Claude 封号后，我用上了文科生的 Codex。

被 Claude 封号了。算了，暂时先不用 Claude 客户端了。 我原本以为会很难受，毕竟过去几个月很多工作都是 Claude 帮我完成的。 但我发现很多非 Coding 类的工作，其实都可以迁移到其他产品上，而且效果不比 Claude 差。 今天 Kimi 还发了类 Codex、Claude Cowork 的产品 Kimi Work。 目前还是 Beta 版，很适合技术小白、文科生使用。暂时就先用它了。 感觉尤其是经常需要做数据分析、深度研究以及来回在各种 Office 文件之间倒腾信息的同学，可以看看。 比如我用 Kimi Work 的 Agent 集群功能给我做了一本电子书。 大家可以看看这个用法。每次准备进入一个陌生领域的时候，以前总得自己查资料、看文章、刷视频，花不少时间搭建认知框架。现在我更习惯先让 AI 帮我整理一本通识读物。 它有几个比较有意思的设计： 第一，集成了 Kimi 的 Agent 集群能力。它会根据任务的不同，然后并行地创建 Sub Agent 去执行任务。这个模式特别适合长流程、多步骤、多产物的任务。 比如我让它研究云冈石窟，并最终整理成一本电子书。 这里面涉及历史背景、佛教文化、造像艺术、石窟分期、考古发现、学术研究等大量内容，要查阅和处理的资料非常庞杂。 如果全部交给一个 Agent 从头做到尾，压力其实很大。 随着任务越来越长、上下文越来越多，一个 Agent 到后面难免会出现注意力分散、遗漏细节或者输出质量下降的问题。 但拆分成多个 Sub Agent 之后就不一样了。 每个 Agent 只需要专注解决一个具体问题。有人研究历史，有人研究艺术风格，有人研究佛教思想，有人研究技术细节。最后再把这些研究成果汇总起来。 而且最多支持 300 个子 Agent。这样做的好处是质量更稳定。 每个 Agent 都在相对独立的上下文里工作，不容易因为任务太长导致后半程质量下滑。 第二，接入了很多专业的数据源。比如天眼查、Google Scholar、arXiv 。 尤其对于金融、科研、战略分析这些场景来说，高质量数据源往往决定了最终交付质量。 我很喜欢他们的学术数据库，这个对于要写论文的同学来说，大家可以去试试，能省非常多的精力。 #Agent #Claude #OpenAI #AI #硅谷 #AI玩法 #Coding