最近在看DeepSeek Harness的时候，有一个现象非常值得玩味。DeepSeek给Harness设计了多种模式，其中标准模式包含文件编辑、Shell、搜索、规划等一应俱全的工具链，而极简模式仅仅保留了持久化的Bash和文件编辑器。DeepSeek明确表示，这个极简模式就是为了在最纯粹的环境中测试模型底色。事实上，V4-Flash在公开的Code Agent测试中正是凭借这个极简环境拿下了高分。
这多少有些反直觉。过去我们讨论智能体，总有一种天然的加法思维：工具越多，能力越强。装了一百个插件的系统理应吊打只有命令行的系统。但在实际运行中，事情正走向另一个切面：环境越纯粹，模型往往表现得越聪明。这绝不仅仅是跑分层面的奇技淫巧，它揭示了一个更为宏大的Agent架构命题，能力到底是应该被静态拥有，还是应该被动态找到？
我们习惯将插件类比为传统软件的函数库，认为供给越丰富越好。但大模型的工作机制决定了，工具从来都不是免费的，每增加一个工具，都在向模型征收沉重的认知税。
几十上百个工具的名称、参数和说明会疯狂挤占上下文空间，这是显性的成本。更隐蔽的是选择成本与干扰成本。当系统只有三个基础功能时，模型的决策路径非常清晰。可一旦工具箱里塞满了文件搜索、语义搜索、知识库搜索等十几个看似相近的接口，真正困难的就不再是如何解决问题，而是在一堆近义词中准确挑出那个最合适的API。工具集规模的盲目扩张，反而会暴露出模型在路由选择上的脆弱。拥有三百个入口，并不意味着模型能在具体任务中稳定推开正确的那扇门，门本身成了障碍。
这时候再看Bash，就能明白极简的杀伤力所在。表面上它只是一个普通工具，但实际上它是一个极具张力的通用能力接口。网络请求、文件处理、脚本执行乃至软件安装，全部可以通过基本命令组合实现。
给模型塞一百个具体细碎的API，是逼着它做复杂的工具路由；而给它一个终端，是允许它直接进入自己最熟悉的抽象逻辑空间。对于代码能力已经极其强悍的大模型来说，一个具备高度可组合性的通用原语，远比几十个互相割裂的专用接口更容易激发其原生智能。这也就是为什么行业里开始反思，我们不该去卷工具的数量，而该去丈量基础原语能组合出的能力边界。
不过，这是否意味着模型仅仅是过拟合了Bash环境？仅仅用过拟合来概括有些单薄，更准确的表述应该是，模型在训练过程中对某种特定的工具挂载环境和行动路径形成了极其深刻的先验。
当前的很多工具学习训练，本质是在喂给模型大量的正确调用轨迹，让它形成条件反射式的肌肉记忆。这种路径依赖极其可怕。当模型面对一个极其熟悉的旧工具和一个明明更契合当前任务的新工具时，它往往会下意识地选择前者。它不仅可能对工具名称产生依赖，还可能对接口格式、观察反馈甚至某个特定循环框架产生执念。
所以，真正的问题变成了：我们究竟应该训练模型记住工具，还是训练它面对陌生工具时依然知道怎么去学习和掌握？如果因为忌惮路径依赖就完全剥离工具环境去训练，无异于因噎废食。合理的解法是在训练时进行强烈的环境扰动。篡改工具名、打乱顺序、混入干扰项、突然引入未知接口，甚至让模型先试错再根据报错来修正。只有教会模型如何认识并驾驭一个完全陌生的工具，这种能力才敢被称为真正的智能体。
顺着这个逻辑推演，当下的Agent生态陷入疯狂比拼插件数量的怪圈，其实是走错了方向。这就如同智能手机能够运行百万个应用，但这并不意味着你需要把百万个应用全部驻留在内存里。
生态里存在多少能力，与模型上下文中应该常驻多少能力，是截然不同的两码事。一份详尽的财务核算指南或者某个特定框架的排错手册，完全可以沉淀在社区或知识库中。当任务触发时，Agent通过检索系统将这份能力包唤醒、读取、执行，任务结束后即刻释放。工具应该从常驻的死件，变成可被按需召回的动态知识。
事实上，前沿的架构已经在这条路上狂奔。无论是RAG-MCP通过检索来投喂工具定义，还是渐进式暴露策略让模型像查阅文件系统一样去按需摸索API，都在证明一件事：如何让Agent平时别看见那么多工具，才是当下最该解决的痛点。
如果再往深处思考，一个通用智能体的内核到底需要多大？可能极度精简：只保留执行代码、访问互联网和搜索本地环境这三种最基础的原语。内核之外，是浩瀚的能力仓库。遇到未知问题搜知识，缺少软件搜工具，需要排障搜工作流，然后组合执行。
当然，这种随取随用的构想必须跨越安全的鸿沟。真正操作物理世界或核心数据的动作绝不能仅凭临时下载就草率执行。未来的系统势必会走向明确的分层。底层是权限能力层，包含访问数据库、操控账户等高危动作，这些必须常驻且经过严格授权与审计；上层则是技能知识层，也就是告诉你如何利用这些底层权限去完成特定工作的程序性经验。权限必须固若金汤，但知识可以随用随取。
优秀的程序员之所以优秀，绝不是因为他把所有的开源包源码都背在了脑子里，而是他知道问题在哪，知道去哪里查手册，且拿到陌生文档后能迅速拼装出解决方案。智能体亦应如此。
插件数量永远成不了Agent的护城河。当我们不再沉迷于往智能体身上堆砌越来越臃肿的工具箱，而是赋予它敏锐的能力发现机制时，它才算真正长出了大脑。它启动时可能看似一无所有，但在任何需要工具的瞬间，它都有本事把整个世界找回来。这或许才是极简环境跑出高分背后，最值得我们深思的架构启示。
