API化方法是抄近路实则走远路？为何？

IOS

作为Claude博客和技术报告中computer use评测的OSWorld基准的作者（之前也曾主力开发OpenAgents项目里的Plugins Agent和Web Agent），在此提出一个或许与一些朋友认知不同的观点：很可能，基于API的方法或者某些AIOS的思路，短期内看似抄了近路，实际上却是走了远路。理由如下：其一，软件开发者在设计软件或者网页时，首要任务是供人使用，其次才是构建开发者API，最后才是构建适合AI使用的API。对开发者而言，这三件事的收益依次递减，而阻力却依次递增。如果想要越过这个顺序，搭建一套完整的设施，比如将所有事务都API化，使整个电脑或者整个终端设备只有一种语言或图文接口，没有鼠标、键盘、触屏等其他交互形式，这其实是一种更激进、更遥远的未来设想。OpenAI的plugins和GPTs的失败，以及无数纯语音交互助手的失败，都能证明这一点。其二，计算机最初是没有用户界面（UI）的，UI的出现才使计算机得以普及，这其中有一个核心原因，那就是UI用户界面有一套通用范式。例如，打开浏览器时，人们很自然地就知道上方是地址栏，可以输入网址；而如果采用API形式，就没有一个统一的定义，仍然需要提示（例如通过function calling的形式预定义），这是一个很大的问题。设计人形机器人的原因在于，世界上的多数设计范式是遵循人类自身的，要彻底改变这一情况，整个社会需要花费大量时间重新接受，可能面临的阻力并不乐观。其三，computer use并非不能像人类一样编写代码，实际上这是一种包含关系，而且成本不高（只不过是多打开一个集成开发环境（IDE）罢了，君不见那些集成到IDE中的代码生成产品需要做多少整合工程）。在产品方面，computer use这种建模非常容易转化为产品使用，业务代码相对较少，更适合AI初创企业展示产品。API看似步骤少、更直接，但是先不说生态问题、经验共享性、阅读文档的难度以及写出正确调用的尝试等方面，我认为它的难度并不比看起来步骤稍多一些的agent低，而且我对agent这条路的优化算法充满信心。