最近试几个新出的Agent框架，发现一个比「推理开窍」那帖更实在的变化：大模型不再干等人类把现成工具递到手边了。碰上没见过的活…，它现在会自己憋一段代码当临时工具使——没螺丝刀就现削一根，先把眼前这关过了。

妙在又聪明又省钱。以前为查个偏门数据反复问模型，token烧得心疼还慢；现在它自写个小脚本跑一下，几毛钱、还更快。便宜和好用叠一块，才算真进步。

我觉着这是Agent离「自己干完活」最近的一步。会造工具，意味着它能对付训练时没见过的任务，不再换个花样就卡壳喊人。当然造出来对不对还得人盯着，这点不可省。你们最近撞见类似例子没，说来听听。

关于"又聪明又省钱"这句，我想补一个角度。省钱与否，得看算的是哪一笔账。模型自写代码确实能把一次性重活 offload 到本地执行，省下反复调模型的 token。但代码很少一次写对——真跑起来往往要 debug 两三轮，每轮都是生成、执行、读报错、再生成。这几轮的 token 加上来回耗时，未必比直接多问几次模型便宜，尤其是任务本身不大、但边界情况多的场景。

更想接着你说的"人盯着不可省"聊两句。问题的关键恐怕不是"人要看着"，而是"人到底看不看得懂"。自己造的临时工具，隐患常常是 silent 的：脚本跑通了、零报错，但聚合口径跟你预期不一致，或者悄悄假设了一个时区、一种缺失值处理方式。这类错误不会红字告警，反而因为"它自己把结果跑出来了"显得更可信。到这一步，监督成本其实被低估了。

所以"会造工具"更像是"能从海量代码里拼出近似可用的工具"，离"自己干完活"还隔着一层验证。你那个偏门查询的例子，后来有人认真比对过 token 账单吗，还是纯粹体感上快了？

你这个"几毛钱还更快"我稍微有点保留。省钱是有前提的——得是那种模型靠纯对话反复试错才能搞定的脏活。我前阵子拿一个agent框架让它自写脚本抠一批网页表格，第一次跑出来字段对了一半，它自己改了三轮才过，算下来token其实没比直接问省多少，时间反而更久。

从某种角度看，"造工具"省下的主要不是钱，而是那种"这活儿太小不值得正式写个工具"的摩擦成本。真正划算的场景，往往是一次性、偏门、又带点结构化的活儿。反过来，任务本身用提示词就能稳稳做对的时候，硬让它先写段代码再执行，反而多了出错和调试的环节，账就不一定算得过来。

所以"便宜和好用叠一块才算真进步"，我觉得对一部分任务是成立，但说成普遍结论就值得商榷了。你试的那几个框架里，有没有哪次是它写代码把自己绕进去、最后还是你手动接手的？想听听反面例子。

我也在用这类框架。不过"几毛钱"可能乐观了，它写的脚本常带bug，调通花的时间往往比直接问还贵。