亲测WorkBuddy搭配Kimi-K3好用，国内可平替Codex加GPT-5.6Sol

用同一个任务，对ChatGPT+GPT-5.6和WorkBuddy+Kimi-K3这两个组合做了一次对比测试，结果还是挺有意思的。

事情的起因是这样的：海底之蛙这个公众号，发文快100篇了，平时也没顾上看后台数据，正好让AI来帮忙分析一下，看看后续的运营方向和选题方向能有什么建议。

这种从网上抓数据、做分析、给建议的任务，属于Agent的典型使用场景，不算复杂，所以特意选了ChatGPT的Work模式来体验。

跟AI打交道多了，有个经验：能让它多想的，自己就尽量别先动手。

所以直接跟GPT说：“我需要分析公众号后台已发表文章的运营数据，目标是获得后续运营方向、文章选题及写作风格的建议。”

需求说明白，剩下的事交给它。GPT思考1分钟后，让我把运营数据发过去。耐着性子告诉它，公众号后台没有导出功能，让它自己想办法去网上取。它停顿30秒，又出了个主意：让我登录后台，手动把页面截屏发给它。

这要是以前，可能真就一页页去截屏了。但现在学聪明了，告诉它几百个页面人工截屏这事不靠谱。终于，GPT开始认真思考，5分钟后，它找到腾讯的API文档，准备写个采集程序来获取数据。

很快，一个施工队就组建起来了。把模型和推理强度都调到最高，希望它把活干得漂亮点。本以为是个小任务，结果等了1个小时，10个任务只完成了2个。

刚好想到最近新出的Kimi K3模型，听说能力很惊艳。WorkBuddy恰好也支持这个模型，积分也还有不少。于是把WorkBuddy的模型调成K3，用同样的任务扔给它们，看看国内最流行的Agent工具加国产大模型，能做到什么程度。

WorkBuddy一开始也让我准备数据，让它自己去网上取，二话不说就写了个脚本连公众号后台的API。方法跟GPT一样，但不同点在于，国产组这边没有长篇大论的设计文档，也没有启动10个任务大动干戈，只花了10分钟就做好了取数准备。

整个过程不需要懂任何技术，连在后台启用API、配置IP白名单这些操作，都在WorkBuddy的指导下轻松完成。

问题出现在连接取数的那一刻：微信后台拒绝取数。

而且看起来是个没法解决的问题……

而此时，海外的GPT还在热火朝天地开发着数据采集器，像在造一艘坚固无比的万吨巨轮，每个铆钉都打得很紧，但船坞根本没有通往大海的路。

运行了5个多小时后，GPT把一周的Token额度都烧完了，10个任务还剩3个没做完。用了一次重置额度的机会，让它继续在断头路上狂奔，想看看最后会怎么收场。

国产组这边，马上切换到了方案B：用自动化浏览器登录后台抓数。

大约1个多小时，近百篇文章的运营数据都抓下来了，分析报告也完成了，又快又好。美中不足的是，Kimi-K3中间报资源不足中断了11次，提着心吊着胆盯着屏幕没离开。知道K3最近太火了，但对于长程任务来说，这确实是噩梦。

这个任务如果换成GLM-5.2模型，应该完成得更快。

国产组这边报告都出来了，海外组那边一阶段的10个任务还没跑完。最终GPT花了7个半小时才写好采集器，然后不出所料地发现这条路行不通。接下来GPT也自行切换到方案B，试图通过自动化浏览器去取数，然后又一次失败了。

OpenAI内部规定，禁止自动化访问这个网址，无解。

最终，国产组干得又快又好，海外组折腾半天，花了近半个月的额度，回到原点。GPT很抱歉，我很无语。

国产AI的做事风格，雷厉风行，有点野但能搞定事；国外大厂则越来越束手束脚，好钢全用在了刀背上。对于不方便科学上网的朋友们，国产组合已经可以一战了。