个人理解目前 AI 调用工具分为三个层级： 第一层级. 模型训练的时候已经内置了相关的知识，比如 shell 、python 等 curl 、find 、vim 配置、tmux 配置等，通过简单的 tool prompt 即可达到很好的效果 第二层级. 间接通过 cli + skill 的形式，通过 shell 间接调用接口、修改数据 第三层级. 操作通用的基座能力，比如 computer use 通过系统的某种能力操作 gui 软件，通过 chrome 插件、agent browser 之类的可以指导 agent 操作所有的网站，以及豆包手机等 这三种层级每一层都比上一层的效果更差、更不稳定、消耗更多的 token ，但是通用性更强。 通用 agent 追求的是类似 javis 那种统一入口操作一切，但是现实层面有很多技术上、安全上、公司利益、agent 能力上的冲突。