AI 是工具，用好它需要技能

在2026年10月11日的文章“'AI'不是工具”中，Rich Hickey 认为 LLM 是自动化而非工具，因为人们无法驾驭它们。我同意把工作外包出去会让我们失去学习的机会。但他的结论并不成立。即便按他自己的定义，LLM 也可以成为人类所驾驭的东西。而且用好它需要技巧，就像使用其他工具一样。

拿起锯子并不能保证切得笔直。握着凿子并不能让你成为雕塑家。工具既能放大糟糕的判断，也能放大良好的判断。它们的用处取决于操作者引导它们、解读反馈、识别错误并加以纠正的能力。这些要求同样适用于 LLM。

LLM 的不可预测性是一个实实在在的局限。但可预测性、可靠性、简单性和功能有界，是我们用来评价工具的品质，而不是成为工具这一类别成员的前提条件。工具不会因为难以控制或容易被误用就不再是工具。

Hickey 对工具与自动化的区分还制造了一种虚假的二分。自动化可以是工具的一个特性。编译器在程序员不持续指导每一步操作的情况下完成大量工作。电子表格无需有人手动执行每一次计算就能重新计算结果。我们仍然通过指定输入、检查结果并决定下一步做什么来驾驭这些系统。既然自动翻译代码或自动计算数字不会使一件工具失去工具资格，为什么自动生成文本就该如此呢？

关于使用 LLM 缺乏意图、反馈、方向和专业知识的说法尤其难以站得住脚。程序员可以要求 LLM 解释不熟悉的代码，质疑该解释，查看源代码，测试所提议的改动，拒绝它，并改进请求。这是一个由追求某个目标的人所引导的反馈循环。要做好这件事，需要知道该问什么、哪些证据重要，以及答案何时是错的。专业知识能让这件工具更有用。

Hickey 对阅读的担忧在一种特定用法上是有道理的：用摘要代替阅读论文，可能会牺牲掉阅读所教给你的很多东西。但一个人也可以先读论文，再用 LLM 来质疑自己的理解、探讨一个反对意见，或找出需要更仔细审视的地方。存在回避脑力劳动的可能性，并不能证明每一次使用都在回避它。相关的问题是这个人实际做了什么。

最让我失望的是对 AI 产业拟人化词汇的依赖：“失控”“逃出围栏”“密谋”。重复这些说法，就有接受那种让这些系统听起来像独立存在的框架的风险。软件可能产生意外输出、不遵循指令，或在被赋予能造成重大后果的操作权限时造成伤害。这些都是真实的工程问题。把它们称为“密谋”，是在没有任何依据的情况下暗示其具有人类动机。

我不会声称 LLM 总是完全按照人类告诉它的去做。它显然可能失败。但未能完美服从并不会使它不再是工具，正如成功使用并不能证明其操作者已经放弃了自己的判断。

有用的区分在于：是熟练地运用工具，还是在缺乏充分理解或监督的情况下委派工作。这一区分同样适用于 AI，它为我们提供了一种比宣称某类软件不能成为工具更为实用的思路。