排序

按照自动化程度，对现在流行的几款产品进行排序：

Manus ＞ OpenClaw ≈ MiroFish ＞ Claude Code ＞ Codex

第一档：真 Agent

Manus 是员工，唯一接近全自动化的产品，任务一旦开始，人可以消失。

第二档：Agent 雏形

OpenClaw 是实习生。能跑但不稳。虽然爆火，但其实是长了 Agent 外形的 Copilot。

MiroFish 是 外包团队。这是一个有趣的项目，不过看起来像 AI 在自己干活，但实际上最需要人工验收。

第三档：Copilot

Claude Code 是工具人。默认人必须在回路中，是连续执行能力强的 Copilot。

Codex 是函数调用器。不会自己推进任务，只响应你。

未来真正值钱的，不是 Claude Code 这一层，而要到 Manus 这一层。

因为那一层，开始吃人头成本。

Agent 模式

• 工具化：不需要 AI 有个性，只需要它听话、准确、不知疲倦。

• SOP 植入：将企业的 SOP 写成 Skills 或做成 Agent，让 AI 严格执行。

• KPI：替代率。

  例如，客服通话中有多少比例是 AI 完全闭环处理的？

• 动作：替换掉所有搬运数据的岗位。

• 警示：仅适用于做错了一次也没大碍，或者有系统自动拦截错误的场景。

Copilot 模式

• 人机磨合：需要员工学习如何写好的 Prompt，如何使用 claude code，如何与 AI 协作。

• 最后一公里：AI 完成 80% 的繁琐工作，如写代码，找资料、写草稿、画初图等。人类完成 20% 的关键工作，如架构，核对事实、调整情感、签字确认。

• KPI：人效提升。

  例如，一个资深程序员以前一周写 1000 行高质量代码，现在能否写 5000 行？

• 动作：为所有核心骨干购买最贵的 AI 账号，并考核他们的 AI 使用熟练度。

• 警示：容易导致人类产生依赖心理，丧失基础技能，如新一代程序员不会写基础算法。

Advisor 模式

• 对抗性思维：用 AI 来找茬，而不是让 AI 附和。

• 多源验证：让不同的模型针对同一个战略问题给出建议，人类从中寻找交集或灵感。

• KPI：决策质量。

  例如，由于 AI 的预警，公司避免了多少次合规风险？

• 动作：在董事会、风控会、研发立项会上，强制引入 AI 评估报告作为参考材料。

• 警示：权责分离。

  决不能让 AI 做最终决定。如果出了医疗事故或投资失败，签字的人类必须承担 100% 责任。