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，因为它们无法被“驾驭”。我同意外包工作会让我们失去学习的机会，但他的结论并不成立。即便按照他的定义，LLM 也可以是人类所驾驭的对象，而且用好它需要技巧，正如使用其他工具一样。
拿起锯子并不保证能锯出直线，握住凿子也不会让你成为雕塑家。工具放大糟糕判断的能力，与放大良好判断的能力同样强。它们的用处取决于操作者引导工具、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 的不可预测性确实是一个不容忽视的局限。但可预测性、可靠性、简洁性和功能有界，是我们评价工具优劣的标准，而非成为工具这一类别的先决条件。一个工具并不会因为它难以控制或容易被误用而不再是工具。
Hickey 对工具与自动化的区分也制造了一种错误的二元对立。自动化可以是工具的一种特性。编译器在没有程序员持续指挥每个操作的情况下完成了大量工作；电子表格无需有人手动执行每一次计算就能重新算出结果。我们依然通过指定输入、检查结果、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个器具丧失工具资格，为什么自动生成文本就会呢？
所谓“使用 LLM 缺乏意图、反馈、方向和专业知识”的说法尤其难以成立。程序员可以让 LLM 解释一段陌生的代码，质疑这个解释，查看源码，测试建议的修改，拒绝它，再完善请求。这是一个由怀有目的的人类所引导的反馈循环。要做好这件事，需要知道该问什么、什么证据重要、以及答案何时是错的。专业知识可以让这个器具更有用。
Hickey 对阅读的担忧在某种特定用法上是成立的：用一篇摘要代替阅读论文，确实会牺牲阅读所能教给我们的很多东西。但一个人也可以先读论文，再用 LLM 来质疑自己的理解、探讨某个反对意见，或找出值得深入考察的地方。存在逃避智力劳动的可能性，并不能证明每一次使用都在逃避。真正相关的问题是：这个人实际上做了什么。
最让我失望的是对 AI 行业拟人化词汇的依赖：“失控作乱”（go rogue）、“越狱逃逸”（escape containment）、“密谋”（conspire）。重复这些说法，有可能默认了一种把这些系统描绘成独立生命体的叙事框架。软件可能产生意外的输出、未能遵循指令，或在获得执行重大操作的权限时造成伤害——这些是实实在在的工程问题。把它们称作“密谋”，是在未经证实的情况下暗示了人类式的动机。
我不会声称 LLM 总是能丝毫不差地执行人类的指令——它显然会失败。但未能完美服从，并不会使它不再是工具，正如成功的使用也并不能证明操作者已经放弃了自身的判断。
真正有用的区分，在于“有技巧地驾驭一个器具”与“在缺乏充分理解或监督的情况下把工作外包出去”。这一区分同样适用于 AI，而且它比宣称“某一整类软件不能算作工具”更有实际意义。