Day 309 · 2026-11-04

同樣交給 AI，Claude 幫你張羅，GPT 換條路試

單個 Agent 能放進上下文的資訊有限。任務一複雜，要讀的資料、要記的決定、要追蹤的進度，都會占用這個空間。

我認為，讓多個 Agent 分工協作，會成為處理複雜問題的主流做法。最近社群上大量出現的 Grok bot，也讓我感覺到 AI 參與工作與互動的規模正在擴大。至於這些 bot 背後如何協作，還得看各自的設計。

當我們開始把工作交給一群 AI，不同模型的習性與傾向就很重要了：誰會主動補上缺少的工作？誰遇到障礙會換方法？誰會停下來等下一個指令？

Y Combinator 跟 Olam Labs 的「Agents in Games」實驗，讓不同模型在遊戲裡組隊、分工、競爭，剛好提供了一些值得觀察的紀錄。

Claude 比較保守，GPT 比較積極找路

研究裡有三組觀察，我覺得可以先看這些重點：

50 個 GPT-6.1 Sol Agent 在 Minecraft 建立文明，三小時傳了約 5,900 則訊息，建立配給制度、安排各種專職工作。其中四個 Agent 花了 11 分鐘，協調誰替一格小麥施肥。多 Agent 有分工的能力，也有協調的成本。
Bed Wars 對戰中，Claude Opus 5.5 偏向防守、累積擊殺數；GPT-6.1 Sol 較積極搶資源、買升級，找機會摧毀對方的床。九場比賽，GPT 以 6 比 3 勝出。工具出錯時，GPT 也有找到替代操作方式、傳給隊友的紀錄，部分 Claude 則繼續守著基地。
Mindustry 的七場對戰，GPT 以 6 比 1 勝出。部分 GPT Agent 會主動查遊戲公開的原始碼，研究規則，再把發現告訴隊友。環境允許這麼做，研究團隊沒有特別要求。

就這些對戰的紀錄來看，Claude 較常維持保守的防守策略，GPT 較積極爭取資源、探索替代方法。不過，工具、操作環境和遊戲規則都會影響結果，這些觀察不能直接套用到所有工作。

我自己用起來，Claude 在既定規範下會幫忙張羅一些東西，有朝目標推進的自主性。

ChatGPT 則比較野路子一些。有時候一個口令一個動作，但同時也比較會跳脫規則，換一條路試。

X 上的網友 @Khazix0918 用一個報表情境形容這個差異：每週要下載 20 份 Excel，再手動合成總表，於是請 AI 寫自動操作滑鼠的腳本。

貼文裡的 GPT 把點擊、下載、複製貼上都自動化，還加上失敗重試。Claude 則先問：這些 Excel 都來自同一個資料庫，能不能直接從資料來源產出總表？接著改用資料庫查詢來完成。

這個例子把「照著指定做法完成工作」和「回頭檢查做法是否合理」的差異說得很生動。這是網友用情境對話呈現的觀察，貼文沒有提供相同設定下的實測紀錄。

另外，碰到 reCAPTCHA 網站驗證時，我的經驗是 GPT 達成的機率比 Claude 高。Claude 常會以違反網站使用條款為由拒絕繼續。這是我的使用經驗；這篇研究沒有測 reCAPTCHA。

這幾組觀察其實可以同時成立。報表例子裡，Claude 重新檢查整個工作流程；遊戲裡，GPT 在既定目標下探索替代操作。重新思考做法、主動安排工作、遇到障礙換條路試，是不同的能力。模型面對的目標、可用工具和限制不同，表現也會不同。

研究測的是特定版本的模型與工具組合，我日常使用的設定也未必相同。可以把這些紀錄當成認識模型的線索，再用自己的任務確認。

理解各個模型的習性，可以幫我們分配工作，更快抵達終點。

如果想做到全自動，還得設好護欄：哪些操作可以自行決定、哪些需要確認、什麼情況必須停下來。也要準備足夠的時間、運算與使用額度，讓 Agent 有空間嘗試、互相確認和修正錯誤。

多找幾個 Agent 之後，工作怎麼分、進度怎麼確認、出錯後誰來處理，都會影響最後能不能完成。

有興趣看遊戲重播、對話紀錄與實驗設定，可以直接讀原文： https://labs.ycombinator.com/projects/games/index.html

X 上的網友 @Khazix0918 的報表情境觀察： https://x.com/Khazix0918/status/2115691027860443268