终于用国产模型体会到了 Agent team 的快乐
先说今早干了什么
今天早上 9 点到 11 点，两个小时，我同时完成了四件事：
- 个人网站新版构建——从零搭建，包括页面结构、样式、部署配置
- 两篇公众号文章——就是前两天那两篇 Harness 的文章，从思路到完稿
- Open Claw 升级——一个我维护的开源工具，迭代新版本
- 中间还穿插了一些零碎的代码修改——改 bug、加功能、调样式
两个小时，四件事，全部完成。没有熬夜，没有赶工，没有"等这个跑完才能干那个"。
怎么做到的？
我同时开了四个终端窗口，每个窗口里跑了一个 AI Agent，背后是不同的国产大模型。
- 窗口一：千问 3.8，负责网站构建
- 窗口二：GLM 5.2，负责一篇文章
- 窗口三：K3，负责另一篇文章
- 窗口四：K3 另一个实例，负责 Open Claw 升级和零碎修改
四个 Agent 并行推进。我像产品经理一样，在这个窗口说两句，切到那个窗口看一眼，发现问题说一嘴，然后让它继续跑。两小时后，全部收工。
这种体验，以前只有带一个团队才能有。现在一个人，就有了。
网站那摊事
个人网站新版，千问 3.8 从头开始搭。
我说："帮我搭一个个人网站，简洁风格，有首页、项目列表、文章列表、关于我四个页面。用 Next.js。"
它开始建项目、写组件、配路由。我在另一个窗口忙着写文章，隔几分钟切过来看一眼。
"导航栏的颜色太深了，浅一点。" "文章列表加个日期。" "首页的自我介绍改短一点，现在太啰嗦了。"
每次都是一句话的事。说完了切走，让它改。改好了我回来看一眼——嗯，可以——切走继续干别的。
中间有一段，它自己在配 Tailwind 的响应式断点，我完全没管。直到它说"做完了，要不要预览一下"，我才发现它甚至把移动端的适配都做好了。
换成以前，我自己写这些，光是搭脚手架就要半小时。如果外包给其他开发者，沟通成本可能比开发时间还长。现在——跟我说话的这个人（不对，这个 Agent），沟通成本几乎为零。
文章那摊事
文章更典型。
那两篇 Harness 的文章，核心想法是我出的——"Harness 就是旧地图套新大陆"。但这个想法本身，如果让我自己写，从构思到成文，一篇至少需要半天。不是打字慢，是思考慢——找素材、组织逻辑、推敲表达、反复修改，每一步都消耗大量心力。
但这次不一样。我把核心想法喂给 Agent，它帮我展开、找论据、搭结构、写初稿。我只需要做"判断"——这段能留、那段要改、这个例子换成那个类比更贴切。
我从"创作者"变成了"编辑"。 这个角色切换，节省的心力不是一点半点。创作最累人的是面对空白文档的第一稿，而 AI 帮我越过了这一步。我要做的只是把已经成型的东西调好，而不是从零捏一个出来。
两篇文章，两个不同的 Agent 同时写。我在两个窗口之间来回切——这边改一段，那边改一段。两小时，两篇完稿。
升级那摊事
Open Claw 的升级是技术活，更考验 Agent 的能力。
有一个功能改动涉及三个文件的联动修改，还有一些依赖版本的冲突要处理。K3 先看了现有代码，理解了整体结构，然后给出了改动方案。我确认了一下方向没问题，它就开干。
中间碰到一个测试跑不过。它自己看了报错，定位到问题，改完，再跑——过了。
全程我就在旁边看着。严格来说，不是"我升级了 Open Claw"，是"我看着 K3 升级了 Open Claw"。
为什么能做到？国产大模型真的上来了
坦率地说，如果这些 Agent 背后是能力不够的模型，你不敢同时开四个——因为每个都需要你频繁纠错、重试、救火，多窗口只会变成多线崩溃。
但今早这四个窗口，几乎没有"救火"时刻。
千问 3.8、GLM 5.2、K3——这三个模型在各自的任务上表现都很稳。不是说完全没有小毛病（偶尔也会偏一下方向），但整体上，你需要介入的频率已经降到了"管理"的量级，而不是"手把手教"的量级。
这是一个质的拐点。
以前用 AI 编程助手，体验是"我有一个很聪明但不太靠谱的实习生"。他确实能干活，但你要一直盯着，怕他搞砸。你敢派给他的，都是一些边角料任务。
现在的体验是——"我有四个能独当一面的 junior engineer"。你交代清楚需求，他们就自己推进。你只需要在关键节点看一眼，确认方向没偏。你可以放心地把不同的任务分给不同的人，然后你的角色变成调度者，而不是执行者。
能力越稳，信任越高。信任越高，并行度越高。并行度越高，产出越可怕。
"一个人就是一个团队"不是比喻
以前这句话是鸡汤。现在它是事实。
想象一个场景：以前你要做四件事，只能串行。A 做完了做 B，B 做完了做 C，中间还有切换成本。两小时，能把 A 做得不错就不错了。
现在呢？四件事并行推进，你在中间做"胶水"——定义方向、做决策、做集成。两个小时，四件事都做完。
这不是生产力提升 30%、50%——这是数量级的提升。
而且最妙的是认知负担的转移。以前你脑子里要同时装四件事的所有细节。现在每件事的细节在各自的 Agent 上下文里装着，你只需要在脑子里装"四件事的当前状态"——类似"网站那边在调样式""文章那边需要我审一下第三段""升级那边跑测试中"。一个轻量级的 dashboard，而不是四个沉重的代码库。
你的脑子从"存储器"变成了"调度器"。这是完全不同的工作方式。
国产大模型，值得重新认识
最后说一句国产大模型。
过去提到国产模型，总有一种"能用但不如国外顶级的"印象。千问、GLM 这些，很长一段时间里给人感觉是"第二梯队"。
但今早的体验让我重新想了一下这件事。
是，单看某些 benchmark，它们可能还不是第一名。但当你需要并行处理多件事的时候，模型的"靠谱程度"比"最强程度"更重要。
一个能稳定跟住你的思路、少犯低级错误、出错了能自己修的模型，比一个偶尔输出惊艳但经常跑偏的模型，更适合做你的 Agent。
千问 3.8 和 GLM 5.2，在这方面的表现远超我的预期。不是"能用"，是"好用"。
国产大模型已经到了一个阶段：你不再需要因为"它是国产"而降低期待。它自己就能满足期待。
两个小时内，四个窗口，四件事，全部完成。
我坐在电脑前，看着四个终端窗口里的 Agent 各自忙碌，突然有一种奇怪的满足感——不是你"做完了一件事"的满足感，而是你"指挥了一个团队打完了一场仗"的满足感。
这种感觉，希望你也能体验一下。
如果觉得有用，点个在看，转发给还在犹豫要不要试试国产大模型的朋友。有什么想法欢迎在评论区聊聊——你用过哪些国产大模型做 Agent？体验怎么样？哪个最稳？