别再问哪个 Agent 最强——它们连活法都不一样
别再问哪个 Agent 最强——它们连活法都不一样
过去一个月我被问得最多的问题就是：”哪个 Agent 最强？”
这个问题没法回答，因为它预设了一个不存在的前提：所有 Agent 在赛同一条赛道。事实是，我把 47 个 Agent 摆在一起、逐个翻完 README 之后，发现它们连”活着的方式”都不一样——有的把一切交还给你，有的替你焊死所有流程，有的在你睡觉时偷偷学习你，有的干脆把自己拆成一堆可替换的零件，还有的压根不卖 Agent，卖的是它背后那朵云。
用”强弱”去比它们，就像用百米成绩去比较潜水员和登山运动员。
有一个数据能说明框架比模型更决定结果：同一个模型，换一个框架跑，表现能差 5–40 个百分点（Claude Opus 在 Claude Code 里 77 分，在 Cursor 里 93 分）。模型是灵魂，框架是身体——灵魂再好，装错身体也跑不动。
所以我做了一个自测网页：处境题加认知题，分三档深度——极速 20 题（处境+认知）三分钟出结果；详细 70 题在处境之外加需求、展望两个维度；专业 180 题把认知扩到 12 个维度，给从业者和重度玩家。答完给你推荐几个值得先试的，而不是一个”冠军”。拿不准的题可以标记，答完会建议你升级到更细的版本。这篇文章是它的说明书——讲清楚这 36 个东西到底分几类，每一类的设计哲学是什么，README 里是怎么自我介绍的，以及为什么你该选哪一类。
一、五种活法
分类的轴只有两条：上下文归谁管，以及进化靠谁推动。按这两条切下去，47 个 Agent 落进五个格子。
活法一：极简派——把一切交还给你
代表：Pi、Oh My Pi（OMP）、Zeta
Pi 的 README 把自己的结构摊开给你看，它不是”一个工具”，是四个包组成的工具箱：pi-ai（统一多 provider 的 LLM API，OpenAI、Anthropic、Google 都走同一套接口）、pi-agent-core（带工具调用与状态管理的运行时）、pi-coding-agent（交互式 CLI）、pi-tui（差分渲染的终端 UI 库）。四个包各干各的，没有一层是替你做决定的。
它的设计哲学只有一句话：模型已经被强化学习训练透了，天生知道怎么当编码 Agent，框架不需要过度指导。 所以系统提示加工具定义不到 1000 token，默认工具只有四个——读、写、改、跑。作者甚至有个更激进的主张：与其堆玩具基准，不如公开真实工作会话——他把自己用 Pi 干活的完整会话数据定期发布到 Hugging Face，理由是”公开的 OSS 会话数据，能帮编码 Agent 从真实任务、真实工具调用、真实的失败与修复中改进，而不是玩具基准”。
这条线的代价也直白：它不替你兜底。你给什么上下文，它就基于什么干活；你验收不了结果，它就让你在错误的方向上跑得飞快。
OMP 在这条线上往前走了一步——工程能力不输 Claude Code，而且专门适配了各家的缓存优化策略，对开源模型十分友好。我的 Zeta 再往前一步：给 OMP 补上桌面应用，同时增强记忆和 plan 模式，加入 team agent 能力。
适合谁：能自己验收、想完全掌控上下文的人。
活法二：成品派——框架焊死，替你兜底
代表：Claude Code、Codex、Cursor
Claude Code 的官方定位是”Work with Claude directly in your codebase. Build, debug, and ship from your terminal, IDE, Slack, web, and more.”——注意这个清单，它的野心从来不只是终端。它的可用形态几乎是一张全家桶：终端 CLI、桌面应用（Max/Pro/Team/Enterprise 可用）、VS Code 与 JetBrains 的原生扩展、浏览器端的 claude.ai/code、iOS 和 Android 客户端，甚至可以在 Slack 里直接发起编码任务。
看它的功能列表就知道”成品”是什么意思：
- Dynamic Workflows：把最难的任务拆给 10 到 100 个并行 subagent 同时干，交付之前自己先检查一遍——“checking its work before anything reaches you”；
- Routines：配置一次，按计划、API 调用或事件触发运行——每周依赖审计这种事可以彻底自动化；
- Computer use：直接打开你的应用、操作浏览器、跑开发工具来完成任务；
- agentic search：几秒内对整个代码库建立地图并解释结构，不需要你手动挑上下文文件。
Notion 联合创始人 Simon Last 那句话说得更直白：”我现在工作的很大一部分，就是让尽可能多的 Claude Code 实例忙起来。”——一个人管一支 Agent 车队，这是成品派的终局形态。
Codex CLI 走的是同一条路，README 原话是”Lightweight coding agent that runs in your terminal”，本地运行、Rust 编写，代码模式强制链接带沙箱支持的 V8 构建——安全隔离是焊在工程里的。它还有个细节值得注意：装好后可以 codex app 拉起桌面版，VS Code、Cursor、Windsurf 也都有官方扩展。
成品派的代价也在这：你不知道它替你做了什么，而且 Token 消耗非常恐怖。 Claude Code 服务商适配不好时，随机偏移码等机制会严重打崩缓存命中，成本以你看不见的方式暴涨。
适合谁：想开箱即用、不想折腾配置的人——以及需要内置管理流程兜底的初学者。
活法三：自进化派——它自己学习你
代表：OpenClaw、Hermes、小米 MiMo Code
这是最迷人也是代价最重的一类。它们的共同信念是：与其指望用户写好配置文件，不如让 Agent 自己长出对用户的理解。
小米 MiMo Code 的 README 标题就是态度——“MiMo Code: Where Models and Agents Co-Evolve”（模型与智能体共同进化）。官方自述是”终端原生的 AI 编码助手……通过持久记忆系统跨会话保持对项目的深入理解，同时持续自我改进”。它是 OpenCode 的 fork，保留全部核心能力（多 provider、TUI、LSP、MCP、插件）之后，新增了一整套自我改进机制。最有意思的是两个命令的官方定义：
/dream— 扫描近期会话轨迹，将持久性知识提取进项目记忆，并清理过时条目。/distill— 发现近期工作中重复的手动流程，将高置信度候选打包为可复用的 skills、subagents 或 commands。
翻译成人话：在你睡觉的时候，它把今天踩过的坑总结成经验，下次不再踩；把你手动重复过好几遍的流程，固化成一条可以随时调用的技能。 这就是圈子里说的”做梦”。它的记忆系统也不是一个文件，是四层：MEMORY.md 存项目知识与架构决策、checkpoint.md 由专门的子代理自动维护状态快照、notes.md 是它的草稿纸、每个任务还有独立的进度日志——全部走 SQLite 全文检索，重启终端不丢。
还有一个设计值得所有做 Agent 的人看一眼：它的 /goal 命令设定停止条件之后，Agent 想停下来时，由一个独立的评判模型来评估条件是否真正满足——防止自主工作里最常见的”过早乐观停止”。这个机制直接回应了 Agent 最经典的三种翻车：一步到位、过早宣布胜利、没测试就标记完成。
OpenClaw 和 Hermes 是这条线上的两个海外代表，而且有意思的是，它们是同一个概念的两条实现路线：OpenClaw 把学到的东西沉淀为 skills，Hermes 沉淀为流程。Hermes 用 Python 实现，比 TypeScript 写的 OpenClaw 性能好一些，官方还有订阅套餐，相当于直接给你 API，不用自己折腾 provider。
但自进化派有一个没人替你付的隐藏成本——磨合期。OpenClaw 和 Hermes 都至少要磨合 6 个月，而且它要拿到你相当隐私的信息才能建立对你的认知。所以这一类更适合本地部署小模型来跑。
适合谁：愿意磨合半年、愿意交出数据、追求长期回报的人。
活法四：开放底座派——一切皆插件
代表：DeepSeek Harness（dsh）
dsh 是 2026 年 8 月 13 日才开源的新物种，几天内 star 破 14 万。它和前面所有的根本区别在于：它自己什么都不是。
它的地基 Cordis 是个微内核，”几乎什么都不干”——只负责插件的加载、卸载和依赖管理。模型适配器、工具注册表、沙箱、调度逻辑，连 Agent 循环本身，都是平级插件。公式是 Model + Harness = Agent，换整个编排循环只需要改一个配置文件。
它内置四种模式，覆盖四种完全不同的用法：标准模式（全工具集，日常干活）、PTC 模式（模型不逐次调用工具，而是写一段代码来编排多轮工具调用，减少往返、提高可靠性）、极简模式（只留 shell 和文件编辑两个工具，专门用来给模型跑基准）、创造模式（检查当前运行时、在内存里试插件、组合出新模式——相当于让 Agent 自己造自己）。
它还有追记式会话日志：模型看到的一切都记录在案，包括每一次上下文注入，恢复、分叉、检索、回放共享同一份事件流。社区插件生态（dsh-plugin 标签）发布半个多月就接近 300 个。
但开放是有代价的，而且这个代价藏在架构里：插件有可能把 agent 的循环打坏。 一个装得不好的插件可以让你重装都没用（可能卡在插件缓存里）。对比之下，Pi 没有完全开放底层 loop，反而不容易被插件干坏。
这就是可插拔度的双刃剑：焊死给你稳定，拆开给你随时可换的出路。
适合谁：有技术能力、想研究 Agent 内部构造、或者想给团队搭底座的人。开发者预览版，别上生产。
活法五：生态派——卖的是入口，不是 Agent
代表：字节 Trae、腾讯 WorkBuddy、豆包工作
这一类最容易被低估，因为单看工程能力它们都不算优秀。但它们卖的从来不是工程能力。
Trae 的价值是”使用面最广”：适配字节生态非常优秀，云端服务器可以快速配置，一并打通火山引擎的所有内容；插件生态非常丰富，支持配置其他家模型，自家套餐也有性价比。腾讯 WorkBuddy 则完美打通腾讯云的组件，能自己总结 skills、有自己的记忆，也有一定自进化能力。
连豆包工作都在做同一件事：把扣子的多模态能力和 Trae 的代码能力缝进同一个入口。当你选这一类时，你选的其实不是 Agent，是它背后那朵云。
这个判断没有对错——如果你的生产环境就在火山引擎或腾讯云上，生态打通省下的时间远超工程能力差距带来的损失。阿里的 Qoder 甚至走出了一条差异化的子路线：工程能力不出众，但 Wiki 和记忆能力在 IDE 类别里非常少见——你可以用它自己的 agent 把整个陌生仓库的 Wiki 写得非常详细，这本身就是一种自进化。
适合谁：大众用户，以及深度绑定对应云生态的团队。
二、两个横切所有类别的维度
上面五类是纵向的，还有两个维度横切它们，选型时经常比类别本身更关键。
缓存命中率：被忽视的账单杀手
我在极简、自进化、底座三类里都看到同一个词被反复强调，而且都指向同一个事实：AI 永远只在进行一轮对话，每次工具反馈都会触发上下文重读，这时候缓存命中与否直接决定账单。
OMP 专门适配各家缓存优化策略；智谱 Zcode 官方宣称缓存能力极强、命中率高；dsh 把缓存当核心设计；Reasonix 更极端——它的工程能力一塌糊涂，唯一的优点就是缓存优化，因为它是围绕 DeepSeek 的前缀缓存计费模型设计的。
反面教材是 Claude Code：工具本身很强，但服务商适配不好时，缓存命中率被打崩，成本会以一种你看不见的方式暴涨。
这一项应该进入你的选型清单，权重不低于工程能力。 工程差一点顶多多改两轮，缓存崩了是真金白银。
形态要分开评价，不是按产品名选
同一个产品，CLI 版和桌面版经常是两个东西。Cursor 的 CLI 和桌面版差距巨大；Codex CLI 的界面并不优秀，普通用户更适合用客户端；Kilo Code 更多人在用它的 VS Code 插件而非 CLI；GitHub Copilot 该看的是 VS Code 里的插件和 agent 模式，它的 CLI 反而用起来比较混乱。
而选 IDE 形态的理由也不全是技术性的。很多程序员坚持要 IDE，是因为旁边有个对话窗口，沟通更顺，也让老板知道他确实在写代码。这是个社会性需求，不丢人，选型时该算进去。
模型偏好：认准一家，还是随时能换
还有一个维度经常被忽略——你对模型的偏好。这里分成两种活法，而且没有优劣，只看你认不认一家。
生态专用类：锁自家模型，开箱即用。 这些工具深度绑定某一家的模型（提示词、工具链都为它调优过），换来的是省心——装上就能用，套餐通常还靠谱。但代价是被那一家的定价、断供、收购锁死。最吃亏的场景是你们推荐的 agent 很适配国外模型，你却在国内访问不了它家的模型。
代表：Kimi Code（锁自家 K3、国际第一梯队）、Kimi Work（300 agent 协作）、Qwen Code（锁 Qwen）、MiniMax Code（锁 MiniMax）、Grok Build（锁 xAI）、文心快码 Comate（锁文心）、CodeGeeX（锁智谱 GLM）、讯飞星火 Agent（锁星火）、豆包工作（锁豆包，能力上限不高平时白嫖合适）。这类大多官网直装、国内访问顺畅。
开放可配类：随意换任何模型。 代价是多一点配置，换来模型中立——哪家便宜、哪家好用，随时切，不会被单一生态拿捏。工程类代表 OpenCode（开放）、OMP（缓存优化对标 Claude Code）、DeepSeek Harness、Pi、Aider、Amazon Q、OpenHands；办公大众类代表字节 Trae（适配自家也支持配别家）、智谱 Zcode（缓存极强、能配所有模型）、腾讯 WorkBuddy（可配别家）、GitHub Copilot（常规模式可配第三方）。
判断方法：认准一家生态（尤其只想要 K3/Qwen/Grok/HY/豆包这类）就直接用专用类；想随时比价、免被锁定、要能落地到国内可跑的模型，就选开放可配类。 我给”模型偏好”设计成了极速版处境题之一（注意：生态专用和开放可配没有孰优孰劣，只看你的预算和风险偏好）。
三、认知水平决定你能用哪一层
这是我把自测网页做成极速/详细/专业三套的原因。极速 20 题里处境题八道（命令行能力、境外可达性、用途、形态、安装方式、配置意愿、磨合期、模型偏好），认知题十二道；详细 70 题把处境扩到处境+需求+展望三组信号，认知铺开到 50 道；专业 180 题把认知扩到十二个维度（在知识边界、检索接入、记忆上下文、幻觉验证、可用成本、工具框架、自主安全、行业生态之外，增加安装部署、生态锁定、协作验收、评测素养），给从业者和重度玩家。另外每道题都配了提示语，拿不准可以标记，答完会建议你升级到更细的版本。处境问你”卡在哪”，认知决定该给你什么层级——
- 模型 5 月发布、8 月使用，6 月的新内容它知道吗？
- 开了联网搜索，能查到判例库和论文库的全文吗？
- 聊了 20 轮，它真的”记得”前面说过什么吗？
- 它给你的参考文献，你怎么判断真假？
- 同一模型换个框架，表现能差多少？
- 为什么让它多接几轮后续，账单会涨得比预期快？
这些题不是考你，是在给工具分层。认知分低的用户拿到极简派工具，等于把方向盘交给不会开车的人；认知分高的用户被塞一个重编排框架，则是在给赛车装限速器。 同样的工具在不同认知水平的人手里，是两个东西。
如果你认知题几乎全对——训练截止、搜索够不到数据库、上下文每轮重读、引用会编、框架决定结果——那你可以放心去玩极简派和开放底座，它们会把全部判断权还给你。如果答不上来，先别急着挑工具，这些地基补上之后，你看到的推荐名单会是另一份。
四、如果实在不想选：三个通用起点
总有人什么都不想选。给三个通用起点，共同点是都有桌面应用、界面清楚、装上就能用、都能换模型：
- OpenCode——官方定位就一句”the open source AI coding agent”。有桌面应用（BETA），macOS/Windows/Linux 都有安装包。内置 build 和 plan 两个 Agent 用 Tab 键切换：build 是默认的完整权限开发模式；plan 是只读的，默认拒绝改文件、跑命令前会问你权限，专门用于探索陌生代码库。想学 CLI 从它开始。
- 字节 Trae——国内大众用户的默认起点之一。打通火山引擎、插件生态丰富、可配其他家模型。
- 腾讯 WorkBuddy / CodeBuddy——腾讯云用户的默认起点。能自己总结 skills、有自己的记忆，也有自进化能力。
它们不一定是终点。通用起点的意义是让你先跑起来，等你知道自己缺什么了，再回来换。
最后回到开头那个问题：”哪个 Agent 最强？”
现在你可以看出这个问题缺了什么——它没说你是谁、你要干什么、你能验收到什么程度、你愿意付出多少磨合期。自测网页分极速 20 / 详细 70 / 专业 180 三档，答完给你的是”以你的情况值得先试的几个”，而不是一个冠军。
工具一直在升级，但选型的底层逻辑从来不变：先搞清楚你手里的是什么，再搞清楚你是谁。
上一篇讲过：什么时候你发现用 AI 反而更忙了，这一关你才算入门。这一篇的补充是——入门之后，别急着换工具。先确定你站的那一层站对了，再谈往上走。