个人知识库

Agent 选型四步法

6分钟阅读

Agent 选型四步法

作者小普提出的 Vibe Coding Agent 选型方法论——定场景 → 定维度 → 跑测试 → 算成本，四步顺序不能乱

简介

Agent 选型四步法是作者小普在系统性评测 Claude Code、Codex、Pi Agent、OpenClaw、Hermes Agent、Maka Agent 等多个 Vibe Coding 工具后总结的一套选型方法论。核心理念是：没有一个 Agent 可以通吃所有场景，选型必须按任务类型分工。

当时市面上 Vibe Coding 工具爆发（Claude Code、Codex、豆包、Kimi Code、Work Buddy 等），新手不知从哪里下手，很多人选错工具后反而低效——用不够精细的提示词勉强驱动能力上限不够的工具，投入精力比手写代码还多。这套方法的目的就是用结构化决策替代”跟着感觉走”，避免翻车。

关键信息

四步详解

第一步：定场景

最容易跳过，但也最关键。先搞清楚核心场景是什么，这一步没想清楚，后面看再多数据都是白搭：

  • 从零搭一个新项目，还是在已有代码库里做修改？
  • 是一个人跑，还是和团队一起开发？
  • 冷启动 vs 已有技术栈的增量开发？

不同场景对 Agent 的要求完全不同。选错工具后开车再换，时间成本远高于前期的思考。

第二步：定维度

对个人开发者，三个维度最具参考价值：

1. 任务完成率：

  • SWE-bench Verified：真实 GitHub bug 专项测评。Claude Code 88.6% vs Codex 88.7%——差 0.1 个百分点，代码理解能力基本打平。
  • Terminal Bench 2.0：命令行独立操作性考核。Codex 82% vs Claude Code 69.4%——差距明显，需要终端操作的场景 Codex 显著更稳。
  • Pi Agent 没有独立成绩（它是框架，成绩取决于你接的底层模型）。

2. 上下文效率：Pi Agent 只用了 400 Token 的系统提示词，几乎全把上下文留给项目代码。Claude Code 和 Codex 系统指令较重。方向角度，Anthropic 近期也砍掉了 80% 系统提示，与 Pi 趋势接近。

3. 成本效率比：Codex 完成同样任务的 Token 消耗是 Claude Code 的约 1/4。Pi Agent 不绑定二何模型，哪个便宜好用就接哪个，成本弹性最高。

第三步：跑测试

真实任务才是本质。三大类型分开测：

  • 冷启动：零到一搭项目，看 Claude Code 的主动规划能力
  • 精修/定点修改：单文件修改和重写，Codex 的精确程度与边界范围
  • 跨文件重构：多文件引用锁改，Amount 与上下文窗口边界

第四步：算成本

日常使用频率 × 单次 Token 消耗 → 月费用 → 换算订阅价格。算清楚再选。

最终结论（按照本人测试）

  • 从 0→1 冷启动：Claude Code（主动思考架构、定规范、查安全）
  • 从 1→N 精修 + 终端：Codex（指哪打哪 + Terminal Bench 82% 优势）
  • 自定义工作流 + 灵活切换模型：Pi Agent（400 Token 提示词 + 不限模型 + 成本弹性最高）

答案不是选最好的，是按任务类型分工。三种 Agent 可在 VS Code 工作台内同时运行。详见 VS Code 多 Agent 工作台。

不同素材中的观点

  • 2026-07-29-woshipm-vibe-coding-agent-selection（原作者小普）：完整提出了四步选型法与实际 Benchmark 数据支持。要点：(1) 先定场景再定维度——强调第一步是”最有条件犯错”且”最容易被跳过的”；(2) 两重数据支撑（SWE-bench + Terminal Bench）并结合自己真实任务测试；(3) 最终确定分工方案：三 Agent VS Code 工作台分工模式。这套方法也介导作者本人 fueron 反思——意图避免单一工具的”生产资料所有者”的思考大纲。

实用信息

使用建议

  • 不要在选型数据到实际情况时走偏：把评测当参考，把真实任务当唯一标准
  • 多 Agent 比单 Agent 更接地：技术背景真わ好ㄹ这几组工具反而吃力，不如按任务分给多个成员
  • 和生产资料所有权联系着学：选型核心是不要把全盘定律在一个 Agent 上

相关页面

关系图谱

快速导航