深度内容与即时信息在这里交汇
当前文章页围绕清晰阅读、信息留白与高效分享而设计,让用户专注内容本身,同时保留便捷的继续浏览路径。
Token价格暴跌,Codex被放弃了
最近使用Codex的朋友,都深受限流的困扰,不论是Plus会员,还是200刀的套餐,都不能幸免。Claude Code就更不用说了,动不动就封号。从趋势来看,国外模型公司对国内用户的限制只会越来越紧,对于企业或个人用户来说,切回国产Agent刻不容缓,也是更长期稳妥的方案。 也许你对国产Agent工具的印象还停留在“小龙虾”套壳上,但是我要告诉你,短短半年时间,国产Agent进步飞快,并且已经形成了相对成熟的用户生态。 我们团队从Codex切换到国产Agent之后,Token成本爆降,小伙伴们说“我们终于实现了Agent自由!”,下面就来聊聊整个迁移过程的实践与感受。 01 卸载Codex后,我实现了Agent自由 我们团队的日常工作包括:行业资讯和研报收集整理、撰写咨询汇报材料、新媒体文章和视频创作。全职4人、兼职3人,撑起了咨询和培训业务、80万粉丝新媒体矩阵的运营。我做过一个测算,如果没有Agent工具,员工数量需要再增加1/3。下面列举3个高频场景,说说我们是如何使用Agent提效的。 1、资讯雷达Agent 我每天都要输入高质量的行业资讯、深度观点,资料的收集工作由“资讯雷达Agent”来完成。基于「千问办公」搭建了一个定时任务,每天早上7点从30多个网站中汇总和整理最值得关注的资讯,发到公司钉钉群里。 「千问办公」是阿里面向企业的Agent产品,基于Qwen系列大模型,深度融合钉钉办公底座,可以读取群聊讨论和日程,也支持配置云端定时任务按时推送,手机、PC、网页等多端同步。 2、PPT及研报助手 我们经常给咨询客户做培训、工作坊,所以需要准备PPT材料。以WorkBuddy为例,我们搭建了PPT及研报助手,帮助我们快速输出PPT。把项目的访谈记录、客户给的数据,以及我们自己的方法论输入后,先让它出大纲。基于我们的洞察、方法论和案例,WorkBuddy帮我们打磨标题、提炼关键字,做内容的可视化呈现,图表直接按数据生成,彻底告别了手搓PPT。 WorkBuddy是腾讯推出的办公Agent,基于混元大模型,能够自主规划并交付多模态复杂任务,支持多个Agent并行工作。它在用户规模、月活等数据方面比较领先。官方按行业分类提供了丰富的专业模板,可直接调用。它还打通了企业微信,可以在企微里远程指挥电脑上的WorkBuddy干活,也有企业版,提供云端Agent托管和行业系统对接。 3、视频剪辑流程自动化 先拆解一下做一条短视频的流程:找选题、写脚本、找素材、配音、剪辑、字幕等等,把它们串成一套工作流。其中真正需要创意的只有选题和脚本环节,其余全是重复的体力活,定好规则就可以交给「豆包工作」,我只负责在几个关键节点把关。通过视频剪辑插件,可以生成剪映工程,最后再做精剪和调色。 「豆包工作」是字节推出的办公Agent,基于豆包大模型,PC端今年8月发布,它能围绕用户目标自主拆解任务、调用工具、持续推进复杂工作流程,和飞书深度打通,体现了字节生态的产品优势。 以上列举了几个主流国内Agent仅作为示例。完成从Codex迁移之后,我获得了Agent自由。不再被token使用量困扰,也不用再担心限流、封号。工具让工作变得更简单、更高效,这才是正常的状态。 02 建立可迁移skill包,独立知识库 要真正实现脱离Codex的绑定,需要建立一套可迁移的skill包,可随时导出导入到不同的Agent当中。另外,还要有一个独立的知识库,不依赖于任何Agent,并且可以让Agent来读取。 先说skill包。我们把团队所有的Agent能力拆成了一个个独立的skill文件夹,包括:说明文档、提示词模板、实例,是Markdown格式的。 以Codex导入千问办公为例,首先导出skill。步骤比较简单,让Codex整理导出就好。然后在千问办公里新建智能体,把说明文档贴进角色设定,提示词模板贴进指令区,示例作为参考文件上传。 再说知识库。我们的方法论、过往项目案例、行业数据、内容选题库,全部放在一个独立的云盘里,按目录分类,文件统一用Markdown和PDF。三个Agent都只做“读取”,不往里面写。 构建一套独立于Codex之外的skill、三方知识库,只要按需同步即可实现Agent的自由切换。 03 长期来看,我更看好国产Agent 很早之前,我就提出过一个观点,中国AI公司更适合走“应用倒逼基础模型研发”的道路。在移动互联网时代初期,国内的底层技术并不发达,但是做出了移动支付、出行、外卖等创新平台,倒逼了云计算、操作系统、芯片、服务器等底层技术的研发,用十年时间达到了世界领先水平。在AI时代,这条路仍然走得通。 其实,WorkBuddy、千问办公、豆包工作就是在走这条路,Agent里的高质量数据反哺模型训练,进一步推动基础模型的研发,形成了业务飞轮,
