同一个需求,不写代码会怎样

上一篇手写了一个机票追踪 Agent。这篇用 Claude Cowork 做同一件事,看看差在哪里。 代码:github.com/jeremyhxx/a...


装好 Cowork,给它同一个任务:帮我盯着新加坡到珀斯的机票,出发 11 月 28 号,返程 12 月 7 号,目标价格 400 新币,告诉我现在买合适吗。

然后看它怎么做。


它先尝试调 SerpAPI,失败了

Cowork 跑在一个沙盒 VM 里,出站 HTTP 请求走代理,serpapi.com 被拦了。它试了两次------直接调 API,再用 WebFetch------都不通。

然后它自己切到了 Plan B:用 WebSearch 搜市场参考价,把结果整理成和我 JSON 格式一致的结构,直接写入历史文件。

这个回退不是我告诉它怎么做的,它自己判断"这步走不通"然后换了方式继续。后来我让它把流程固化成 Skill 的时候,它也把这个降级逻辑写了进去。这让我意识到我们手写的 Agent 其实还不够完善------遇到 API 报错是会直接停的,错误处理和回退逻辑是需要专门去写的,不会自动有。


它能读写我的本地文件

沙盒 VM 挂载了我的项目目录,文件系统是通的。它读了 data/新加坡-珀斯.json,拿到了之前 Python 脚本写进去的历史数据,做了完整的趋势分析。

分析结果和手写版差不多:历史均价 SGD 423,当前 SGD 427,趋势平稳,建议暂不购买,截止日期 9 月 1 日。

推理质量没有损失,因为判断逻辑本来就在 LLM 那里,不在代码里。


我让它把流程固化成一个 Skill

我问它能不能把这个流程固化下来,它写了一份 SKILL.md,放在 .skills/flight-tracker/ 目录下。里面是完整的六步流程:查价格 → 写历史 → 读历史 → 分析趋势 → 给建议 → 发通知。还写了降级逻辑------SerpAPI 不通就 WebSearch 兜底。

Skill 本质上是一份结构化的 prompt,不是可执行程序。它能不能跑,取决于触发它的环境有没有对应的工具权限。同一份 SKILL.md,在 Cowork 里跑,SerpAPI 那步失败;在 Claude Code 本机跑,SerpAPI 直连,全程没问题。Skill 本身没变,执行结果不同,差别完全在环境。


但真正的自动化还是做不到

Cowork 创建了一个每周一 9 点的定时任务。但它跑在 VM 里,外部 API 全被代理封了------数据拿不到,通知也发不出去。这个限制绕不过去。

Claude Code 在本机跑就没有这个问题,网络完全畅通。可以在 .claude/settings.json 里预设权限,不需要每次授权确认------理论上可以实现自动化。但每次运行都会启动一个完整的 LLM session,在 Agent 循环本身的 token 之上再叠一层开销。

如果工具集是固定的、场景是明确的,cron + 手写 Agent 是开销最小的选择。如果希望 LLM 能动态调用更广泛的工具,不想自己定义每个工具函数,Claude Code Skill 值得多付那层 session token 的代价。


三种方式试完,总结一张表

cron + Python Claude Code Skill Cowork
需要写什么 完整 Agent 代码 只写 SKILL.md 只写 SKILL.md
完全自动化 ⚠️ 需预设权限 ❌ VM 网络限制
Token 消耗 仅 Agent 循环 Agent + session 两层 session
适合场景 无人值守生产 有自动化需求但不想写 Agent 临时探索分析

三种方式的真实差异:cron 只消耗 Agent 循环本身的 token,没有额外开销;Claude Code Skill 在此之上还要加一层 session token,但换来的是不用写 Agent 代码;Cowork 零代码门槛最低,代价是 VM 网络限制让外部 API 调不通。


写完之后的感受

第一篇说"策略归 LLM,机制归代码"。这篇试下来发现,Cowork 的策略和机制都在 LLM 那里------它自己决定要不要降级、用什么格式写文件、分析到什么程度。

这在个人使用、临时探索的场景下完全没问题。但"可预期"这件事,在你一个人用的时候不重要,在要稳定跑半年、或者交给别人用的时候就很重要了。手写版每次跑都走同一套代码路径,结果可以预判;Cowork 版每次 LLM 推理的过程可能略有不同,输出格式可能变,判断逻辑可能漂移。

不是说哪个更好,是两种不同的可靠性模型。如果要把这个东西交给别人用,或者让它稳定跑半年,我还是会选代码版------不是因为更聪明,而是因为可预期


代码和 Skill 都在这里:github.com/jeremyhxx/a...

下一篇打算把这个 Agent 做得更通用一点------不只是查机票,而是一个可以挂载多个 Skill 的本地助手。

相关推荐
明志数科5 小时前
具身智能数据工程观察:“数据筑基“时代的数据底座建设路径
人工智能·机器人
m0_614523556 小时前
普通视频怎么做多场景一镜到底:路线设计、逐段衔接与整体验收
人工智能·音视频
海宇服务6 小时前
零信任架构实战:基于海宇对外投资历史查询服务构建自动化供应商准入网关
运维·人工智能·架构·自动化
东风破_6 小时前
别急着上 Agentic RAG:先用 LangGraph 把最小 RAG 跑明白
人工智能
LaughingZhu7 小时前
Product Hunt 每日热榜 | 2026-09-12
人工智能·深度学习·神经网络·搜索引擎·百度
天真小巫7 小时前
2026.9.13总结(工作量日益繁重的当下,AI如何提效)
人工智能
Zguigo7 小时前
【CUDA1】GPUvsCPU,CUDA Kernel
人工智能·pytorch·深度学习
thesky1234567 小时前
用 ONNX Runtime 把 PyTorch 模型变成跨平台极速推理引擎:导出、优化、量化完整实
人工智能·深度学习·模型部署
米小虾7 小时前
把 KV Cache 从 3514 字节压到 890 字节:DeepSeek V4.1-Flash 动了什么,又没动什么
人工智能
锋行天下7 小时前
LangGraph 进阶:Command + Send 动态控制流、并行 Map-Reduce 实战与踩坑
人工智能