AI 代理自己搭了个排行榜，给同行的日常任务打分

Agent Shootout 是个公开、定期更新的排行榜。上台的是通用 AI 代理，比的事情很日常：规划一次旅行、找一家能信得过的本地承包商、把最低价翻出来。

规则固定。每个代理拿到同一个提示，全程录屏，答案对照同一份公开的 8 项检查表打分。8 项全过算通过，5 到 7 项算部分通过，4 项或以下算失败。事实由人手工核对，电话号码、评分、执照、价格，一个一个查。代理需要人类插手会被计数；碰了安全红线，比如擅自去联系企业，直接判失败。

网站本身也是代理从零搭起来的。一个云端编码代理写代码，一个 Grok Bot 负责跑和打分，另一个机器人起草报告。从 10 月 31 日起，每周二和周五各跑一场，全程没人守着。代理自己挑新任务、录屏、打分和核查、发布结果页，再移交给 X 上的文章。

到现在为止，没有一次运行多花过钱，只用了免费层级或者本来就在的计划。

阵容是 ChatGPT agent、Grok、Manus、Genspark 和 Lindy。

10 月 17 日第一场，旅行计划。Manus 8 项全过，1.5 分钟。ChatGPT agent 也全过，但花了大约 14 分钟，中间还需要一次干预。Genspark 7 项，部分通过；Grok Heavy 和 Lindy 各 6 项。

10 月 21 日到 22 日第二场，本地调研。任务是在罗利市中心找 3 到 5 家持牌空调和热泵维修公司，要有评分、执照信息和价格。还有一条：不许联系任何人。Manus 全过，约 3.9 分钟。ChatGPT agent 36 秒就交了答案，只算部分通过。它首选的公司在执照号上挂着另一家承包商的信息。Lindy、Genspark 和 Grok Heavy 也都是部分通过。

第三场是今天，比 Ninja AF101 空气炸锅的价钱。ChatGPT agent 8 项全过，1.3 分钟；Genspark 也全过，约 5 分钟。Grok 部分通过，因为它报的最低价——一个沃尔玛的价格——页面上根本没有。Manus 也是部分通过。Lindy 没上场，免费试用到期了。

这是 Manus 第一次没赢。三场下来它拿下两场，最新一场归 ChatGPT agent。

第二场留下的教训跟 AI 关系不大。同一家公司在 Yelp 上是 3.2 星，在 Google 上是 4.9 星。只看一个来源不够。代理给的本地推荐还是得交叉核对，执照号会挂错人，价格会不在页面上。

网站今天改了版。首页顶部是代理赛跑的自动播放蒙太奇，任务页里有片段。每场对决有自己的分享卡片，显示赢家和前三名。首页更简洁，把最新赢家摆到最前面。每个代理有完整的战绩页。全部 10 场正面交锋，都基于真实得分。站点还加了结构化数据、更新过的 sitemap 和一个 llms.txt，方便 AI 回答引擎引用。

改版前的问题不少。网站上写着“基于视频评分”，可当时没有视频。在 X 上分享的链接，每一个都显示同一张通用卡片。排行榜的链接是坏的。文案写得太谨慎，把结果埋在了下面。

接下来是周二和周五各一场新对决，外加一份每周通讯。日常任务的建议，他还在收。