Agent 搜索、爬虫 0 成本方案
我最近在用 wigolo 这个开源项目，把搜索、抓取、爬取、抽取、研究这些功能全在本地实现了，不用 key、无任何云服务，数据不出设备。
让 agent 完全免费搜索内容，抓取网页，彻底摆脱 Firecrawl、Exa、Tavily、brave、jina 这些传统云端服务。对于普通用户，也不用去生成那些 API key ，配置环境变量。
github： KnockOutEZ/wigolo
Agent 搜索、爬虫 0 成本方案
更多动态
美国 databricks 一家数据分析的公司
，用市面上不同 agent 工具，搭配不同的大模型，做了一次真实开发测试（非 benchmark 测试集），pi coding agent表现亮眼。 图表中，纵轴越靠上成功率越高，横轴越靠左成本越低。可以看到 pi 搭配顶级模型后任务成功率都保持80%以上，并且 token 消耗远远低于其他 agent 工具。 我也用了 pi 一段时间了，搭配 grok-4.5 + DeepSeek-v4 和自己的工作流（主 agent 编排， subagent 并发、隔离上下文），产出成果很少出现返工、运行速度非常快，终于不用刷手机等结果了。 对了，主 agent 编排， subagent 并发将是 agent 趋势，最近不少 agent 工具开始支持这类工作流。
Qwen-3.8 VS Kimi-K3
提示词： “用svg动画，创建一个真实的网球比赛，两名球员对攻，要符合物理规律，符合现实世界逻辑。” 不知道是不是 Qoder 的原因，我生成这张 svg 动画花了两小时。 Qwen-3.8 反复思考，计划花了四十多分钟，写文件+修 bug 花了一个多小时。 svg 动画效果挺完美的，有声音，底部参数栏显示解说、球速、击球次数、技术分析。Kimi-K3 则没有声音、底部参数栏有 bug ，不会实时显示。
claude申诉失败了。
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
分享下现在的纯手机端工作流。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
