← 返回全部情报
How I AI:四款个人 Agent × 九项真任务横评,片内总分 Grok Bot 约 93%、Claude Duet 约 79% 的封面

·YouTube·工程/播客收录 2026-10-31

How I AI:四款个人 Agent × 九项真任务横评,片内总分 Grok Bot 约 93%、Claude Duet 约 79%

工程播客个人Agent基准测试How I AIGrok Bot评测

一句话结论

用同一套短提示与尽量对齐的连接器,横评 Dot、Grok Bot、Meta Muse、Claude Duet 在 Slack 回复、剪短视频、修 Sentry、做缩略图、收件箱、家庭报纸、讲物理、买鞋、产品发布片等九项任务;片内汇总表给 Grok Bot 约 93%、Claude Duet 约 79%,并强调按工作/生活选型与工具接入一致性。

打开原文 How I AI:I tested 4 AI agents on 9 real tasks. Here’s who won.

背景与理念

个人 Agent 市场噪音大,Claire 做「How I AI personal agent benchmark」求同题对照,而不是单一炫技。任务来自各 Agent 自报高频能力再交叉;用 operator(计算机使用)驱动,尽量一人提示、对齐连接器。

具体做法

  1. 四 Agent:Dot、Grok Bot、Muse、Claude Duet;九任务覆盖协作、创意、工程、生活。提示保持口语一行级,拒绝长 AI 八股。
  2. Codex 用浏览器核对连接器/技能尽量一致;Muse 未接部分商务工具(如 Slack/GitHub),片中对其商务任务降权说明。Claude 计算机使用被吐槽不稳,但仍作跑 Dot 的 operator。
  3. 边看结果边口述评判,再把口述稿丢给 Claude 汇总片内分数表;强调非盲评、有人工 nudge。

关键数据/例子

片内汇总:Grok Bot 约 93%,赢缩略图、收件箱待办、买鞋等广度任务;Claude Duet 约 79%,偏慢,但修 bug 更完整、产品发布片最好。Muse 在个人向(短视频、家庭报纸、讲题)与速度上突出;Dot 创意弱、编排尚可。速度印象:Muse 常最快,Claude 常最慢且要更多权限确认。百分比来自片内 Claude 汇总表与口述,非正式实验室协议。

创新点

第一,用「同题短提示 + 对齐工具面」做个人 Agent 横评,而不是功能清单对比。第二,把连接器一致性与「工作向 vs 生活向」选型写成可复用基准纪律。

可否复用

  1. 自测矩阵先钉 5–10 个真任务与一行提示,再换 Agent。
  2. 横评前用清单对齐连接器,并单独标注缺接入的产品。
  3. 分数旁注明是否盲评、是否人工 nudge,避免把操作员差异当成模型差异。

笔记会在输入时自动保存。