管四 (@guansi) “我身边有个同事，技术能力很强，AI Coding 也用得特别多。 不过他有个特点，就是不太” — TopicDigg

我身边有个同事，技术能力很强，AI Coding 也用得特别多。 不过他有个特点，就是不太舍得花钱。 从免费的 Kimi 开始，一路买各种套餐。Kimi Coding Plan、Trae、OpenCode、阿里百炼……基本都试了一圈。最后得出的结论特别朴素：哪个便宜用哪个。 便宜确实是便宜。 但是便宜也有代价，很多最新的模型都没有，像 Kimi K3、GLM 5.2、Claude、GPT Codex 这些，他基本都体验不到。 他属于那种特别会过日子的工程师。 模型不给力，那就拼命榨模型。 前几天他写了一个 Skill，想根据一套 C++ 代码自动反推出详细设计文档。整个 Skill 十几 K，几乎全是提示词。 我拿内网模型跑了一遍。 五分钟结束。 吐出来一份二十 K 左右的“详细设计”。 我看完以后，总觉得哪里不对。 不是提示词的问题，而是感觉整个活儿都压在一个 Agent 身上了。 于是我几乎没改提示词，就是把流程拆了一下。让一个 Agent 负责规划，再分几个 Sub Agent 去写不同章节，最后回来汇总、补充、检查。 还是那个内网模型。 最后硬是跑出来一份一百五十 K 的详细设计。 说实话，质量还是一般，离 Claude 和 GPT Codex 那种效果还有距离。 但是我突然发现一个挺有意思的现象。 同样都在用 Agent。 他研究的是怎么把一段 Prompt 写得越来越长。 我研究的是怎么让几个 Agent 少聊天、多干活。 到底谁对，我现在也不敢下结论。 没准再过一年，模型聪明到一句话就全干完了，什么 Skill、什么提示词工程、什么工作流，统统都成了历史包袱。 不过至少今天，尤其是在内网这些能力没那么强的模型上，我还是觉得，Workflow 比 Prompt 更值钱一点。 以前写程序，总有人喜欢把三千行代码塞进一个函数里，也总有人喜欢拆成几十个小函数。 现在回头看，AI 好像也开始走这条路了。