本帖最后由 小川彩 于 2026-6-17 15:50 编辑
问楼友一个问题，现在公司内部要开发一个agent，前端到时候估计是网页，需要支持多用户多对话和配置一些环境变量，后端的agent需要支持mcp/tool calling/skills/subagent or multiagent，然后会接自有的openai llm api
不想自己从头开发的话用什么比较好？我理解前端功能大体上估计是要vibe一个垃圾页面，后端agent选什么比较好？oh-my-pi吗？还是其他的？codex？cc？
论坛助手,iPhone
zephyrus99 发表于 2026-6-17 08:21
感觉上，厂商们又需要找方向了
现在每个月都出版本，然后号称能力如何如何。但是对于我这种普通用户来说， ...
跑跑深度研究就知道，确实比 之前他家的模型好。反正这两天不能用我又回 4.6 了。我没做代码，Claude 只跑决策，能用的两天基本上跑满了
—— 来自 S1Fun
4f不行啊，对话虽然有活人感但是智力感觉不是很高的样子，理解能力反而下降了
本帖最后由 Anarkia 于 2026-6-17 17:23 编辑
小川彩 发表于 2026-6-17 15:47
问楼友一个问题，现在公司内部要开发一个agent，前端到时候估计是网页，需要支持多用户多对话和配置一些环 ...
你的agent是要拿来干什么的？不能光是说要支持这些功能，得弄明白为什么要支持
codex cc pi这些local coding agent说到底ReAct模式不神奇，它们的强大是站在shell命令行+本地文件读写这个巨人的肩膀上，本地tool call能实现无比多的可能性
鉴于你要支持网页加多用户部署，这很可能是个服务器/云端部署的agent，那这个agent为了实现你们想要的功能首先要问它的业务场景有没有准备好的tool和mcp供它调用
如果后端真的只需要对服务器本地文件操作，就是个内部coding agent需求，那codex有mcp模式可能可以试试，但至少得在前面做一个task queue，然后还有权限之类的
但我觉得大概率你们其实需要的是一个类似LangGraph（现在有很多别的选项了）这样的orchestration框架
本帖最后由 小川彩 于 2026-6-17 17:25 编辑
Anarkia 发表于 2026-6-17 17:13
你的agent是要拿来干什么的？不能光是说要支持这些功能，得弄明白为什么要支持
codex cc pi这些local codi ...
简单来说是个分析agent 一些代码的执行都有远端mcp代劳 主要是一些workflow化/human in the loop/rag召回已有分析参考文档的工作
和ai聊完感觉可能分发本地打包好的脚本给同事更合适 起一个本地的网页 然后同事自己配置相关的环境变量，然后agent走半固定流程进行分析？那样的话感觉langchain/langgraph是不是更合适一些 最多是把code编写的部分插一个pi之类的？
论坛助手,iPhone
小川彩 发表于 2026-6-17 17:23
简单来说是个分析agent 一些代码的执行都有远端mcp代劳 主要是一些workflow化/human in the loop/rag召回 ...
接opencode，他的前端和内核交互是通过http做的，我感觉你可以直接拿来用的
本帖最后由 Anarkia 于 2026-6-17 17:43 编辑
小川彩 发表于 2026-6-17 17:23
简单来说是个分析agent 一些代码的执行都有远端mcp代劳 主要是一些workflow化/human in the loop/rag召回 ...
我想的是如果你需要的是一套通用能力，那起一个repo，里面塞上通用skill、mcp等设置，做到repo clone下来pi就能直接用，让大家自己装pi是不是就可以？pi甚至可以覆盖system prompt。你说要装新功能了，其实就是写一个新的skill，让大家pull一下就好
实话说部署一个agent比一般人想的要麻烦很多，比如多用户情况下要不要按用户数建workspace？coding agent一般默认workspace就是它一个agent在搞，多用户情况下你不可能一套文件库几个人同时调用操作，要分沙箱，隔离，队列等等，很麻烦的
不如各自一个pi，共享skill repo，各自本地跑
小川彩 发表于 2026-6-17 17:23
简单来说是个分析agent 一些代码的执行都有远端mcp代劳 主要是一些workflow化/human in the loop/rag召回 ...
看上去主要问题就是多用户，有写入功能agent还要做多用户会比较混乱，现成的东西可能不多。分发本地版是个选择，不过还是看是否真的需要处理用户自由输入的模式。
今天Astro的开发团队发了个agent开发框架Flue(https://flueframework.com/)，看上去挺适合相对固定流程的agent开发，应该是比langchain要更high level一点，而且本身基于pi，基本的harness功能都有。
嗯 和ai以及同事讨论过，基本是走最多是我配置好本地agent，然后可能套个前端然后打包分发，同事本地使用的路子
现在主要是在想agent的选择，通用能力其实是不需要的，代码执行有内部的远端mcp服务器提交执行，本地只需要编写。然后就是分析和用rag mcp召回一些参考文档了，正在看opencode/pi 或者是langgraph/langchain自己攒
论坛助手,iPhone
学院派的做法是用LangChain/LangGraph之类的框架，但最近好像比较流行直接拿pi的core层状态机来用，理由是AI时代大家都不喜欢太重的框架了，封装得不好的话别人宁可自己重新造轮子都不会用你的东西
ai时代自己造轮子的成本可能比用别人的低，实际上也就是复制了训练数据里的最佳实践，本地也有实现的上下文来用于后续维护
今天用 app 端快速模式的思考链比以前多了很多
难道今天下午就要复刻之前的V4更新来更新V4.1了吗
opencode的免费ds4f啥时候更新呢
—— 来自 OnePlus PJX110, Android 14, 鹅球 v3.5.99
又刷出来识别图模式了，会和之前不一样吗
感觉v4p速度更快了？今天试了下有80token /s
—— 来自 鹅球 v3.3.96-alpha
开放识图模式了，思考变成了GLM的自检模式，比莫名其妙的扮演好用多了
绝地潜兵 发表于 2026-6-18 12:23
开放识图模式了，思考变成了GLM的自检模式，比莫名其妙的扮演好用多了
api 能用识图了吗？网页端还是受限了点。
api是不是现在还不能识图，官方文档也没提
试了下识图，发现有点左右不分，给它一张左眼被头发遮住的角色图，它说角色的右眼被头发遮住
zerona 发表于 2026-6-18 13:20
api 能用识图了吗？网页端还是受限了点。
我用的网页版，API没有试
识图模式很强，看了思考过程，细节捕捉到位。
api急需识图
梁圣球球了，赶紧api放出来吧
如何评价 DeepSeek 的识图模式？
https://www.zhihu.com/question/2032903059739767247/answer/2050938785878300365
试了下上次灰测中比较糟糕的二次元，明显知识量还是比较少，但更离谱的是思维链里直接在穷举式搜索，最后说自己脑雾了。唯一比较好的地方是思考了很久发现不知道就说不知道，没有瞎掰。
这识图模式目前看来给图让他找出处能力很弱，但是分析图片中的内容元素的能力还是可以的。
tillnight 发表于 2026-6-18 16:21
试了下上次灰测中比较糟糕的二次元，明显知识量还是比较少，但更离谱的是思维链里直接在穷举式搜索，最后说 ...
如果给它连到一些资料站呢？
识图模式的 cot 好长
目前来看感觉识图模式不是靠喂图炼出来的，而是真的在根据“看”到的图片去匹配世界知识来猜
论坛助手,iPhone
我试了两次，cot还是老样子，估计没灰度到我吧
论坛助手,iPhone
这个识图模式，感觉基于画面捕捉的操作和功能要变天啦，不需要多大的知识储备，只需要把细节识别到位就行了。
舞以 发表于 2026-6-18 20:47
我试了两次，cot还是老样子，估计没灰度到我吧
论坛助手,iPhone
朋友，你说的是识图还是新的思考练呀？
d指导这个识图有点东西，我从我家窗户往外拍了张照片，确定没有任何招牌泄露地点情况下把照片截屏发给它，居然能推理出来城市……
—— 来自 HUAWEI SGU-AL10, Android 12, 鹅球 v3.5.99
半江瑟瑟半江红 发表于 2026-6-18 22:28
d指导这个识图有点东西，我从我家窗户往外拍了张照片，确定没有任何招牌泄露地点情况下把照片截屏发给它， ...
有没有可能是手机拍照图片属性里有定位信息。
网页版识图也没有联网搜索，新事物没法印证只能猜，可以联网搜索的api的识图认知能力肯定远比网页版要强。
说起来，朋友们，我不确定你们到底发现了那个什么更新提示没有。
我是发现版本号虽然没有提示，但系统商城里面是可以升级到218的。
—— 来自 S1Fun
扔了一张天空加铁塔图给他，他能认出省份。扔了一张凌家滩遗址公园的图给他，他认成了殷墟的了。都是没有特别明显图文特色的图。虽然他认错了，但他深度思考里的推理过程很是有趣。还可以让他帮忙搭配衣服，买东西了。真好
—— 来自 S1Fun
看隔壁帖子，基于世界模型的认知和海量资料的llm两条路
论坛助手,iPhone
api 是不是没更新多模态