针对 Rich Hickey 在 2026 年 10 月 11 日发表的文章《AI 不是工具》中提出的观点——即大语言模型（LLM）属于自动化而非工具，因其无法被直接操纵——业界存在不同看法。尽管外包工作确实可能削弱学习机会，但 LLM 依然可以被视为人类掌握的对象。如同其他工具一样，其有效使用依赖于操作者的技巧。
物理工具的类比揭示了这一本质：拥有凿子并不等同于成为雕塑家，拿起锯子也不保证能完成精确切割。工具既会放大良好的判断力，也会放大不良的判断力。其实际效用取决于操作员能否提供指导、解释反馈、识别错误并进行纠正。这些要求同样适用于 LLM 的使用场景。
有观点认为“人工智能是一面镜子”，这一隐喻颇具洞察力：它反映了使用者的特质，包括好奇心、判断力和习惯。用户提出的问题质量以及对答案的评估标准，决定了交互的效果。
虽然可预测性、可靠性、简单性和功能有限性是评估某些工具品质的指标，但它们并非定义“工具”类别的先决条件。一种软件不会因为难以控制或容易被滥用而丧失其作为工具的属性。
Hickey 关于“工具”与“自动化”的二元划分存在逻辑漏洞。自动化本身可以是工具的一个特征。例如，编译器无需程序员对每个操作进行持续指导即可执行大量任务；电子表格能在无人手动计算的情况下自动重新生成结果。在这些场景中，用户通过指定输入、检查结果和决定后续步骤来操纵系统。既然自动翻译代码或计算数字不剥夺其工具属性，自动生成文本为何会导致同样的结论？
主张 LLM 使用缺乏意图、反馈、方向感和专业知识难以成立。在实际编程工作中，开发者可以要求 LLM 解释陌生代码、质疑其解释、检查源代码、测试建议的修改方案、拒绝不合理输出并完善请求。这是一个由追求特定目标的人主导的反馈循环。要高效利用该工具，使用者需明确提问内容、重视证据、识别错误答案。专业知识能够显著提升工具的价值。
关于阅读能力的担忧在特定情境下具有合理性，例如用摘要替代论文全文。然而，用户也可以先阅读论文，再利用 LLM 挑战自己的理解、探索反对意见或定位需要深入审查的部分。避免智力劳动的可能性并不意味着每次使用都会导致智力劳动的缺失，关键在于用户具体采取了何种行动。
当前人工智能行业常采用拟人化词汇，如“走私”、“越狱”、“阴谋”等。重复此类表述容易让系统听起来像独立的生物体。软件产生意外输出、未遵循指令或在后续操作中造成伤害，这些都是真实的工程问题。将其描述为“阴谋”暗示了人类动机，却并未确立任何实际动机。
LLM 并不总是严格遵循人类指示，失败案例客观存在。但完全服从并非工具定义的必要条件，正如成功使用证明了操作者已介入判断过程。
更具区分度的概念是“熟练使用工具”与“缺乏足够理解或监督的工作委托”。这种区别适用于人工智能领域，比断言整类软件不能称为工具更具实用价值。
