在 2026 年 10 月 11 日的文章中，《“AI”不是工具》，Rich Hickey 认为 LLM 是自动化而非工具，因为人们无法驾驭它。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。
拿起一把锯子并不能保证锯出直线。握着一把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，是我们用来评估工具的品质，而不是成为工具这一类别成员的前提条件。一个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。编译器在程序员无需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的资格，为什么自动生成文本就该如此呢？
所谓使用 LLM 缺乏意图、反馈、方向和专业能力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，检查源代码，测试所提议的改动，拒绝它，并完善请求。这是一个由怀有目的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。专业能力可以让这件工具更有用。
Hickey 对阅读的担忧在一种特定用法上是成立的：用摘要代替阅读论文，会牺牲掉阅读所教给你的很多东西。但一个人也可以读论文，并用 LLM 来质疑自己的解读、探讨一个反对意见，或找出需要更仔细审视的地方。存在逃避智力劳动的可能性，并不能证明每一种用法都在逃避它。真正相关的问题是，这个人实际做了什么。
最让我失望的是对 AI 行业那套拟人化词汇的依赖：“失控”“逃出围栏”“密谋”。重复这些说法，就有可能接受那种让这些系统听起来像独立存在的框架。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”，是在没有确立任何人类动机的情况下暗示其存在。
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，正如成功使用也不能证明其操作者放弃了自己的判断。
有用的区分在于：是熟练地运用一件工具，还是在缺乏充分理解或监督的情况下把工作委托出去。这一区分适用于 AI，而且它给了我们比宣称一整类软件不能成为工具更实用的东西。