How I AI 个人 Agent 横评：Grok 93% 夺冠，Claude Duet 79% 垫底
lennysan · x · 2026-10-29
Lenny's Newsletter 转发了 Claire Vo 的「How I AI Personal Agent Bench」评测结果：4 个个人助理 Agent 在 9 项任务上正面对比。
- Grok Bot（93%，148/160） 大幅领先夺冠，在「收件箱转待办」「Reddit Tokeno 排查」等任务上表现最佳，质量分 32，拿下 4 项任务胜利
- Muse 第二（89%，107/120）：两次失误任务因未接入 Slack/GitHub 记为 N/A 而非失败，在已跑的 6 项任务中平均质量 4.0/5，4 项任务上速度最快
- ChatGPT Dot 第三（88%，141/160），在「代我回复」任务上胜出
- Claude Duet 垫底（79%，126/160），在「修 bug」任务上与 Dot 协作但表现挣扎
评测 YouTube 全片已上线。
「编程与Agent」频道最新
- Grok 语音助手大面积失灵,用户怒斥租来的 Agent 架构靠不住 — alexcovo_eth · 2026-10-29
- 自动化机器人静默停摆两天:一个必须写进监控的教训 — petrusenko_max · 2026-10-29
- 独立开发者:用 Claude 做应用,再也不用求人加功能 — evielync · 2026-10-29
- 开发者反思：Claude Opus 5.5 时代大规模 subagent 舰队反而稀释产出 — ryunuck · 2026-10-29
- 「大脑三明治」工作流走红：先用脑、再交 AI、最后再用脑把关 — bibryam · 2026-10-29
- Nolan Lawson 实测各 JS 框架的 AI 编码成本，结果大都接近 — hichaelmart · 2026-10-29