Droid 1.0 用脚本替代原生 tool call：Terminal-Bench 65.2%，单任务成本 4.73 美元

Factory 发布 Droid 1.0，一个与模型无关的编码 Agent 外壳。它的关键设计是把程序化工具调用（脚本模式）作为主要交互方式，而不是依赖模型原生的 tool call。在自家 Terminal-Bench 4 上配 Claude Opus 5.5 达到 65.2% 通过率，每个通过任务成本 4.73 美元。

外壳层也能显著影响结果

这是这次发布最有价值的实证。同一个模型，换一个 Agent 外壳，通过率和成本都能变。说明模型能力不是唯一变量，工具接口的设计、上下文的组织、失败重试的策略，同样决定成败。

脚本模式为什么可能更省

原生 tool call 每次都要走一轮模型推理：想清楚调什么、等结果、再想下一步。脚本模式允许模型一次写出一段包含多个步骤的脚本，一次执行拿到多个结果。往返次数少了，token 就少了。

代价是错误更难恢复

脚本里第三步失败，前两步的副作用已经发生。所以脚本模式需要配套的事务性和幂等设计，否则一个失败会污染整个工作区。这是工程难点，也是大多数团队做不好的地方。

与模型无关这个定位很重要

它不绑定任何模型厂商，意味着可以随模型迭代换后端，也可以按任务类型选模型：简单修改用便宜的，复杂重构用贵的。这种解耦在模型三个月一代的节奏下，是必要的架构选择。

本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。

同一个模型换个外壳，通过率和成本都能变，这条实证比具体数字有用。外壳层的工具接口设计、上下文组织、失败重试策略，都是被低估的变量。我们最近也在做类似的 A/B 测试。

外壳影响结果这个实证很有价值。同一个模型，工具调用的组织方式不同，通过率差十几个点很正常。脚本模式的好处是可复现可调试，坏处是写脚本本身要人设计。我更想看它长任务上的表现，短任务说明不了稳定性。

同一个模型换外壳差距这么大，说明瓶颈在工具描述和上下文组织，不在模型本身。脚本模式的好处是可调试，Agent 跑出来的每一步都是能单独复现的命令。但 4.73 美元一个任务，放到日常重构里成本还是偏高，想了解它在小任务上是不是更划算。