现在如果有人问我，最值得折腾的 Agent 工具是什么，无疑是 Claude Code 和 Codex。但对国内用户来说，这两款工具都不算友好，使用门槛也不低。如果不是开发人员，花时间折腾下来，溢价能力未必会用上。这种情况下，腾讯家的 WorkBuddy 完全可以作为一个更省事的国产平替。从日常办公、创意设计到代码开发，WorkBuddy 基本覆盖了大部分人所需要处理的任务。并且最近 WorkBu

更牛的是，相比于标准的 PyTorch CPU 推理，它的端侧提速超过了 60 倍，且坐标偏差被死死控制在 1 像素以内。它直接跨过了限制，调用更底层的 API，硬生生在 Apple 的 GPU 上把这条缺失的高速公路给修通了，让设备能够支持 W8A8 和 W4A8 这两种极其高效的计算模式。所以，既要 Manus 的“眼力”，又要 OpenClaw 充满执行力，Mano-P 就是在这个死角里开源

昨天收到了来自扣子官方的小惊喜，一张六一活动奖状~不禁让我想起四个月前，还在聊它的 2.0 版本。那时扣子把专家经验封装成技能，让 AI 自动跑流程，执行力已然翻倍。现在他们推出的全新 3.0 版本，不再执着于打造一个万能对话框，而是将重心放在了构建一支 AI 专家团队上。多人多 Agent，@一下全员就位。coze.cn。

OpenClaw 用的社区镜像预装版，开机即用，不花一分钱装环境。服务器首月 9.9，包年只需 66 块。模型 Token 注册送 300 万，用邀请链接进来多拿 1000 万。邀两个朋友进来：再回血 1000 万 Token。把这些全加起来，我们一个月在养龙虾上花的钱，差不多就是一顿快餐，这性价比相当高了。对还在纠结要不要试试 OpenClaw 的朋友来说，这个门槛，我觉得已经没有继续等的理由了

这 AI，进化到什么时候是个头。做 PPT、文字润色、优化 Prompt、做总结，随便抓一个工具来，给出的结果都不算差。但是“写”只是入场券，我现在挑 AI 产品只看一件事：它要等我走到哪一步，才开始真正帮忙。现在像 Claude Code、Codex 这类桌面 Agent，你给一个方向，它们就能自己去项目里找文件、读上下文、拆任务。不需要你把材料一份份喂进去。但本质上，它们还是属于“发包模式”的

DeepSeek 论文解读DeepSeek V4 Pro 在配音偏机械。画面上，它更像展示一份完整讲解稿，信息密度高，但“解读感”弱一些。当然，这一轮提示词本身很宽泛，所以不同模型会有不同取向。GLM-5.1 画面排版还可以更精致些，DeepSeek V4 Pro 更像把内容讲完整，MiniMax-M3 则更像是在自己理解后重新组织表达。三者各有侧重。这三轮测下来，MiniMax-M3 给我的感觉

DeepSeek 论文解读DeepSeek V4 Pro 在配音偏机械。画面上，它更像展示一份完整讲解稿，信息密度高，但“解读感”弱一些。当然，这一轮提示词本身很宽泛，所以不同模型会有不同取向。GLM-5.1 画面排版还可以更精致些，DeepSeek V4 Pro 更像把内容讲完整，MiniMax-M3 则更像是在自己理解后重新组织表达。三者各有侧重。这三轮测下来，MiniMax-M3 给我的感觉

前不久在 Create 2026 百度AI开发者大会上，百度智能云事业群总裁沈抖在《万物一体，AI云为基》主题演讲中就聊透了这个趋势，他抛出了一个让我印象极深的行业断言：“AI 云的下半场，不是比谁消耗了更多的 Token，而是比谁能用好每一个 Token。这次在百度千帆的驾驭工程下，同样的一套逻辑流，它会在遇到数据报错时，调用记忆库里的历史纠错记录，自动修正搜索关键词。打个比方，现在的顶级大模型

养虾已经成为我们团队的日常了，几乎人手都有一只🦞要养，不仅能实时抓取全网前沿 AI 资讯速递，还能干一些搬砖杂活。比如我经常会用它帮我整理一下电脑中保存的截图，或者是帮我爬取一些数据。但太烧钱了…我上个月的账单原因也很简单：传统按 Token 计费的方式，对于普通聊天还好，但一旦用到 Agent、编程助手、自动化任务，成本就很容易失控。比如你只是问模型一个算术问题，消耗不了多少；

养虾已经成为我们团队的日常了，几乎人手都有一只🦞要养，不仅能实时抓取全网前沿 AI 资讯速递，还能干一些搬砖杂活。比如我经常会用它帮我整理一下电脑中保存的截图，或者是帮我爬取一些数据。但太烧钱了…我上个月的账单原因也很简单：传统按 Token 计费的方式，对于普通聊天还好，但一旦用到 Agent、编程助手、自动化任务，成本就很容易失控。比如你只是问模型一个算术问题，消耗不了多少；