Keep on to blur preview images; turn off to show them clearly
RT @aigclink: Gemini Live大更新，谷歌刚刚给Gemini Live加了“人声特效包”，像真人一样表达带节奏、带口音，交互更自然 新版模型能实时识别并控制语速、韵律与口音 可以用它陪练外语、模拟面试、讲带感故事 #GeminiLive #AI语音 h…
Prompt Engineer, dedicated to learning and disseminating knowledge about AI, software engineering, and engineering management.
2025 年是公认的智能体元年，眼看着 2025 年都快要结束了，那么这些 AI Agent 到底能帮我们干多少有经济价值的活儿？ 我也好奇这个问题，这篇文章倒是给了我部分答案。 Surge AI 做了个有趣的测试：他们"雇"了 9 个 AI 模型，包括最新的 GPT-5 和 Claude Sonnet 4.5，让它们在一个模拟的电脑配件公司 (叫 Corecraft) 里当客服，处理 150 个真实任务。 还挺合理的，客服确实是写代码之外最普遍的 Agent 落地场景了。 猜猜结果如何？ 各个模型的能力排行上，跟我预期差不多，最强的是 GPT-5 和 Claude Sonnet 4.5（不知道 Claude Opus 4.1 会不会好一点）。 模型能力上，比我预期的还好一点点，最强的 GPT-5 和 Claude Sonnet 4.5，有超过 40% 的智能体任务失败了，反过来说成功率有 50% 多了。 这篇文章有价值的地方不仅仅是他们做了测试和打分，而且提出了一个相对比较科学的框架，叫"Agent 能力金字塔" (Hierarchy of Agentic Capabilities)。 （参考图1，还标注了当前这些模型大概处在金字塔的什么位置）。 第一级：基本功 (工具使用 + 规划) 这是金字塔的底座。你总得会用公司的系统，能看懂任务吧？ 比如，任务是"查找 SkyForge X670E Pro 这个主板的订单"。 弱一点的模型 (比如 GPT-4o) 会直接把"SkyForge X670E Pro"这个产品名，塞进"product_id" (产品ID) 的搜索框里。 这就像实习生把客户的姓名输到了订单号栏位。当然啥也查不到。 第二级：适应性(Adaptability) (计划赶不上变化) OK，你现在会用工具了。但如果系统跟你"耍脾气"，你该怎么办？ 比如，任务是查"Vortex Labs"这个牌子的显卡。 中等模型 (像 Gemini 2.5) 搜了，返回 0 个结果。它们就直接跟客户说："抱歉，我们不卖这个。" 但 Claude 4.5 就聪明一点。它会想："咦，是不是系统里没空格？" 于是它试着搜 "VortexLabs" (没空格)，哎，这不就搜到了吗？ 这就是适应性。计划 A 失败了，你得有 Plan B。 第三级：抓地力(Groundedness) (别胡编乱造) Groundedness 这个词很妙，意思就是“你还记不记得上下文？”“你有没有产生幻觉？” AI在多步骤任务里，特别容易产生幻觉。 这层要求你"活在当下"，别瞎编，别忘了你是谁，你在哪。 比如，系统提示里写着"今天是 2025 年"。 有的模型 (像 Kimi K2) 转头就去搜 2024 年的订单。 更夸张的是 Claude，它在查客户时，自己"编"了一个根本不存在的 email 地址拿去搜。 这就叫"抓地力"了。这种 AI Agent 你敢用吗？ 第四级：常识推理 (真正的"智能") 这是金字塔的塔尖，也是 GPT-5 这次栽跟头的地方。 这已经不是"会不会用工具"的问题了，而是"够不够聪明"。 文章举了几个 GPT-5 失败的例子，都特别经典： 1. 客户说："我想退款，包裹刚到几小时。" 人类客服秒懂：这是"退货" (Return)。 GPT-5 拿到了所有信息，但它没把"包裹到了"和"退款"这两个点联系起来，搞不懂这到底是"退货"还是"取消订单" (Cancellation)。 2. 任务是"找出八月份的'游戏玩家'客户"。 聪明的做法是：搜索"GPU"分类 + 搜索描述里带"gaming"的产品。 GPT-5 的做法是：一天一天地搜，从 8 月 1 号搜到 8 月 31 号。 它花了 31 次搜索，硬是"穷举"出来了。 这说明它能执行，但它... 不太"机灵"。 3. 客户说："我的账户名应该是 Sarah Kim。" GPT-5 以为这是个"修改账户名"的指令。 但其实，客户的意思是："我就是 Sarah Kim，快用这个名字查我的会员折扣！" GPT-5 没能理解这个"弦外之音"。 所以，回到最初的问题。 2025年是“Agent 元年”，不是说我们已经有了能干活的通用 Agent。 而是我们终于有了能通过前三层"足够好"的 AI，好到让我们能开始测试它们在第四层 (常识) 上到底有多笨。 就像图2 那样，“常识”这一层，还有得爬呢！ 建议阅读原文：
Prompt Engineer, dedicated to learning and disseminating knowledge about AI, software engineering, and engineering management.
实战案例：用 SOLO Coder 打造一个“网页转 Markdown”浏览器插件 除了做网站，我日常写的小工具就是浏览器插件。这几天我尝试用 TRAE SOLO 模式写了一个把网页内容抓取成 Markdown 的小插件，就很方便。 我在使用 TRAE 这种 Coding Agent 写浏览器插件时也积累了一些经验技巧： - 使用框架： 最好使用 wxt 这样专门为浏览器插件打造的框架，可以节约很多从头搭建的时间。 - 从 Example 开始： 不要直接让 Agent 从头创建，因为 Agent 的训练时间相对比较早，很多库更新又很频繁。这个 WXT + React + Tailwind + Shadcn 的项目就很合适：https://t.co/RF9Q0SAZlH - 先 Plan 后执行： 我习惯了先让SOLO帮我计划再执行，不要着急让 Agent 直接动手写代码。 - 人工反馈： 因为像浏览器插件 Agent 不能直接帮你访问调试，所以需要你自己测试，并且把错误结果粘贴给 Agent。 这是我当初实现时用到的提示词，有兴趣你也可以试试： --- 提示词开始 --- 请帮我实现一个浏览器插件，点开后，可以抓取当前网页的：标题、链接、网页内容为Markdown，参考截图（注：配图2）。 - 最大尺寸400x600 - TItle 最多显示一行（超长的显示省略号） - Properties 内的 Meta 信息最多显示为1行（超长的显示省略号） - 显示网页内容Markdown部分撑满剩余空间，内容太长可以滚动 - 下面有个复制按钮，点击后可以复制为完整Markdown内容（title+content+source url) - 注意确保插件有正确的网页访问权限，能访问到网页内容 技术栈： - wxt：插件框架 - Tailwindcss + shadcn ui: UI - 请直接下载这个示例项目 （https://t.co/RF9Q0SAZlH） 开始，注意是 wxt-dev/examples/tree/main/examples/react-shadcn 这个目录下的完整内容，不需要其他无关内容 --- 提示词结束 --- 有了 SOLO 正式版之后，我把这个提示词用 SOLO Coder 重新做了一遍，遇到的错误明显少了，生成速度也快了一些。 打开 Plan 模式后，它会先制定计划，最好人工 Review 一下计划有没有问题，没问题再开始执行。 第一次可能会失败，把结果发回去让它修复。大概需要反复迭代几次，就可以得到结果了。 如果完成后你不知道怎么用，还可以问 Agent 该怎么发布、使用，或者干脆让它写成文档。 这个用 TRAE SOLO 模式打造的小项目已经发布到了 GitHub：
最后：我的几点看法 SOLO 模式整体用下来，对于不太习惯用 cli 模式的来说，应该会方便很多： - 可以方便的输入和编辑提示词、粘贴图片。 - 可以随时用鼠标停止、切换模式。 - DiffView 可以方便看代码更新，Browser 可以实时看到网页效果。 对于习惯了用 cli 模式的，这些优点倒没有那么明显，但能和浏览器联动对于做网页应用来说还是方便很多。 最后聊聊计费，TRAE 在 Token 用量上还挺慷慨的。近期 SOLO 改成了采用基于 Token 消耗的计费方式，折算为快速问答次数（Fast Request）从会员套餐中扣减。每轮对话结束后，IDE 内对话框底部和 TRAE 官网的 Usage 页面将清晰展示本次消耗详情。 推荐大家去试试，尤其是可以试试我上面提到的 SubAgent 的用法，或者参考我上面分享的提示词，自己写一个浏览器插件试试。 TRAE国际版官网：https://t.co/rF5s0uF53p https://t.co/wQXKquMgqg
最后：我的几点看法 SOLO 模式整体用下来，对于不太习惯用 cli 模式的来说，应该会方便很多： - 可以方便的输入和编辑提示词、粘贴图片。 - 可以随时用鼠标停止、切换模式。 - DiffView 可以方便看代码更新，Browser 可以实时看到网页效果。 对于习惯了用 cli 模式的，这些优点倒没有那么明显，但能和浏览器联动对于做网页应用来说还是方便很多。 最后聊聊计费，TRAE 在 Token 用量上还挺慷慨的。近期 SOLO 改成了采用基于 Token 消耗的计费方式，折算为快速问答次数（Fast Request）从会员套餐中扣减。每轮对话结束后，IDE 内对话框底部和 TRAE 官网的 Usage 页面将清晰展示本次消耗详情。 推荐大家去试试，尤其是可以试试我上面提到的 SubAgent 的用法，或者参考我上面分享的提示词，自己写一个浏览器插件试试。 TRAE国际版官网：https://t.co/rF5s0uF53p https://t.co/wQXKquMgqg
Prompt Engineer, dedicated to learning and disseminating knowledge about AI, software engineering, and engineering management.
深度体验TRAE SOLO 正式版，总结一点技巧(附完整可重现提示词和源码) 内容摘要：TRAE SOLO 模式评测，内含两个有价值的经验分享： 1. 如何借助 SubAgent 控制 MCP 工具上下文； 2. 在 TRAE SOLO 模式下一次性完成一个抓取网页内容生成 Markdown 的浏览器插件的提示词 正文：🧵
过去一段时间，很多人在找 TRAE SOLO 模式的邀请码。现在 SOLO 正式版已经面向TRAE国际版所有用户全量上线了，SOLO Code和Waitlist都成为了历史。 早在内测期间，我就有深入体验过 TRAE 的 SOLO 模式，这两天又重新测试了一下新的 SOLO Coder，在模型能力上明显有了大幅提升，这两天还在限免，推荐没有用过的朋友去试用一下。 什么是 TRAE 的 SOLO 模式？ 简单来说，你可以理解为 Claude Code / Codex CLI 的代码编辑器版本。 它不再是黑乎乎的命令行窗口，而是友好的 App 界面。你可以方便地输入和修改提示词、粘贴图片、配置 MCP 工具（各种外部能力），并且可以在 Agent 执行时实时看到代码变更、实时预览结果，随时可以终止并输入新的提示词。 按照官方的话说是： 「SOLO 正式版的核心定位是「The Resoponsive Coding Agent」（响应式编码特工），在高度自动化的同时能做到实时有感知（Responsive Review）、随时可掌握（Responsive Context）、多任务并行（Responsive Multi-Agent）。」 SOLO 正式版瞄准的是从 1 到 100 的复杂任务，比如一个单独的开源项目，或者根据已有项目做 1-100 的重构和迭代。 功能亮点 聊功能更新之前，我先分享两个在内测和新版使用中，我觉得最有价值的两个亮点。 真正打通“行动 ➔ 验证”的闭环 这是我最看重的一点。很多 AI Agent 只会“收集上下文 -> 采取行动”，但它并不知道自己干得好不好。 比如说，你只让 AI 写一段代码，这段代码可能是对的也可能是错的。 但如果你给 AI 几条测试数据，告诉它写完代码用这几条数据验证一下，AI 就能根据错误信息去修复，直到通过所有验证。 对于 Agent 来说，打通 收集上下文 -> 采取行动 -> 验证结果 的循环非常重要。 SOLO 模式就在尝试打通这个循环。比如我在使用 Codex 时，一个在浏览器测试遇到的错误，需要反复复制粘贴回 Agent。而 SOLO 模式内置一个浏览器，可以实时“看到”网页运行情况，这样它就能根据网页错误信息，自行修正代码，直到解决问题，不需要太多人工干预。
RT @nopinduoduo: 作为ADHD型转码选手 如果没有AI,没有最后幸运的去实习了，我可能永远也学不会编程了。 1.依赖自驱的学习，离不开正反馈和学习循环。 正反馈，那些让你爽的点，比如写个“Hello world",写个小脚本等等...…
Prompt Engineer, dedicated to learning and disseminating knowledge about AI, software engineering, and engineering management.