一个画家拿树枝在沙地上画，也能画出传神的线条——天赋和技巧不会因为工具简陋而消失。但要真正完成一幅作品，他需要安静的画室、趁手的画笔、合适的颜料和画布。少了这些，要么事倍功半，要么作品根本没法完成。

我们不会说"这画家不行"。问题不在他的能力，在他的条件。

但换一个场景：一个 AI Agent 反复调用工具失败、陷入死循环、输出一塌糊涂——我们的第一反应几乎总是"这模型不够聪明"。

这个归因方向，往往是错的。

一个公式

解决问题的能力 = 智力 × (环境 + 工具)

智力决定上限。 理解意图、分解任务、做架构决策、在模糊需求中找到方向——这些是不可替代的核心能力。更强的模型能处理更复杂的问题，这是环境和工具无论多完善都给不了的。智力就是天花板，没有捷径。

环境与工具决定下限。 文件系统、网络、依赖、权限是环境；API、CLI、SDK 是工具。它们决定了模型实际能发挥出多少水平。工具烂、环境差，再聪明的模型也被拖到地板上。

乘法关系意味着：任何一侧趋近于零，输出就是零。画家的天赋再高，没有画布也只能在沙地上比划。

智力决定你能走多远，环境和工具决定你能不能迈出第一步。

实践

把地板垫高，核心就两件事：

工具要给有用的反馈。 file not found: /path/to/config.yaml 比 operation failed 有用一百倍。前者指向下一步行动，后者触发盲目重试。模型没法搜 Stack Overflow，它只能分析错误信息本身——信息不够，就只能猜，猜就是死循环的起点。

环境要有确定性。 同样的操作在相同条件下有时成功有时失败，模型就无法从结果中学到有效信息。固定依赖版本、确保配置一致、显式检查隐式依赖——这些基础工程实践在 Agent 场景下价值被大大放大。

目标不是取代模型的推理能力，而是不浪费它。让智力花在架构决策和复杂问题上，而不是跟坏掉的工具搏斗。

总结

模型决定上限，环境与工具决定下限。

选模型是选天花板，不可替代。但别忘了脚下的地板——很多时候 Agent 表现不佳，不是不够聪明，而是烂工具把它拖到了远低于实际水平的位置。

先修路，再选车。