这两天总算是体感了一下 chatgpt（codex）和 workbuddy 之间的差别

starwishzzgg 2026-07-25 11:52 1

想做一个武侠游戏，准备先收集整理一下金庸相关的武侠作品内容，包括门派、人物、武功等，并且根据关联关系建立武侠知识图谱，为后面做游戏做些准备，于是先用 Chatgpt 来干，活又细又慢，耗掉了我 5 个 plus 的重置，基本形成了一个数据基础，基于此生成了一个网页来查看相关关系和具体细节，我把我最熟悉的相关门派、人物、武功都看了一遍，除了有缺失的，基本没有错误。

忽然突发奇想，反正 workbuddy 也有之前薅羊毛来的几千积分，想对比一下区别，于是乎用同样的提示词输入 workbuddy ，惊喜的是速度比 chatgpt 快几倍，过程中观察发现比 chatgpt 少了不少交叉比对来验证数据结果的正确性，结束后也生成了一个网页来查看关系和细节描述，同样去看我最熟悉的相关门派、人物、武功，发现了近 10 处细节错误。

从过程差异来看，感觉模型处理这样的任务差异不大，似乎主要就是缺在交叉验证数据结果这块，侧面思考一下，各个 agent app 的 harness 设计还是非常重要啊，

最新回复 (14)

calvinHxx 07-25 13:09

1楼

你来回核对 workbuddy 细节、修补漏洞的时间远比你等 gpt 生成慢成本要高的多的多
getadoggie 07-25 13:14

2楼

所以是不是还是 harness 流程设计很重要可是现在有相关比较完善的开源项目吗，我感觉都找不到
Solace202 07-25 13:45

3楼

我也觉得，其实大部分代码编写场景其实流程更重要，我觉得写的快了，那如何测试更重要，我甚至认为测试是最需要尽快处理的问题了。
cnightmare 07-25 13:58

4楼

模型能力差太多了，这些 agent 都是互相抄，大差不差
bigdogbigpig 07-25 14:24

5楼

应该让 codex 用便宜的模型，这样速度可能慢一点，准备用效果可能也还行
ldy619354397 07-25 14:32

6楼

模型能力查很多
leihaibo1992 07-25 14:36

7楼

你确定你对比的是 codex 和 workbuddy 吗，你对比的明明是顶级模型和一个免费的垃圾模型
leihaibo1992 07-25 14:39

8楼

agent harness 不是什么高深的技术，现在市面上叫得上名字的 agent harness 不会有什么显著的差异，前提是得用相同的模型
yidinghe 07-25 14:47

9楼

这个场景重度依赖网度搜索工具，搜索质量差，模型再聪明也是白搭。
yunpeng2015 07-25 15:09

10楼

应该用 codex + 一个便宜模型，然后对比 workbuddy + 一样的模型
zhw2590582 07-25 16:06

11楼

workbuddy 现在可以控制电脑和浏览器吗
kirbyzhu 07-25 20:27

12楼

workbuddy 根本不能用
Deshun 07-25 22:23

13楼

WorkBuddy 有一些专家，比如深度研究专家或者专家团，可能会有交叉验证的逻辑。
zerovoid 07-26 02:28

14楼

你是想比较模型能力，还是 IDE/CLI 能力？