4 篇博文 含有标签「Agent」

最近我在开发一个电商智能体，也想借这篇文章讲一个判断：AI 的 Skill 会成为一种新的应用交付形态。

过去我们把功能做成 App，再交给用户。现在模型和工具越来越通用，真正拉开差距的，开始变成 AI 是否知道一件事具体应该怎么做。

Skill 交付的就是这部分：一个真正做过这件事的人，留下来的经验和方法。

我们过去比较模型价格，可能一直都算错了。大家习惯拿每百万 Token 的价格横向对比，但问题是，不同模型输出的 Token 根本不是同一种“计量单位”：完成同样一段文本，GPT-5.6 Sol 可能只需要 766 Tokens，Claude Opus 5 却需要 1170 Tokens，前者比后者少了约 34.5%。这意味着，Token 单价看起来更便宜的模型，完成同一个任务时未必真的更省钱。真正值得比较的，不是“一百万 Token 卖多少钱”，而是完成同一个任务究竟要花多少钱。到了 Agent 时代，模型还要连续调用工具、反复推理和自我纠错，单看 Token 价格就更容易失真，最终真正有意义的指标可能只剩一个：Cost per successful task，也就是每个成功任务的成本。所以下次再讨论谁家的模型更贵，不妨先问一句：你这一百万 Token，到底能做多少事？模型价格不能只看单价，也得算效率了，家人们。

8月13日，DeepSeek 官方 GitHub 上多了一个仓库，名字叫 DeepSeek Harness。

上周我让一个 coding agent 接了一个很小的活：修一个接口偶发报错。

我没给它太复杂的需求，就是一句话：“改这个点，别碰别的文件。”

结果它先改了 api.ts，又改了 routes.ts，再把 README 也重写一遍，最后还没跑通测试。

我当时就明白了，这不是模型不行，而是它没有“能持续正确做事的围栏”。