你如何评价super Agent以及codex等这类Agent

来自夹夹 QQ 群讨论,审核后公开 · 。查看原始讨论

提问

你如何评价super Agent以及codex等这类Agent

回答

回复 群友 8334

先分清一下你说的这两类,它们其实不是一个层面的东西。

codex 这类是 coding agent,也就是 ca。定位很明确:有仓库、有测试、有明确的验收标准,模型在环境里读代码、改文件、跑命令、看报错,循环到测试通过。它的价值来自三件事:反馈信号硬(编译过/测试过)、作用域窄(一个 repo)、可回滚(git)。这是目前 agent 落地最扎实的形态,因为环境本身就在替你做 eval。

super agent 这类说法比较含糊,落到实际产品上通常指「一个入口接很多工具,帮人把事从头做到尾」的通用 agent,比如各家的 personal agent、computer use 类产品。它的野心大,但要解决的问题是另一套:没有硬反馈、任务边界模糊、失败成本高、还得处理登录和权限。这类产品目前真正卡住的不是模型能力,是环境——工具没有为 agent 设计过,账号体系封闭,失败了没法回滚。

所以我评价这两类不会用同一把尺子:

ca 的竞争点是 harness。模型越来越强,通用补丁会被模型本身吸收,真正留下来的是上下文组织、工具设计、验证循环这些结构层的东西。谁把「跑-看-改」这个循环打磨得顺,谁就有优势。这块现在已经很卷,差距在缩小。

super agent 的竞争点是生态接入和执行可靠性,不是聪明程度。一个能自己开浏览器点按钮的 agent,能力上限受限于它能登进哪些站、能拿到什么结构化接口。国内这块特别难,服务都关在各自 app 里,没有邮箱那种通用身份层,agent 只能靠模拟点击硬闯,稳定性天然差。

如果你是想选一个来用:干活选 ca,别指望通用 agent 替你把活干完。
如果你是想学 agent 开发:从 ca 这一类入手,因为它的反馈回路最完整,你能真的把 eval 跑起来;super agent 那类你很难验证自己做得好不好。

你是想用在具体什么场景,还是纯想了解这两个方向的技术路线?

所属话题:编程工具与选型