100 秒看懂个人 agent 四方对比 🎉 grok bot、muse、cue、dots，50 天里四家做了同一个东西。 -- built with opus 5.5

旅行间隙给自己写了个浏览器，今天开源，叫 Tiller。 Chromium 内核，Swift 原生壳，侧边栏里跑一个 coding agent 来操作网页。 常见做法是让 agent 从外面遥控浏览器。我想反过来，让 agent 坐在浏览器里，用浏览器自带的工具。开 tab、读页面、点按钮、输入文字，就这几个。同一套工具也通过 MCP 和 tiller 命令行给外部脚本用。 9 月 28 号第一个 commit，今天开源，32 个 commit，Rust 加 Swift 大约 1.3 万行，期间开了 37 个 Claude Code session。 agent 默认只拿到浏览器工具，读写文件和跑命令都关着。网页内容会试图指挥 agent，这个问题我还没有好答案，所以先关掉。 Chrome 的 cookie、密码、历史和扩展能导进来。扩展能跑，但 Chrome 的 tab 和 window API 看不到 Tiller 的 tab，这块还差不少。 自用为主，你的情况可能不一样。 github.com/sorrycc/tiller

Opus 5.5 用了一天，攒了 24 条 tips，分五块。 一、怎么用 1. 整个任务直接扔给它。说清什么算做完，什么时候要回来找你。 2. 别写「think carefully」，它本来就会先想。思考模式也关不掉了。 3. 长任务跑完，问它「还缺什么才能继续」，别急着自己接手。 4. 长任务跑一半停下来汇报是前沿模型的通病。Anthropic 给了一段专门的提示词压住这个毛病。 5. 默认 medium 就够。智能跟 Fable 5.1 差不多但更快，输出 token 比官方建议还少两成。 6. 别开 max。有人两次测试都在思考阶段撞上 128K 输出上限，一个结果没出，每次 2.56 美元、20 分钟。Fable 5.1 的 max 反而没事。 7. 简单活 medium，难活切 high。Claude Code 2.1.280 之后，会话中途切强度不再打掉缓存。 二、把旧提示词清一遍 8. 跑 /claude-api prompt-audit。skills、CLAUDE.md、AGENTS.md 里那些给旧模型写的保姆规则，现在只会拖累 5.5。 9. 该删的典型句式：全大写 IMPORTANT、一刀切的 be concise、always ask、always summarize、be thorough / don't stop。 10. 每次模型升级都重跑一遍，拿几个代表任务验证，只留有效果的改动。 11. 反模式不只在 CLAUDE.md，工具描述里也有。有人把 12 个工具砍到 4 个，效果比改任何提示词都大。 12. 让 audit 解释每一条删除理由。有些看着奇怪的行，是绕某个 bug 的 workaround。 三、账单 13. 几乎所有事都能用 Opus 5.5 干，Fable 那 50% 的上限可以不管了。只有「给我点惊喜」那种模糊的创意原型，我还是回去找 Fable。 14. 多 agent 编排里，coordinator 和 worker 都换成 5.5，额度掉得明显慢了。 15. 缓存读取从 0.5 降到 0.2 美元。编程会话缓存命中率一般 95% 以上，实际省的比标价多。 16. 三家里只有 Anthropic 不对长上下文加价，到 1M 单价不变。OpenAI 过 272K 翻倍，Grok 过 200K 翻倍。 17. banked reset 不会挪动每周重置时间。留到周期后半段额度见底再用。 四、顾问模式 18. /advisor fable 把 advisor 设成 Fable。Fable 出方案，5.5 执行，做完让 advisor 验收，按反馈返工到通过为止。配 /goal 更顺。 19. Opus 和 Fable 的真正差距在找开关。Opus 被 auto-mode 拦住会让你手动粘命令，Fable 会去 settings.json 里翻出 autoMode.allow。所以 Opus 当主力，Fable 别关。 五、它变了什么 20. 只在该长的时候长。「Claude 腔」和破折号没了，结论放最前面。 21. 「honest mistake」循环没了。以前是先下结论、走错、道歉、再花几轮修，现在一次做对。 22. 会自己遵守 skill，不用你提醒。 23. 3D、视觉、Blender、设计品味都明显强了。视频、Minecraft、3D 网页一次成型。 24. 网络安全和生物任务会被自动转给 Opus 4.8。2026-08-31 后注册的 API 账号拿不到推理过程。输出带文本水印。

Cute.

接下来几天在云栖大会 Qoder 展台看摊，逛云栖的同学可以来找我唠会

9 月 23 日前晒一个用 Qoder 做的项目，有机会拿 20K Sonus credits 。

Jev 玩马里奥，单次决策延迟 229ms，1-1 都没过，对实时性要求高的游戏还是不够。

拿一个小项目试了下，源码减少 30.9%。

Fable looked at the edit tool, said no thanks.

Claude Code 团队自己，已经有 70~80% 的工作不在终端里做了。 看完 Thariq、Sid、Robert 三个人的 22 分钟对谈，记了几条。 1. 大部分活在 Slack 里的 Claude Tag 上干。TUI 和桌面端只有两种时候才开，精修某个东西，或者"想微观管理我的那些 Claude"。给的也不再是任务，是目标。 2. 以前底层技术的保质期以年计，现在是两个月。Sonnet 3.5 时代模型给它五件事只做三件就放弃，于是加了 to-do list，一下就好了。一年后这个功能没了，因为不需要了。Sid 的结论是对自己造的东西不要有感情。 3. harness 里大部分功能，说白了是在给当前模型的失败模式打补丁。模型变强就主动删。但任务尺度同时在变大，又得造形态完全不同的新工具。这两句得一起记，只记前一句就是为删而删。 4. AskUserQuestion 这个工具磨了很久才让模型学会调用。结果作者现在自己都不怎么用了，直接让 Claude 出一个带 mockup 的 artifact 来问他问题。 5. Code review 变了。人类 reviewer 挑三个小 nitpick，其实是在证明"我读了"。这活交给 Claude。人只管 Claude 不知道的事，这个 API 为什么长这样，服务边界为什么画在这。 6. workflows 是从 code review 长出来的。fan out 找 bug，每个 bug 再从几个角度对抗性验证，过滤掉误报只留真的。Robert 信任 workflows 的理由很简单，编排层是代码，for 循环不会漏掉任何一项。 7. Claude Tag 第一次把界面和 transcript 彻底分开。Slack 里看到的每条消息都是它主动调工具发的，内心独白看不到。他们一开始很慌，后来发现不盯着也能拿到好结果，才意识到模型真的到这一步了。 8. 怀念什么？Sid 怀念性能优化，"现在 Claude 比我强得多"。Robert 曾经花一整天手写 CSS 复刻 Mac OS 10.4 的 Aqua 按钮，叠了好几层 radial gradient。他说再也不会手工做这种事了。听着有点唏嘘。

Interesting prompt.

recommended reading. I want a massive simplification set of PRs. or a single monolithic PR. I want LOC to drop dramatically. Minimum 30% overall. I want god files broken up. I want simplification across the board. I want unification of helpers and methods that can be reused. I want less if-if-if-if-if-if-else routing. I want code legibility up. I want interpretability of the codebase and how things connect to each other up. I want elegance. I want superfluous excess bloat code cleaned up and removed. I want it all done fully. No excuses. No waiting for my decisions. Get it all done, and present me a PR or set of PRs when done.

gpu-doodle：一个跑在浏览器里的涂鸦识别小模型。 - 边画边猜，第一笔画个圆它会在月亮、时钟、太阳、苹果之间摇摆，第二笔下去就定了 - 100 个 Quick, Draw! 类别，测试集 top-1 89.4% - 整个包（int6 权重 + 手写 WGSL 内核）Brotli 后 26 KB，3.2 万参数 - 有 WebGPU 就走 GPU，没有就走 CPU，任何现代浏览器都能玩 - 自带 20 秒限时的"你画我猜"模式，中英文界面跟随系统 训练数据是 Google 的 Quick, Draw!（CC BY 4.0），做法参考了 arikchakma 的 gpu-time。 Demo：sorrycc.github.io/gpu-doodle… 仓库：github.com/sorrycc/gpu-doodl…

Qoder duck stop motion x 100 with ChatGPT Images 2.5, each one 36 frames and 3 seconds, in 100 different visual styles: sorrycc.github.io/qduck-stop…

Fable 5.1 tips for saving money: 1. Don't run xhigh by default. Stay on high. On the Artificial Analysis index, xhigh burns about 2x the output tokens of high. $5.98 vs $3.91 per task, and 2 more points on the score. Those numbers drift, so check them before you copy me. 2. Opus by default, then /advisor fable when you're stuck. Cheap model does the typing, expensive model reviews. 3. Or flip it. Fable by default for design, then /model and press s to toggle to Opus for implementation. 4. Or use fable xhigh to design, then /effort and press s to toggle down to high to implement. Changing thinking effort doesn't invalidate the prompt cache. 5. /subtask for anything that spews output. Only the result comes back and the main session stays clean.

deepseek 4.1 flash is sooooo fast that for anything non-complex i dont need a bigger model anymore.