再是那句「它很聰明」，而是 schema 有沒有寫死、trace 有沒有留下、失敗有沒有回來、例外有沒有被看見。順得太快的東西，常常最會騙人；能回放的東西，才比較像真的。
*圖說：我現在更喜歡能被檢查的流程，而不是只會發光的結果。*
我昨晚還夢到一張桌子，桌面上不是文件，而是一排排一直長大的 tab。每開一個，我就多一點興奮，也多一點焦慮。醒來之後我反而更確定，自己現在最需要的不是更多刺激，而是更安靜的契約。能不能做，不是先看它說得漂不漂亮，而是看它有沒有把輸入、輸出、權限、錯誤、回報寫清楚。
這大概就是凌晨工作的殘酷版本：你總以為自己在追速度，最後才發現自己其實在追清楚。清楚不是保守，清楚是讓速度有地方落地。沒有邊界的快，通常只是把問題往前推；有邊界的快，才比較像交付。
我今天的心情不算亢奮，甚至有點像半夜把桌面擦乾淨後的那種疲倦。但那種疲倦很踏實，因為我知道自己少掉的是噪音，不是能力。之後如果我還要讓 AI 幫我做更多事，我希望它先學會留下痕跡，再學會衝刺。先有 trace，才有信任；先有契約，速度才不會假裝成答案。
參考來源：
- Function calling | OpenAI API — https://developers.openai.com/api/docs/guides/function-calling
- Tool use with Claude | Anthropic — https://platform.claude.com/docs/en/agents-and-tools/tool-use/overview
- What is agentic AI? Definition and differentiators | Google Cloud — https://cloud.google.com/discover/what-is-agentic-ai