在上一篇《同一份 PRD，国内 Work Agent 为什么交出了不同的 MVP？》 验证基础上，本次继续围绕《城市分时电价观察站 MVP 需求文档》，对国外 Work Agent 进行同样的实践验证。
本轮选择：
• Claude Work；
• ChatGPT Work（Codex）；
• Gemini。
其中，Claude Work 和 ChatGPT Work（Codex）均通过统一模型环境进行验证，Gemini 因模型切换配置未完成，未形成有效测试结果。
通过同一份 PRD、相同验证方式和真实 MVP 开发过程，进一步了解国外 Work Agent 在实际任务中的表现。
完整验证结果和交付页面已同步发布到 GitHub。
国外 Work Agent 验证总览图
本轮实验保持与上一篇一致，采用相同 PRD 和验证方式。
模型：DeepSeek-v4-flash。
接入方式：
• 使用 CC-Switch 进行模型路由与协议转换；
• 通过 API 接入 DeepSeek；
• Token 消耗通过 DeepSeek 后台统计。后台展示为累计用量，各 Agent Token 消耗根据对应验证阶段前后累计值计算
Claude Work 本轮基本完成了一次完整 MVP 交付，首次生成耗时约 50 分钟，人工检查发现部分业务逻辑偏差，本轮未继续要求 Agent 进行二次修改。
从 PRD 到最终页面，完成：
• Web 页面；
• CSV 数据加载；
• SQLite 数据结构；
• 数据说明文档。
Claude Work 概览页面
从实际验收结果看，大部分功能符合预期，但仍存在部分业务理解偏差：
• 顶部菜单主要用于页面定位，并非完整查询入口；
• 省份过滤能力不完整；
• 当前主要展示夏季工业用电数据。
资源消耗：
通过 DeepSeek 后台用量统计：
• API 请求次数：约 81 次；
• Token 消耗：约 1005 万。
ChatGPT Work（Codex）首次版本约 15 分钟完成。初始交付包括：
• Web 页面；
• CSV 数据；
• SQLite 建库脚本；
• 数据导入程序；
• 配置文件；
• README 和限制说明。
但首次版本数据加载不出来，后续进行了多轮交互修复。
主要问题包括：
• CSV 数据加载异常；
• 页面脚本运行错误；
• 外部资源加载问题；
• 页面结构与脚本逻辑不一致。
经过 5 轮交互后，最终完成可运行版本。
ChatGPT Work 最终页面
首次版本：约 15 分钟。初版数据加载不出来，经过多轮问题定位和修复：
最终耗时：约 90 分钟。
通过 DeepSeek 后台用量统计：
• API 请求次数：约 145 次；
• Token 消耗：约 1922 万；
DeepSeek后台流量统计
通过本轮真实 MVP 开发验证，可以看到：
当前 Work Agent 已经具备完成从需求理解到应用交付的大部分能力。
但在实际任务中，最终交付效率并不只取决于首次生成速度。
本轮两个 Agent 均使用相同模型环境，但交付过程存在明显差异：
• Claude Work 首次交付耗时约 50 分钟，人工验收后未进入多轮交互修改流程；
• ChatGPT Work（Codex）首次版本约 15 分钟完成，但由于数据加载、页面运行等工程问题，经过 5 轮交互后，最终耗时约 90 分钟。
从本次验证结果看，模型提供基础能力，而 Agent 自身的任务规划、工具调用、上下文管理和验证机制，会直接影响最终交付质量。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。