这不是在用工具，这是在造工具！

因为它涉及的是整个信息架构的设计，包括怎么组织信息、如何筛选相关内容、压缩冗余数据、以及隔离不同任务的上下文等等。项目的整体架构、业务逻辑、已有的代码库、依赖关系、历史bug修复记录，还有当前要解决的具体问题。，我发现即使用同样的prompt，不同的上下文环境下效果完全不一样。当我只是简单描述要把单体应用拆分成微服务的时候，它给出的方案都是教科书式的套话，但当我把现有的。比如长上下文的token消

不难发现，在评估维度评测的五大任务场景中，有一个场景的评分显现出较大的两级分化，那就是交互操作能力，透过热力图与雷达图可以清楚看到，该能力甚至直接影响了最后的评分排比，交互操作类任务仅Claude系列和Doubao Seed 1.6经受住了挑战，而这三个模型分别位列综合评分前三。结合Auto-GPT 与 Agent 架构中对“操作环境”的描述以及AiPy、Autogen等框架中的衡量指标来看，交互

简单说就是不要那些复杂的框架，直接用Python代码来实现Agent逻辑。

简单说就是不要那些复杂的框架，直接用Python代码来实现Agent逻辑。

Python-use这个思路回归了编程的本质：code is everything

OpenAI 联合创始人、首席执行官萨姆・奥尔特曼将 GPT-5 类比为可以按需召唤的 “博士级专家”，能够随时助力用户达成各种复杂目标，并且声称 GPT-5 在超高难度的科学问题上刷新了世界纪录，在与人类专家的对比测试中，近 70% 的场景表现更优。在 AiPy 第三期测评的 13 个参评大模型中，仅有 GLM-4.5、Doubao-Seed-1.6、Claude Sonnet 4 在交互操作类

如果你还在靠堆 Prompt 做 Agent，就像在用积木搭火箭，看似复杂，实则一碰就散。

ChatGPT，曾经的王者，陷入替身危机。