文/简五
这几天花了几天时间，把三个Agent拿出来做了不少测试。
一是DScode。我让它帮我生成了一个网页端小游戏。因为想让X女士来我这里玩游戏，起名就叫“徐家花园保卫战”。玩法是用向日葵生产阳光，用阳光生产坚果墙、三花猫豌豆射手、鸭子寒冰射手，因为我觉得她可能喜欢三花猫和鸭子。
我简单写了游戏需求说明，主要包括两个界面及简单功能、植物角色与僵尸角色、生产阳光、阳光造射手、射手打僵尸、阳光生产数量和僵尸消耗值等，最后要求模型按照我的要求和软件开发规范，先提交需求技术规范书、技术开发说明与使用说明。这是关键的两步：按标准软件开发流程，先明确需求，再生成需求技术规范、开发说明和使用手册。
为了保证Token消耗可控，就做成类似《植物大战僵尸》的简易版：一个启动页面，一个游戏页面。大概花了30分钟，游戏完成了，但有些小BUG。首先是操作面板上的字因为排版问题看不见；其次是游戏界面面积太小；再次是背景音乐与音效需要调整；最后是僵尸出现时间要优化。起初射手还没就位，僵尸就呼呼啦啦全出来，难度太大，后来做了优化。全部优化我没有自己改代码，完成之后试玩了两把，感觉还不错。这里多数问题属于前端布局、资源加载和游戏参数配置问题，属于普通软件BUG和Agent工程实现问题，不宜都归为“模型幻觉”。
二是DSH。为了验证DSH与DScode的生成效果差距，我把上个项目的需求技术规范书拿过来，直接让它生成。因为未来想给X女士玩，我要求模型把三花猫射手与鸭子射手好好设计。早先三花猫是尖嘴巴，鸭子射手看着像公鸡，改了一版再次生成，效果很好。然后同样调整了操作面板与游戏界面，但后来发现它竟然用了上一个游戏的目录。只能重新新建目录、重新生成，这下终于没有之前的问题。从效果上说，在本次输入和预算下，DSH生成的游戏界面更好看、改动也比较少，但程序有BUG：游戏结束后如果不重启，会卡在最后结束的一帧。最后我把要求给DSH，它重新优化，解决了这个BUG。这个更像游戏状态机和结束事件处理问题，不是模型“幻觉”。
小游戏完成后，我兴冲冲给X女士发信息，告诉她我开发了一个小游戏，本意是邀请她试玩，但她没回应，有点扫兴。
三是WorkBuddy。这个Agent是腾讯做的，今年2月上线，据说功能非常强大。我就想给它一些文档开发任务。想起我的微信公众号文章好久没更新，于是先把它自带的公众号专家配置好，再配置公众号后台相关工具和接口，使它能够辅助修改公众号草稿，尽量减少我的干预、减轻写作工作量。这里更准确地说，是“辅助生成和编辑草稿，经人工审核后发布”，而不是完全无干预地自动修改已发布内容；API Key权限、账号安全和审核环节也要控制好。
WorkBuddy用了自动模型路由模式，它先看了我所有文章，建议把5月底文章拆成10篇，其中4篇先完成初稿全文，后面6篇先列内容总结，等待后期再写全文。拆完后开始修改第一篇，我发现它竟然要把新华社的观点矛盾列在文章里，气得我质问大模型，批评它犯了红线错误。它也改正了，并把这一点写进它的长期记忆配置里。这里要说明，写入memory通常是产品层的长期记忆或项目记忆，不是模型参数永久更新，仍可编辑、清理和审计。我惊讶地发现，大语言模型竟然会犯这么低级的来源与合规核验错误。
后来一天，我叫它改第二篇，它没再犯上述红线错误，但在小观点上过度推理，还对我的两项修改提出质疑。我想到大语言模型竟然要质疑我，要是不说服它，恐怕它后续要犯错，就对它说它犯了逻辑扩大错误，并要求它首先考虑本国自媒体的表达边界。这里也要注意，立场要求应建立在事实准确、来源可核的基础上，不能变成选择性分析。它也接受了，后面改得比较快。最后用DScode分析这篇文章，内容分拿到85分。这个分数只能作为参考，LLM评分本身有偏差，最好配合评分标准、多模型评审和人工抽检。
后面，我还要求它顺手帮我做了一个25秒的表格式动画视频，配了电子合成音。虽然改了两版，勉强及格能用，但相比公众号与小游戏的完成质量与完成度，差距不小。
其实，我本来是想拿来学习Tools是什么、Skill怎么写、MCP怎么做的，结果却先把软件开发、文档写作、多模态开发试了一个遍，也学习了如何从GitHub上拉程序、安装插件。成绩方面，主要是学习了几种主流Agent，完成了从部署、API Key导入、插件及Skill安装、GitHub程序拉取等内容，顺带完成了几个小项目；但没能在IDE内辅助编程、结对调试、代码审查和单测这类“辅助编程”场景系统试手，是遗憾。前文的小游戏生成更偏向“自然语言生成应用”，和严格意义上的辅助编程还不是一回事。
从心态上说，我建立了对大语言模型及Agent的基本认知，包括部署、API Key导入、规范的软件开发流程、高效的公众号文章写作、简单多模态生成等，也实现了指导Agent完成任务。但同时，它中间的多次调整优化过程，也让我认识到：大语言模型及Agent会因为幻觉、推理偏差，或者工具调用、上下文管理、状态机实现等工程问题出错，有时甚至会出现关键性的原则错误。因此，必须对它的结果进行人工核验，或者用多重Agent模型交叉验证，并配合规则校验、自动化测试和人工签发。本质上，Agent及大语言模型是机器、是程序运行，它既不能取代人类去思考，也需要你熟悉任务所在领域的业务基础知识、熟练把握任务的规范制度，这样才能实现大语言模型或者Agent的完善与高效利用。
