工具链与开发框架
编者按
工具的选择，暴露了你对问题的理解深度。
在 Agentic Coding 的早期，我们本能地认为"工具越多越好"——给 AI 更多能力，它就能做更多事情。但 Vercel 的实践证明，这是个陷阱。
他们的 d0 智能体最初有 50+ 个工具，性能糟糕。经过反复实验，他们删掉了 80% 的工具，只保留 10 个核心工具，性能反而提升了 3.5 倍。原因很简单：工具越多，AI 的决策负担越重，出错概率越高。
更激进的发现是：被动上下文（AGENTS.md）比主动检索（Skills）更可靠。与其让 AI 主动搜索信息，不如直接把信息放在它面前。这违反直觉，但符合 AI 的工作原理——大语言模型擅长理解上下文，而不是执行复杂的检索逻辑。
本专栏收录的文章揭示了工具选择的两个核心原则：
- 少即是多：精简工具集，降低决策复杂度
- 被动优于主动：用配置文件替代动态检索
这些不是理论推导，而是 Vercel 在生产环境中用真实数据验证的结论。如果你正在构建自己的智能体工具链，这些经验能帮你避开最大的坑。
文章列表
AGENTS.md vs Skills：被动上下文为何胜过主动检索
来源： Vercel 工程博客 核心观点： 配置文件（被动上下文）比 Skills（主动检索）更可靠
你将学到：
- AGENTS.md 的工作原理
- 为什么被动上下文更稳定
- 如何编写高质量的 AGENTS.md
我们删掉了智能体 80% 的工具
来源： Vercel 工程博客 核心观点： 工具越少，性能越好
你将学到：
- d0 智能体的工具简化过程
- 从 50+ 工具到 10 个工具的决策逻辑
- 性能提升 3.5 倍的原因分析
返回： 优质文章篇