本文深度体验了类 Manus 产品扣子空间，通过多项任务测试其功能表现。在数据处理任务中表现出色，但在其他任务上整体表现中规中矩，亮点不足。

上周末拿到了 Coze 空间的邀请码，又一个类 Manus 产品，果然 Manus 带来的这股浪潮，不单带火了 Genspark，也让大厂迅速布局。

闲话少叙，刚体验完 Flowith 的 Oracle 模式（见爆肝 5 小时，我用 Flowith 做了一款问卷数据清洗工具来解决真实工作问题），现在拿同样的任务来测试下。

任务一：制作分享卡片

生成一个可交互式的分享卡片网页：
网页提供输入框供用户输入，文案提示：请输入您想要分享的内容，不超过 100 字；
用户输入后，点击确认按钮，进行卡片生成；
生成卡片背景颜色使用渐变色，有毛玻璃特效；

生成效果如下：

总的来说，基本符合 prompt 的需求，但是毛玻璃的效果实现得不好，色太重。当然这一点 Flowith 也有问题，它的毛玻璃效果太轻。

我嫌弃这个效果太差，索性不要背景色：

生成一个可交互式的分享卡片网页：网页提供输入框供用户输入，文案提示：请输入您想要分享的内容，不超过 100 字；

用户输入后，点击确认按钮，进行卡片生成；

生成卡片使用毛玻璃特效；

但生成的效果依然难以令我满意，很难看出毛玻璃的特效：

甚至我之后又喂了一篇如何制作毛玻璃效果的知乎文章，让它先参考，但效果仍然不如任意。相反，同样的提示词，在 Flowith 上就好很多：

综上，在生成【分享卡片】这一任务上，两者总体上半斤八两，在毛玻璃生成这块，我更喜欢 Flowith 在那一次生成的效果，不过也不能就因此说 Coze 更差，毕竟大模型具有偶然性，重点是看它对于需求的执行。

接着来看第二个任务 【名人金句生成】

帮我创建一个网站，该网站能够随机生成一些名人的金句，并以卡片形式展示：用户可以选择：鲁迅、古龙、金庸三位作家；

选择作家后，点击【生成金句】，系统将从所选作家的作品中挑选出一句金句并展示；

金句以卡片形式展示，渐变色背景，支持用户选择；

同时增加粒子移动特效；

这一次让我挺惊喜的，虽然第一次生成存在缺陷，比如粒子特效增加在整个网页背景上而非只是卡片，并且缺少了金庸，但我只优化了一次就达到了满意的效果：

有三个地方需要优化：

-粒子特效只在分享卡片中存在；

-缺少金庸的选项；

-缺少渐变色的选项；

同样的任务和提示词，Flowith 完成并不好，主要是粒子特效这块，我修改了五六次提示词，才让粒子动起来，而 Coze 只优化了一次，这一点来说，我认为 Coze 完成得更好。

接下来是第三个任务，也是我用 Flowith 做起来特别吃力的一个任务【货币数据清洗并进行汇率换算】。

我在测评 Flowith 的文章里提到，因为是用画布，所以直接用 Flowith 处理数据，会非常卡顿，同时画布会拉得很长。但 Coze 不会，它的处理过程封装在一个状态提示框里，所以在渲染上较画布更为丝滑（但相反就没有多线程运行比较的优点）。

所以，当我直接把 Flowith 怎么也完成不了的提示词提供给 Coze 时，它竟一步到位，直接调用 Python 处理了原始的 Excel 文件，并一遍得出我想要的结果 ！

1. 文档中每一列包含货币数字和单位，请将每一列换算成美元
2. 计算换算成美元后，所有列加在一起的平均数
3. 无任何数字可以无视
4. 如果只含数字不含货币单位则视为美元
5. 输出格式：原数值  原货币单位   换算后美元

结果让我很惊喜，虽然我发现它把一些含有字符的原始数据清掉了，而且汇率的换算我不确定是否正确，于是我又微调了一遍：

有些问题：
1. 含有字符的数据被清除了，这里不要改动，要调用大模型和联网去理解它，看怎么转化；
2. 纯文字的，无法理解成货币的，就用 N/A；
3. 增加一列，货币同美元的当前汇率，便于核实；

这一次，它的结果相对令我满意：

再进行最后一次调优：

再优化下，按如下列名称生成 Excel：
1.  原数据 （例：$10)；
2. 货币数值（例：10）；
3. 货币代码（例：$）；
4. 当前汇率（例：1.2）；

完美 ！正是我想要的！

在数据处理这块（尤其是对于表格），Coze 已经达到令我满意的水平，相比于 Flowith，Coze 空间无疑更适合办公人士使用，何况它还集成了飞书文档的 MCP，可以直接调用/写入飞书中的文档内容。我很赞同阮一峰老师的观点，Agent 结合飞书会是办公领域的一柄大杀器。

接着第四个任务，Deep research，我让 Coze 做了个对于我目前比较关注的无人机方面公司的研究：

以一个专业分析师的身份帮我分析下零零科技，生成交互式网页

结果咋说呢，还算满意，从公司简介、发展历程、产品介绍方面大体介绍了下，还从 SWOT 的角度分析了下优劣势。思路上是实习生的水平，数据嘛，一些特别详细的数值我是不敢信的，因为这家公司压根没有对外披露过，报告里也没有信源可供审查。

再来一个竞品分析吧：

请帮我对国内外睡眠监测 App 进行竞品分析，并同手表、毫米波雷达等硬件产品进行比较

结果，emm… 属于我不会招的实习生的水平，先是把几个产品罗列了一遍，说了下主要功能，然后比较了下同手表、手环的差异，从用户体验、价格、功能维度简单对比，最后给了结论。

实在忍不住了，又想要优化下：

分析的不够全面：
1. 技术原理对比；
2. 基于技术原理的优劣势对比；
3. 主要面向人群区分；
4. 主要面向渠道；
5. 盈利模式；
6. 功能对比；
7. 定价对比；
总之是要横向拉齐的，用表格进行对比，而不只是罗列；

最后表格是生成了，勉强好一点，但颗粒度还是太粗。

总体而言，Deep Research  这块，Coze 空间似乎和秘塔搜索没有特别大的差距，整体并没有看出 Agent 相比普通的文本大模型有更大的优势。要说能用么，写个 PPT 忽悠下不懂行的是可以，真要用在实际业务中，那还是工业垃圾的水准。

最后，测一下自带的 MCP，我选的是语音合成：

https://www.eugenewei.com/blog/2023/7/6/how-to-blow-up-a-timeline

帮我制作一个交互式网站，支持粘贴网址，解析网址内容，转化为音频，并有时间轴字幕。

上为一个网址内容，可以自己解析先测试下。

最开始我的需求是制作一个可以解析网页内容，生成音频并且有时间轴字幕的交互网页，结果我运行了五六次，每次都报 timeout ，我也没辙，这问题还是太难。

那么退而求其次，直接分析这篇文章，不生成网站：

https://www.eugenewei.com/imported-mt-blog 帮我读出这篇文章

音频很快生成，但我点开才发现，网页读取时先给文章做了总结，音频生成的是总结后的内容。但音色是挺好听，挺自然，中英文都不错，毕竟字节的 TTS 确实领先。

那么不要网页读取了，我直接上传了一个 markdown 文件，让它读出来，结果每次都是失败。又尝试几次，发现如果文本较短，那么音频合成使用无问题，过长就容易出错，一般  1000 字以上大概就凉了。

1. 数据处理任务完成较好；
2. 历史任务成果可以留存，比如生成网页，修改前和修改后的 jsx 文件都可以读取；这也是我吐槽 Flowith 不具备的功能；
3. 状态显示清晰，对话框交互不卡顿（中间过程额外有侧边窗口显示）

缺点：没啥亮点，没有特别惊喜的地方，中规中矩，差强人意。