AI博主实测发现：Agent选择对效果影响和模型差不多大

我错了，我低估了 Agent 对模型的影响。

以前挑 AI 干活，思路是选模型：要深度就 GPT，要中文就 DeepSeek。但这次我用不同 Agent + AI 模型的组合，跑同一份深度调研报告，最后让更强的模型统一打分，才发现 Agent 的选择几乎和模型一样重要——不同组合出来的东西，根本不是一个量级的。

先说结论，我的最佳实践：
1. 纯编程：Codex + GPT；
2. 非编程的工作流：首选 Pi + GPT，备选 Claude Code + DeepSeek；
3. 严肃的中文写作：Claude Code + DeepSeek；
4. 创作型中文写作：Pi + DeepSeek。

原理其实就两层，想清楚就不难配：
模型层：GPT 推理深度好、严谨，但中文生成弱；DeepSeek 推理深度弱一些、不够严谨，但中文一流。
Agent 层：Codex 的约束非常多而且严格；Claude Code 约束也多，但体感略好于 Codex；而 Pi Agent 几乎不约束，把最大的发挥空间交给模型。

同一份调研报告，四种组合的实测差距非常直观：
1. Codex + GPT：最严谨，但非常干瘪。证据链挑不出毛病，可读性和参考度却都不够，像一份完美的填空报告；
2. Pi + GPT：完整而且丰富，参考性非常高。一个推理深度足够的模型，配一个不设限的 harness，丰富度刚好被补上；
3. Claude Code + DeepSeek：报告丰富，但完整度不够，深度任务里会漏东西；
4. Pi + DeepSeek：内容洋洋洒洒，但明显存在漂移——跑着跑着就离题了，逻辑漏洞自己很难发现。

一个提醒：如果你用了 DeepSeek + Pi 这种最奔放的组合，最后最好让一个更强的模型做一次复合复检，把逻辑漏洞补掉。