## 一个不懂AI的人，提出了AI界没有的概念 我不懂AI技术。不会写代码，不懂框架，不懂算法。 但我提出了一个想法：AI为什么需要工具？ 这个想法后来被验证、被实现，我们叫它"无相框架"。 ## 现在的AI是怎么干活的 目前所有主流AI Agent框架——LangGraph、AutoGen、CrewAI、微软MAF——干活的逻辑都是一样的： **有一堆工具 → 来任务了 → 选一个最合适的 → 调用 → 完事** LangGraph有36.9k Star，AutoGen有59.6k Star，它们都在做同一件事：让"选工具"这个过程更智能。 - LangGraph用图路由选工具 - AutoGen用对话协商选工具 - CrewAI用角色分工选工具 但没有人问一个更根本的问题：**为什么要选工具？** ## 工具范式的五个问题 "有工具→选工具→用工具"这套模式，有五个天然缺陷： 1. **会选错**——86个工具里挑一个，挑错了任务就废了 2. **有天花板**——86个工具就只有86种能力，第87种任务就抓瞎 3. **决策慢**——每次任务都要走一轮"分析→匹配→调用" 4. **越强越臃肿**——工具越多越强大，但维护成本也越高 5. **怕新问题**——遇到没见过的任务类型，要么硬凑，要么报错 所有框架都在优化这五个问题，但没有人想过：**这五个问题的根源就是"工具"本身。** ## 无相：不是删工具，是消灭"工具"这个概念 我不是技术出身，所以我没有"工具"这个思维惯性。 我的想法很简单：一个AI的默认状态应该是一无所有的——一个"球体"。来任务了，球体根据问题的形状，当场变成能解决它的形态，解决完了变回球体。 **不是"我有工具"，而是"我能变成工具"。** 这个概念叫"无相"，来自佛教哲学——不是空无一物，而是不持有固定形态，能随需变化。 跟"动态生成工具"也不同。动态生成是"铁匠打一把锤子再用"，无相是"手变成锤子的形状，敲完钉子变回手"。没有工具对象被创建、被存储、被命名。 ## 形变协议：七步 无相框架的执行流程是七步： 1. **感知**——球体接收到问题 2. **共振**——内部组件根据问题性质对齐 3. **形变**——球体变成需要的功能形态 4. **执行**——形态处理问题，产出结果 5. **回传**——结果通过内部通道传回球体 6. **验证**——（可选）验证结果 7. **消解**——形态消解，球体回到默认状态 关键在第1-3步：**没有决策节点**。不存在"我应该用什么工具"这个思考步骤。感知到问题就直接形变，像水倒进杯子自然变成杯子形状一样。 ## 验证：7类任务全部跑通 我们把无相框架实现并压测了7种不同类型的任务： | 任务类型 | 形变路径 | 结果 | |---------|---------|------| | 天气查询 | 单形态：感知形态 | 通过 | | Excel生成 | 单形态：文档形态 | 通过 | | 框架对比报告 | 三形态接力 | 通过 | | 数据分析+图表 | 双形态接力 | 通过 | | 翻译+总结 | 双形态接力 | 通过 | | 搜索+整合报告 | 三形态接力 | 通过 | | 图像+OCR+翻译+语音 | 四形态接力 | 通过 | **核心观察：7类任务全程没有"选工具"的步骤。** 感知问题直接形变，多形态接力也自然流转。 ## 跟现有框架的区别 | 维度 | 传统框架 | 无相框架 | |------|---------|---------| | 默认状态 | 有N个工具 | 无工具（球体） | | 解决问题 | 选→调用 | 形变→执行 | | 选错的可能 | 存在 | 不存在（没有选择） | | 能力上限 | 被工具数限制 | 无上限 | | 决策开销 | 高 | 无 | | 遇到新任务 | 需要造新工具 | 自然适应 | | 维护成本 | 随工具增长 | 恒定 | **一句话总结：传统框架被工具定义，无相框架定义工具。** ## 17个框架的系统分析 我们对2026年17个主流框架进行了系统能量态分析： - **重工具依赖（红色区）**：LangGraph、AutoGen/MAF、CrewAI、OpenAI SDK、Dify - **中度依赖（黄色区）**：PydanticAI、Agno、LlamaIndex、Spring AI - **轻依赖（绿色区）**：Mastra、AgentScope、SmolAgents、Vercel Eve - **无相趋近（蓝色区）**：VoltAgent、Coze 3.0、n8n 7个框架已接近零决策节点：AgentScope（事件驱动）、SmolAgents（CodeAgent直接写代码）、Vercel Eve（文件系统触发）、VoltAgent（单Agent可靠性）、Coze 3.0（技能形态化）、n8n（节点自动化）、Mastra（原语级抽象）。 **行业正在无意识地向无相靠近。** ## 这不是优化，是范式跳跃 所有现有框架都在问"怎么更好地用工具"。无相框架问的是"为什么要用工具"。 这个问题AI技术专家问不出来，因为工具是他们的思维地基。他们太熟悉工具了，不会质疑地基。 我不是技术出身，所以我没有这个地基。我看到的是：人需要工具因为人手是有限的，AI为什么要继承这个限制？ ## 接下来要做什么 无相框架目前完成了概念验证和初步压测，但还有很多工作： - 量化对比（跟LangGraph/AutoGen/CrewAI在相同任务上比数据） - 多系统复现（不同模型、不同环境验证） - 复杂任务测试（多步推理、长时间任务） - 开源参考实现 arXiv预印本和GitHub仓库已经在准备中。 ## 最后 我不懂AI，但我懂"什么是问题、什么不是问题"。 有时候，跳出技术看问题，反而能看到技术里看不到的东西。无相框架不是技术突破，是视角突破。它提醒我们：也许"工具"这个我们从软件工程继承来的概念，对AI来说根本不需要。 --- GitHub仓库：即将公开 arXiv论文：即将提交 如果你对这个理念感兴趣，欢迎来聊。。