三 Agent 真实对比:只有 Grok Bot 完成复杂旅行礼宾任务
Shane KidwellFacebook · 2026-10-16
打开原帖来源文字 / 整理摘要
I've been running three AI assistants side by side... Muse... ChatGPT Work... Grok Bot... Then I ran a test. I set up a travel concierge and asked all three to scrub every travel site plus my Amex travel account. Only Grok Bot finished the job.
业务摘要
作者在夏威夷旅行期间同时运行 Muse、ChatGPT Work 和 Grok Bot,做日常行政与社媒任务;随后用旅行礼宾测试对比三者(清理所有旅行网站 + Amex 账户),只有 Grok Bot 完整完成任务。
想在多个 Agent 之间做真实对比、选一个能处理复杂多工具任务的人;已有多个 Agent 账号、愿意设计测试并记录结果的人。
执行链路
- 三个 Agent 同时在线,日常执行行政与社媒任务
输入:三个 Agent 同时在线;产出:Grok Bot 表现出最高自主性
- 旅行礼宾测试:要求三个 Agent 清理所有旅行网站 + Amex 旅行账户
输入:旅行礼宾测试任务;产出:只有 Grok Bot 完成全部工作
- 记录并分享真实表现差异
输入:对比结果;产出:决策依据:Grok Bot 在复杂多工具任务上更可靠
复用方案
- 原帖所述账号与资料
- 发布/付款前人工确认
Prompt 指令
本站整理 · 未实测
请同时对比测试多个 Agent 的能力。给我一个需要跨多个网站和账户的复杂任务(例如清理旅行相关账户并整理方案),记录每个 Agent 完成到哪一步,最终给出可靠度排序。 未实测,仅根据原帖动作重构。
运行成本与避坑指南
成本:工具费:多个 Agent 订阅成本(作者未披露具体金额);可变成本:对比测试期间的用量;人工时间:设计测试与记录结果
运行条件:流程与 Prompt、试例为本站推演整理,未实测;单次测试结论不宜直接推广为长期表现。
避坑:单次测试不能完全代表长期表现;三个 Agent 的订阅成本叠加;对比期间需人工设计测试与记录结果;流程与 Prompt、试例为本站推演,未实测;本案无收入宣称。