上次不是很严谨，这次work vs work，首先声明下，上次测试之后，我对代码做过一些优化，因此所有的任务需要重新跑。 此次运行workbuddy 的时候，默认启动了多agent 进行并行代码检索，且wordbuddy 输出了markdown。本着一视同仁的原则，我对trae work的提示词如下： 扫描代码库，给出GA 算法的完整实现方式，以及是如何配合其他模块实现进化，要详细阅读，开启多agent来做。最终输出为一个markdown
workbuddy 的提示词： 扫描代码库，给出GA 算法的完整实现方式，以及是如何配合其他模块实现进化的
下图 workbuddy中 ds v4 flash 0731
积分消耗&& token 计算
TRAE work ds v4 正式版
workbuddy 的积分消耗 17.72 token 数： 约103.1k
Trae 积分消耗： 35.35 token 数未知
存在差距的原因：
- 内置提示词差异
- agent 间协作有待改善
- 上下文严重不足，期间trae 进行过一次上下文压缩。
附：
裁判对两个AI 生成的文档对比，裁判是GLM5.2
GLM 统计的GA 模块的代码量，这并非小任务。
时间维度： workbuddy运行时间 5min54s, trae 运行时间是 5min 22s
人为评判：我的提示词要求是对GA算法模块整个梳理，以及如何与外部协作，显然Trae 有些偏题。
Trae 的优点在于 变异概率表、参数范围、时序图这些深度内容 的梳理总结，这回合如果不看积分消耗，算是有来有回吧。当然如果能弥补上下文短以及hint cache 的问题，我相信在长任务的注意力上效果会更好。
大家请理性讨论，不要拉踩哦
