不要为 AI 智能体专门造工具

Don't build tools for AI agents — seangoedecke.com · 13 小时前 · 💡 观点 / 杂谈

核心问题是：我们是否应该停止为人类用户做软件，转而「为 AI 智能体」构建产品。作者 Sean Goedecke 承认这个直觉有现实基础——他自己的 AI 智能体现在使用 Datadog 的频率远超他本人，原因不是智能体更偏爱这个产品，而是它们跑得更快、并发更多，单位时间内产生的调用量天然高于人类。但他认为大多数「X for AI agents」的尝试会失败，并给出三条理由。第一，对智能体友好的工具同样对人类友好：结构化输出、清晰的错误信息、稳定的 JSON 接口、可脚本化、幂等重试、无需图形界面即可完成操作，这些本来就是好软件的标准；如果你把某个流行软件「为智能体重做」一遍，你实际上只是重新实现了它的通用改进，最终胜出的仍然是那个原工具，因为它已经有用户、文档与生态。第二，智能体是一个移动靶：今天为了让模型能用而加的胶水层，比如特殊的提示格式、工具 schema、分步编排与容错逻辑，往往是在绕开当前模型的能力缺陷，而下一代模型发布后这些绕行会立刻失效，把产品架构绑定在当前模型的能力边界上等于给自己埋技术债，折旧速度以月计。第三，智能体已经能够直接驱动人类工具：CLI、HTTP 接口、公开文档，它们读文档就能用；专门为智能体造的薄封装很容易被模型厂商或平台吸收进自己的工具链，价值最终归于底层的通用工具，而中间层拿不到复利。作者的结论是，更好的策略不是分裂出「智能体专用版」，而是把现有工具做得更可编程、更可观测、更可脚本化、更容易被自动化调用，这样无论使用者是人还是智能体都能受益。

核心论点

• 作者给出的第一个经验数据点是：他的 AI 智能体使用 Datadog 的频率已经远超他本人，但这一增长并不说明需要专门为智能体设计产品，因为使用量上升来自速度与并发，而不是来自界面或交互方式的差异，人类与智能体在底层需求上仍然一致。
• 核心论点一：对智能体友好的特性——结构化输出、明确且可解析的错误、稳定的 API 契约、幂等与可重试、无需 GUI、可被脚本组合——与对人类开发者友好的特性高度重合，因此「为智能体重做一遍」通常只是在重新实现通用改进，而通用工具凭借既有用户、文档和生态会继续赢下竞争。
• 核心论点二：智能体能力以月为单位迭代，围绕当前模型限制设计的工具 schema、提示模板、多步编排与容错补丁会迅速过时，把产品架构绑定在今天的模型缺陷上属于高折旧投资，模型一旦补齐某项能力，整层胶水就会失去存在理由。
• 核心论点三：智能体已经能直接使用 CLI、HTTP 接口与公开文档，专门为智能体构建的薄封装很容易被模型厂商或平台吸收进官方工具链，价值归于底层通用工具，中间层难以积累护城河。

💡 为什么值得读: 因为它逆着当下「一切为智能体重做一遍」的创业叙事给出了可操作的判断标准：如果一个改动同时让人类更好用，那它才值得做，否则多半是在为一代模型的临时缺陷买单。

🏷️ AI agents, tooling, software design, UX

---