我认为工具使用对LLM能力的影响并没有得到充分重视。我给了GPT-4o一个我们为虚构太空任务仿真集创建的原创难题（先自己尝试一下）。

当要求手动解决时，它接近但失败了。当使用代码时，它完美解决了。