为什么换更强的模型没用?WorkBuddy 用 5 层工程把 Agent 做成产品

问题根本不在模型聪不聪明，在模型外面那层工程

我以为换个更强的模型，WorkBuddy 里的文章就能自动去AI味。结果从混元 Hy3 换成号称高一个段位的闭源大模型，朱雀照样标红，写出来的还是一股“首先其次最后”的八股

当时挺懵的！后来看到一个实验才回过神

上周刷到 Hugging Face 一个实验，挺打脸的。他们拿同一个 DeepSeek-V4-Pro，权重一字没改，只把裹在模型外面的执行逻辑换了几版，同一批任务综合得分从 3.5% 一路飙到 80.1%，差了整整 76 分

优化完的表现追平了闭源的 Claude Sonnet 4.6，跑的成本只有人家七分之一。同一个模型，换副车架和方向盘，准确率差出近一倍

这把我之前“模型越大越好”的直觉直接干碎了！

大多数 Agent 死的地方，不在模型，在模型之外。Karpathy 那个拿了 9 万 star 的 AutoResearch，核心也不是模型多强，是个循环：提修改、跑实验、自动评估、留下好的。他手动调的模型跑了两天，Agent 自动做了 700 次实验，找出 20 项他自己都漏掉的代码改进

模型还是那个模型，变的是外面那套机制。很多人连个及格的工程壳层都没搭起来，就急着换更大的模型，纯属用最贵的方式解决最便宜的问题！

模型决定上限，工程决定下限

我琢磨 WorkBuddy 为什么用着比裸调 API 顺手，发现它把 Agent 做成产品时，其实偷偷做了 5 层工程。不对，准确说不是它官方分了 5 层，是我自己用下来总结的搭法——但它确实把这几层都给你做好了。而这 5 层，你搭自己的 Agent 全能抄

01

PART

第 1 层：模型层，别把命压在一个模型上

MODEL LAYER · 不迷信单一模型

最底层当然是模型。但工程的第一步，是不迷信单一模型。我之前写文章卡在 WorkBuddy 排队里（那篇讲过），后来学乖了：配一个主模型加一个备模型，主的不通就切备的，还能错峰用夜间折扣。WorkBuddy 接了混元 Hy3 这些多模型，切换是一句话的事

你能抄的动作：别只接一个模型。至少留一个备模型，关键任务挂超时自动切换。这层解决的不是模型够不够强，是它抽风时你别跟着停摆

02

PART

第 2 层：上下文层，把反复解释的背景沉淀下来

CONTEXT LAYER · 别每次重写 prompt

第二层是上下文。很多人每次开新对话都把背景重写一遍，prompt 越写越长，关键信息反而被模型忘在中间——有研究说上下文窗口中间放关键内容，性能能掉 30% 以上！

WorkBuddy 有用户级和项目级两套记忆，还能打通 IMA 知识库。我把公众号的写作规范、去AI味的标准、各平台调性全塞进去了，新对话直接调，不用每次从头交代

你能抄的动作：把每次都要解释一遍的背景从 prompt 里搬出来，存进长期记忆或知识库。上下文干净了，模型才不容易犯浑

03

PART

第 3 层：工具层，让 Agent 不只是会聊天

TOOL LAYER · 让 Agent 能执行

第三层是工具。纯聊天的 Agent 价值有限，真能干活的得能执行：读文件、跑脚本、发请求、调接口。前两天有读者在另一篇底下留言，说“不大懂，这个是个像QQ一样的软件吗”——你看，普通人根本不关心模型多强，他只关心这玩意儿到底能干啥

WorkBuddy 里这部分靠 Skill 系统 和 MCP 接入。我常用的配图、排版、去AI味，全封装成了 Skill，一句话触发就自动跑完一整条流水线。要连外部系统就接 MCP

你能抄的动作：把高频重复的动作封装成 Skill 或接成 MCP 工具，别每次手把手教 Agent 怎么做。工具接得越稳，Agent 越不像实习生

04

PART

第 4 层：编排层，复杂任务拆给多个 Agent

ORCHESTRATION · 小而专的组合

第四层是编排。一个 Agent 想同时管解意图、查资料、写报告、做检查，上下文立刻乱掉，成功率直线下降。我那篇管 10 个项目的文章，底层不是什么高级任务系统，就是看板加自动化哨兵的编排思路

WorkBuddy 支持多 Agent 协作，还有定时自动化。我让一个 Agent 每天 8 点自动递选题，另一个专门做数据回访，互不打架。我用着确实省心，但也踩过坑——有回自动化规则写岔了，连着三天给我推重复内容，搞心态！

你能抄的动作：复杂任务别丢给一个 Agent 死磕，拆成角色让多个 Agent 分工，或者把固定节奏的活交给定时自动化。小而专的组合，远比一个大而全的稳

05

PART

第 5 层：验收层，关键动作必须有人兜底

GUARDRAILS · 人能喊停

最上层是验收和护栏。没有验收闸门的 Agent，是在给自己批作业，跑一万次也白搭。我每篇发文前都要过一道去AI味的九刀流程加分级检查，涉及发布、删除这种高风险动作，系统会弹确认让我拍板，不会自作主张

你能抄的动作：给关键动作加人工确认门控，让 Agent 先自验证再交给你。没有“人能喊停”这最后一道闸，再强的模型也是失控的黑箱！

///

LAST

写在最后

WRAP-UP · 先换还是先补

下次你的 Agent 出问题，先别急着装更大的模型。问自己一句：差的那层，到底是模型还是工程

前四种占了绝大多数。Hugging Face 那实验已经证明，不动模型只改外层工程，效果能先提一大截。模型会越来越便宜越来越强，这是定数。但能不能把 Agent 做成真能交付的产品，拼的是那 5 层工程——而这恰恰是你今天就能动手抄的东西

我是破局燎，一个用 AI 折腾内容、专门研究怎么把工具用到实处的人。你是先换模型还是先补工程？评论区说一声，我看看多少人跟我一样交过这个冤枉钱