郭宇 guoyu.eth (@turingou) “今天把 Grok build 作为第三个 runtime adapter 接入 wanman，然后测试 Grok 4.5 作为” — TopicDigg

今天把 Grok build 作为第三个 runtime adapter 接入 wanman，然后测试 Grok 4.5 作为 wanman agent（而不是沙盒中的 cli）接入 sandbank agent 框架的作用相比 deepseek 哪个好，这里我不得不开始处理一些复杂的分层，因为目前 wanman 有好几个不同层面的 agent，第一个层面当然是免费给用户使用的，有限额的默认 agent（wanman agent）第二个层面是沙盒中的 agent，目前有三个，是 codex/cc 和刚接入的 grok build。 在这里有个比较难搞的东西，不同层面的 agent 要共享数据和记忆，只能依赖一个外部数据源而不是各自 agent 的 workspace，这意味着无论是那个层的 agent 都必须遵循或者至少可以接触到一个统一的 workspace 抽象层（这里我是用 sandbank workspace 来做的，自己写的） 这就好像一家公司，你可能会有月薪 10 万块的高级程序员，也有可能有月薪 2 万块的初级程序员，还有可能有一天 200 块钱请来的实习生或者是接线员。 虽然他们要做的工作可能是部分交叉的，但他们所使用的 workspace 也是完全在不同的地方。我觉得现在的 AI 应用，或多或少都需要开始处理一些智能分层相关的业务。 一方面当然是为了节省成本，另外一方面确实是不同的模型各有所长，而且也没有必要让所有的事情都用最高级的模型来进行处理。就像世界上其他的工作一样，不同的智能负责处理不同的事情。 这就意味着，以后所有的 AI 应用都不得不处理混合模型的问题。这里指的不是通过像 Fusion 这样的 API 来进行模型路由，因为 workspace 是根据不同的 agent cli 来进行定义的。当然，我觉得 OpenRouter 的 Fusion 或者是类似的混合路由 API 提供了一种非常理想的情况。但除非它们能够自动去处理背后的计算空间，以及计算空间的记忆和数据的一致性问题，否则它的效果还是要远远落后于 Codex/cc 和其他这种第一方的 command line tools。 不知道大家在这个问题上有没有好的处理方法？