一个 AI Agent（能调用外部工具的 AI 助手）如果手里有 50 个工具，直接全塞给大模型，效果往往最差 — 这是最近一篇 AI 制药论文的核心结论。论文给出的解法是：先把用户问题匹配到一个"技能模板"（类似标准操作流程 SOP），从模板里挑出必需工具，再按三种模式补充其他工具。

这是什么

三种补充模式分别是：

  • llm 模式：让大模型读工具描述后自己挑，省 token（大模型按输入文字量计费）但有选错风险
  • embedding 模式：把问题和工具描述都转成数字向量（一种让机器理解语义远近的方法），按相似度排名筛，类似 RAG（让 AI 先检索资料再回答）的思路
  • all 模式：全部塞进上下文窗口（AI 一次能"看到"的文字总量）。最简单，但工具越多，模型的"选择注意力"越被稀释，反而更不准

论文还规定了几个"核心工具"（如执行 Python、查 PubMed）始终保留，不管什么问题都不会被筛掉。

行业怎么看

LangChain、AutoGPT 等主流框架默认走 all 模式，因为开发快、通用性强。论文作者认为在医疗、法律这类高严谨场景，预筛选不可省 — 否则大模型面对一堆工具容易"乱抓药"。

但也有明确的反对声音。某企业 AI 架构师在我们交流时直言：消费级场景多搭一层匹配模块，意味着多一份维护成本和延迟；embedding 模式在歧义问题上经常"看着像但不是"，硬套反而引入新错误。换句话说，论文方案适合专业场景，对通用聊天机器人可能是过度工程。

对普通人的影响

对企业 IT：评估 Agent 供应商时多问一句"工具超过 30 个时怎么选"，背后是成本和准确率的真实差距。

对个人职场：跟 AI 协作时，主动告诉它"按某某流程做"，比直接丢复杂问题效率明显更高。

对消费市场：会"记住你习惯"的智能助手（如按你的出差模板自动订机票），体验会甩开每次都要重说的产品。