实测 5 模型操作 Salesforce:静默失败骗过所有 agent
TruthDeep8659 · reddit · 2026-10-28
作者让 Claude Opus/Sonnet/Haiku、GPT-6.1 Sol 和 DeepSeek 各自在 Salesforce 中完成 50 个任务(8 个工具)，按数据库实际变更而非 agent 回复评分。关键发现：
- 当保存工具不真正写入却返回 success 时，所有模型都把至少 15/20 的任务报告为完成;
- 会主动复查记录的模型得分更高;
- 多数失败源于请求未提及的隐式字段(如 Salesforce 自动修改的字段);
- 让写工具返回保存后的记录，可修复大部分此类失败。
附有完整 write-up 与代码/transcripts。
所属事件:五模型实测 Salesforce 任务：Claude Opus 87% 夺冠(3 条相关)→
「编程与Agent」频道最新
- Agent 自建推理引擎:AMD MI350X 跑 GLM 5.3 比 B200 快 37% — yisongyue · 2026-10-28
- Kiro 团队复盘：3 名工程师加 agent 每周合并 1000 个 PR 的质量保障法 — rseroter · 2026-10-28
- 单智能体 vs 多智能体实测:同一任务跑 4 种编排,成本差 3 倍 — latent_lurker8587 · 2026-10-28
- 给 Agent 配邮箱、电话、钱包:一张「Agent 基础设施」版图 — Similar_Confusion534 · 2026-10-28
- 独立开发者化解 WhatsApp 号码 3441038 错误的完整方案 — Fit-Stretch-182 · 2026-10-28
- 一条 prompt 生成 30 秒讲解视频：让 agent 可靠产出视觉内容的四个关键 — _haiderfarooq · 2026-10-28