相机自动对焦失灵，很多人第一反应是切手动。但佳能自己的说明书第100页写得很清楚：在基本拍摄区模式下，相机会自动对焦最近的被摄体，因此不一定总能对准你想拍的目标。这句话不是用户抱怨，是厂商白纸黑字印在手册里的。
有人把这个痛点做成了一个工具，叫 Will It Focus。它回答的问题很具体：任意机身、镜头和转接环组合在一起，能不能自动对焦——而且分开回答取景器拍照、实时取景和视频三种场景，如果对焦还是不准，原因是什么。
它跨卡口、跨转接环工作。比如"适马35mm Art 通过 MC-11 接在索尼 a7 IV 上，AF-C 能用吗"，也能给出真实答案。
引语必须逐字对得上
这个工具给自己定了一条规矩：只有真的是厂商原话，才会以厂商原话的形式展示。模型生成答案之后，代码会回到它引用的那条记录里核对。如果匹配上整句，页面就会像裂像对焦屏合焦一样对齐显示；如果模型改写了原句，页面会直接说明，并在下方展示记录里的真实句子。
如果没有任何厂商覆盖这个组合，它会拒绝回答，而不是猜测"能装上的转接环就一定能对焦"。
演示页面无需登录即可访问。四个示例问题是预存答案，加载很快；输入自己的问题，则会通过 Sanity Context 实时跑一遍。适马那个答案引用的是 MC-11 兼容表里的真实行：35mm F1.4 DG HSM，标注为圆圈、叉、叉，并附上来源页面链接。
而当没有任何人发布过答案时，页面给出的就是"没有结论"。
两个接口，一个智能体
整个系统接了两个 Sanity Context 接口，智能体通过 MCP 同时连接两者。
- will-it-focus 以 GROQ 模式提供数据集，结论从这里来。
- will-it-focus-kb 提供知识库，由六份厂商 PDF 构建：T5i 手册（388页）、两份18-55套机镜头说明书、佳能加拿大2013年 T5i 发布稿，以及适马的两份 MC-11 兼容表。每个文件算一份文档，计入150份上限，388页的手册也一样。
一开始只用一个接口，把两种来源都挂上去。结果保存数据集时会替换掉知识库，而不是追加，于是拆成了两个。两套工具都加了前缀，智能体能区分 dataset_initial_context 和 kb_initial_context。
数据结构覆盖七种类型、共131份文档：35个机身、34支镜头、10个卡口、5个转接环、3种传感器画幅、36条兼容记录和8条对焦注意事项。
几个后来被证明很关键的决定：自动对焦按拍摄方式拆分，因为同一台机身在不同模式下用的是不同硬件；一条兼容记录的宽度不超过它的来源，佳能关于18-55 STM 的说明点名了四台机身，记录就只引用这四台，适马的表没点名机身，记录就不引用任何机身，智能体把它读作"不限于特定机身"。
来源可能没写的字段，一律接受"任何来源均未说明"。强制填是或否的结构，只会逼模型去猜。每条事实都带一个来源对象：网址、发布方、页码、检索日期，以及它所依据的那句原话。
知识库会改写，这正是问题所在
知识库擅长解释。它把六份 PDF 改写成十条可导航的条目，智能体用它们回答"为什么"。但它也会改写，这是它的本职工作，所以条目是摘要，不是佳能的原话。页面上每个知识库要点都做了这样的标注。
第一次只用知识库跑智能体时，它给13个句子加上了引号，而这些句子在六份文档里一句都找不到。正是这件事，促使作者把逐字原文保留在结构化记录里。
评测用了20个问题，答案都在适马、佳能和 Metabones 自己的表格与手册里，在 gpt-5.4-mini 上跑了三种方式。两种方式的结论都很接近，差别在于引号里的词到底属不属于厂商。
评测还暴露了作者自己的两个错误。第一，最初把适马的 DMF 列存在一段自由文本备注里，智能体查不到，所有 DMF 问题都答"未覆盖"，现在改成了结构化字段。第二，较小的模型因为"Sony a7 IV"匹配不上别名"a7 IV"而漏掉记录，然后自己猜了一个 id。现在机身和镜头都带上人们实际会输入的名字，并且明确告诉智能体永远不要构造 id。大部分漏
热门跟贴