「Alexa，幫我訂饗 A Joy，週五晚上七點，四個人」，它回「沒問題」。當天店員翻了翻：「沒有耶，誰訂的呀？」

先借饗 A Joy 做個假想情境。回答一句「沒問題」很簡單，但 AI 也可能嘴上說著沒問題，實際卻沒執行，甚至在你追問時回覆「已經訂好囉！」。

Amazon 在 2025 年 2 月公布 Alexa+，合作夥伴包含訂位平台 OpenTable。這種把對話一路接到外部動作的能力，可以用 Tool Calling，工具呼叫 來理解。

這個工具我熟！

工具呼叫可以想成 AI 面前有一張能辦事的清單：查空位、建立訂位、查訂位狀態。每個工具都需要特定資訊，例如餐廳、日期、時間與人數。模型根據你的要求，提出要使用哪個工具，以及需要帶入哪些資料，再由應用程式真正執行。

換成常見的工具呼叫流程，語言模型會整理出工具名稱，以及「哪一天、四個人、晚上七點」等參數，再由應用程式把需求送到訂位服務。服務接受之後，回傳成功或失敗的狀態（沒位子也會說一聲）。模型最後依據回傳結果，告訴你事情進行到哪裡。工具呼叫不一定需要模型現場寫一段程式，重點是讓準備好的工具收到正確資料，真的去做事。

你也會發現，原本一句很自然的話，到了要執行時，有很多地方需要補齊。「週五」是這週五嗎？同名餐廳有兩間分店，要去哪一間？AI 真的動手時，勢必要把這些問題釐清。

「收到」與「完成」的距離

系統找到一個七點半的位置，和你要求的七點不一樣。它可以提出替代方案，但是否接受這個差異，應該由你來決定。

工作中，寄信、排會議、更新庫存也都類似。你需要知道 AI 提議做什麼、程式實際送出什麼，以及外部系統回了什麼。只看最後那句流暢的回覆，很容易漏掉中間的貓膩。

AI 幫忙辦事最讓人安心的時刻，是你能看到任務的結果：回到剛才的假想場景，餐廳真的寄來通知信，上面寫著你要的日期、時間與四個人的訂位。

聊聊你的經驗

AI 對你唬爛過它做完了什麼事，但其實躺平嗎？

文／上哲（ChatGPT 協力）