尤其是大量杂乱文档的整理，真正困难的地方不是改几个标题、挪几个位置，而是要先理解所有内容，再判断它们应该怎样组织、哪些信息互相关联。有的内容是在记录过去的决定，有的是目前正在执行的规则，还有的只是一个没有展开的想法。反过来，强模型在混乱资料的理解、归类和关系判断上，如果能够减少返工和人工介入，那么更高的 Token 成本反而可能是划算的。所以，我说的“把能力开到最大”，不只是切换模型，还包括让 A

把聊天中确定的想法、要求和决定写进 Page，再让 Codex 接着执行并写回结果，减少重复交接上下文的工作。

以《系统之美》为例，分享我如何将 PDF 拆分、转换为 Markdown，并借助 ChatGPT 实时语音实现 AI 陪读。

A2A 让 Agent 直接交换信息与执行任务，重新审视人与人之间大量重复的业务沟通。

多 Agent 工具没有万能组合；按任务复杂度分层，让轻量工具处理小任务、主力工具承担日常工作、高能力模型处理复杂任务，并保留备用链路。

多 Agent 工具没有万能组合；按任务复杂度分层，让轻量工具处理小任务、主力工具承担日常工作、高能力模型处理复杂任务，并保留备用链路。