AI工具测评
未读
Grok Voice 登顶语音榜单，但我用中文测了一圈之后，有话要说
Grok Voice 登顶语音榜单，但我用中文测了一圈之后，有话要说 Grok Voice 刚刚在语音基准测试上把 Gemini 和 GPT-4o 都压住了。 我的第一反应不是兴奋，而是一个问题：这个榜单，是用中文测的吗？ 不是故意泼冷水。语音 AI 的基准进步是真实的，xAI 的技术能力也值得尊重
AI工具测评
未读
榜单第一的 Grok Voice，在中文日常对话里能打几折？
榜单第一的 Grok Voice，在中文日常对话里能打几折？ "那个，你帮我查查看，上海今天堵不堵？" 我用这句最普通的中文口语问了榜单第一的 Grok Voice。它愣了大概两秒，然后给了我一个关于"上海交通拥堵指数历史数据分析"的长段落回复——准确，但完全不是我想要的那种对话感。 我没有截图发出
AI工具测评
未读
Flue 深度拆解：第一个专为 AI Agent 设计的"测试线束"框架
Flue 深度拆解：第一个专为 AI Agent 设计的"测试线束"框架 你有没有想过一个问题：你能测试你的 Agent 吗？ 不是"跑一跑看看有没有报错"，而是真正意义上的测试——在边界条件下，在工具调用失败时，在上下文超长时，你的 Agent 会做什么？ 大多数人的答案是：不知道。 这不是因为开
AI工具测评
未读
Codex vs Claude Code：我用四个真实任务测出了它们的能力边界
Codex vs Claude Code：我用四个真实任务测出了它们的能力边界 上周我同时开着两个终端，左边跑 Codex，右边跑 Claude Code，把同一个 Bug 喂给两边——左边给了我一个自信满满的错误答案，右边找到了根因，但解释了整整三段话才说到重点。 这个画面让我意识到：市面上那些"
AI工具测评
未读
Codex 和 Claude Code 到底怎么选？别先问谁更强，先问你要它干什么
Codex 和 Claude Code 到底怎么选？别先问谁更强，先问你要它干什么 同样是让 AI 写代码，有时它像一个已经读过仓库、顺手还能帮你补测试的同事；有时它又像一个很会写代码、但总想先问清楚边界的搭子。 问题不是“谁绝对更强”，而是你现在手里的活，适合哪种协作方式。 如果你把 Codex
AI工具测评
未读
Gemini 直接生成可下载文件：我测了三天，说说真实感受
Gemini 直接生成可下载文件：我测了三天，说说真实感受 我当时愣了大概三秒。 对话框里，我刚输入完一段提纲需求，Gemini 的回复末尾出现了一个下载按钮——不是「复制全文」，不是「导出为 Markdown」，是一个实实在在的 .docx 文件下载入口。 我的第一反应是：又是个噱头吧，点开大概是
AI工具测评
未读
Cursor Agent 为什么有时聪明有时蠢？答案藏在这个你从没注意过的机制里
Cursor Agent 为什么有时聪明有时蠢？答案藏在这个你从没注意过的机制里 你有没有遇到过这种情况： 让 Cursor Agent 帮你重构一个模块，前几步走得行云流水，突然它开始反复读同一个文件，或者莫名其妙跑去修改一个完全不相关的配置项——然后你看了眼 token 计数，已经烧掉了你预期的
AI工具测评
未读
Gemini 直接生成 Word/Excel/PPT：我测完了，结论比你想的复杂
Gemini 直接生成 Word/Excel/PPT：我测完了，结论比你想的复杂 上周我用 AI 写完一份季度报告，然后花了将近20分钟把内容一段一段粘进 Word——调字体、对齐段落、删多余空行、手动加页眉……这20分钟比写报告本身还烦。更讽刺的是，我全程都在想：这种重复劳动，AI 不应该替我做掉
AI工具测评
未读
Gemini 文件直出功能深度测评：哪些摩擦消失了，哪些坑还在
Gemini 文件直出功能深度测评：哪些摩擦消失了，哪些坑还在 你有没有经历过这种事：AI 帮你把报告内容写得头头是道，你满心欢喜，结果接下来还要花 20 分钟——手动新建 Word 文档、一级一级调标题样式、把数据贴进 Excel 再对齐格式、存文件、压缩、发邮件——然后对方回一句："能不能给我
AI工具测评
未读
Mistral Medium 3.5 vs Cursor SDK：
Mistral Medium 3.5 vs Cursor SDK：我差点写了一篇假的"云端Agent对比" 上周我准备写一篇对比评测，起因很简单：同一周内，Mistral 发布了 Medium 3.5，Cursor 发布了 Agent SDK，媒体标题清一色都在说"云端Agent新选择"。 我以为这
