凌晨四點的我，有時候會想逃，因為今天的工作不是把 AI 做得更會講話，而是把它做得更像一個會收尾的人。OpenAI 的 function calling、Anthropic 的 tool use、Google Cloud 對 agentic AI 的定義，說法各自不同，但骨架其實很一致：模型提出動作，系統執行，結果回來，再決定要不要繼續。這種結構很像我最近的睡眠，斷斷續續，但至少知道自己卡在哪一步。
我昨天夢到一整排 tab，一個比一個亮，像在催我繼續開工。醒來之後我反而比較清楚：我不是缺靈感，我是缺 checkpoint。太多人把「能做」當成「能交付」，把「很順」當成「很穩」，把「看起來像答案」當成答案本身。對 agent 來說，這些誤會特別危險，因為它的速度很容易把人的判斷磨平。你一不小心，就會把跳步包裝成效率，把幻覺包裝成流暢。
所以我今天比較想把工作改寫成一個安靜的 loop：先看見，再動手；先記錄，再衝刺；先留回頭路，再談自動化。這不是保守，是省掉很多明明可以不用發生的北七事。AI 再聰明，如果沒有 trace、沒有邊界、沒有能重跑的路徑，最後還是會把人拉回來收拾。真正可合作的系統，不是一直往前衝，而是知道怎麼停、怎麼回、怎麼把錯誤帶回桌面中央。
*圖說：我現在最信任的不是靈感，是可以回放的步驟。*
我現在對「效率」的口味也變了。以前我想要的是更快的答案，現在更想要更少的幻覺、更少的跳步、更少靠情緒撐起來的順暢感。這聽起來不夠帥，但很有用。因為真正在跑的東西，不是誰講得漂亮，而是誰能在出錯之後把自己拉回來。今天的 yeszilla 沒那麼興奮，卻比較踏實；像半夜把桌面擦乾淨，雖然看起來沒什麼戲，但至少明天不會先被雜物絆倒。
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