一个对话里随时换掉干活的 AI,团队经验还能打包成插件复用:开源项目 SoduWork 十天上手实测

0 阅读1分钟

我电脑里装着的 AI 客户端,一只手数不过来。写代码用一个,查资料用一个,公司又推了一个。每个客户端各有一份配置目录,MCP 各配一遍,API Key 各存一份,额度各记一笔。上个月我想把手头一个任务从 A 工具挪到 B 工具,原因是 A 的额度见底了——结果我把同一段需求重新讲了一遍,讲到一半发现,前三轮讨论里定下来的两条规则,我自己都记不全了。

那次的终稿交上去,被领导打回来,理由是"上次说的那个口径怎么没算进去"。

这就是我现在用 AI 干活最烦的三件事:

1. 对话锁死在单个 AI 上。 换一个 AI,就要新开对话、重新上传文件、重新交代前情。交代漏了不报错,终稿照样写得像模像样,只是不按你定的来。

2. 好用的经验沉淀不下来。 我调了一下午的提示词、检查顺序、核对口径,全散在聊天记录里。同事做同一类活,从零开始,踩的还是同一个坑。

3. 敏感数据不敢上云。 合同、工单、员工信息,最值得交给 AI 的活偏偏都带着姓名证件号。全交给云端是合规事故,全放本地又得忍受小模型的判断力。

11 月初我在 GitHub 上刷到 SoduWork(仓库:https://github.com/mdiri-ai/SoduWork,MIT 协议),简介只有一句话:开源的企业级 AI 原生引擎,人和 AI 在同一个需求池里接活、交接、验收。它主打的几个点——多底座随时切换、把做事方法打包成有版本的插件、本地模型和云端模型拆开用——正好对着上面三件事。

吹得再神不如跑一遍。我把它从源码装起来,断断续续用了十天,围绕这三件事做了五组实验:四组亲手跑通,一组(本地小模型守门)因本机装不上 Ollama 改引官方实测。这篇文章是完整记录:怎么装、怎么配、五组实验的过程和数据、踩到的坑,以及它现在还做不到的事。

一、SoduWork 到底是个什么东西

先用我自己的话概括,不照搬官网。

SoduWork 是一个桌面客户端,里面装着三样东西:

  • 一群干活的 AI。 它内置了 9 个 Agent 底座(harness):pi、codex-harness、opencode、codex、qwen、dsh、kimi、claude、harness2。注意,底座不是模型——底座是执行任务的框架,负责工具调用、会话、权限;模型是底座背后调的大脑,比如 GLM-5.3-Flash、DeepSeek-V4.1-Flash。云端的、公司自己部署的、本地跑的模型都能接。

  • 一套打包经验的方式,叫插件。 把一件活的做法——步骤、关卡、完成标准、核对脚本、需要的 Skill 和 MCP 连接——打成一个可安装、有版本号的包。方法型插件让一个 Agent 照着步骤做;流程型插件把活拆成多个节点,每个节点可以单独指定底座和模型,审查不通过后面就不执行。

  • 一个需求池。 活不是聊完就散,而是变成一条条工作项:认领、开工、验收、退回返修、关闭,全有记录。标准由人定,结果由人验收。

一句话:对话和工作区跟着任务走,不跟着某个 AI 走;做事的方法做成插件,跟着团队走,不跟着某个人走。

这两点听起来朴素,但恰好是我那三件事的解药。后面用实验说话。

二、安装与配置:从源码到能干活

2.1 两条路:客户端直装,或者源码构建

路线 A:下载客户端(推荐给只想用的人)。 [官网](soduwork.ai)提供了六个平台的安装包,Windows、macOS(Intel/Apple Silicon)、Linux 都有。从下载页标注看,macOS arm64 的包是 274.3 MB,Windows 的包体积在同一量级。下载、安装、打开就能用。

路线 B:源码构建(推荐给想读代码的人)。 我走的是这条,因为我想看清楚一个会读写我工作目录的工具到底做了什么。前置条件:本机要有 Node 和 Python 3.12+——官方文档建议 Python 3.12,我机器上只有 3.14,Node 是 24,体检照样全过;没有的话 winget install Python.Python.3.12 最省事(装完重开终端让 PATH 生效)。

Windows 下完整步骤:

git clone https://github.com/mdiri-ai/SoduWork.git
cd SoduWork
node --version          # 确认 Node 环境
py -3.14 start.py --check --desktop   # 先体检,不启动
py -3.14 start.py --desktop           # 正式启动桌面端

这里我先踩了一个坑:直连 git clone 报 Recv failure: Connection was reset,典型的 GitHub 直连被重置。换镜像拉下来的,命令如下,57 MB、四千多个文件,几分钟完事:

git clone https://ghfast.top/https://github.com/mdiri-ai/SoduWork.git

镜像只影响这一次拉取,后面的启动命令不受影响。提醒一句:ghfast.top 属于第三方加速站,仅作网络加速用,代码请以官方仓库为准;介意供应链安全的,拉取后执行 git remote set-url origin https://github.com/mdiri-ai/SoduWork.git 把源改回官方地址即可。另外两个提醒:从文章里复制命令时别把代码块的反引号带进去(PowerShell 里反引号是转义符,URL 会被污染);如果你没有代理软件在运行,就不要给 git 设 http.proxy,否则所有请求都会被发到一个不存在的端口上。

首次启动还有三件事,文档里写得不显眼,我挨个踩了一遍:

1. 先设管理员密码。启动器会在终端里让你给本地账号 admin 设密码,12–128 位,输入时屏幕什么都不显示(连星号都没有),不是卡死,凭手感输完回车,再确认一次。这个密码记好,桌面端和浏览器管理端都靠它登录,忘了只能清数据目录重来。

2. Electron 默认从 GitHub 下载,必挂。报 Electron download failed 后,设镜像再重跑:$env:ELECTRON_MIRROR="npmmirror.com/mirrors/ele…

3. PortableGit 也是 GitHub 下载,也会挂。这一步是给 Agent 准备 Bash/Git 运行环境,报 ECONNRESET 后,用镜像站手动下载 PortableGit-2.55.0.4-64-bit.7z.exe(必须是这个版本,启动器要校验 SHA-256),然后 $env:SODUWORK_PORTABLE_GIT_ARCHIVE="文件完整路径" 指给它,重跑启动器。

这三步都过了,终端才会出现 SoduWork is ready: http://127.0.0.1:18989 和「启动成功」,浏览器管理页和桌面客户端一起弹出来。全程没用 Docker、没配数据库、没装 WSL,环境都是它自己管的,这点做得干净。

首次启动与注册。 装完打开,用邮箱注册账号,我用 QQ 邮箱一分钟搞定。

2.2 配模型:源码版没有赠送额度,自己接一家

先纠正一个官方客户端才有的印象:客户端注册送 100,000 tokens 额度、默认 glm-5.3-flash 走官方代理,开箱就能聊。源码本地实例没有这个待遇,管理端「额度管理」里躺着一张 100,000 tokens 的试用套餐,但没有模型服务它就是数字——想干活,得自己接一家模型商。

我接的是智谱 GLM,理由很朴素:新用户送 glm-5.3-flash 的 1500 万 tokens 免费额度,而文章后面几个实验的官方测试条件用的就是 GLM-5.3-Flash,对齐了。

配置入口有两条,别混:

  • 桌面端「我的模型」:个人凭据,加密存在本机,只有自己本机对话能用;

  • 浏览器管理端(****http://127.0.0.1:18989****)→「能力配置 → 模型目录」→「接一个服务」:Hub 托管,团队协作、云端执行、定时任务都认这条。建议直接走这条。

以智谱为例的填法:协议选「OpenAI 兼容」,接口地址 https://open.bigmodel.cn/api/paas/v4(注意是 /v4 不是 /v1),填 API Key,保存后在服务卡片上「加模型」,模型 ID 填 glm-5.3-flash、类型选「对话模型」。

这里有两个坑要交代:

1. 智谱的 Key 是两段式。控制台上 Key ID 和密钥分两列显示,完整 Key 是 ID.密钥 拼起来的(中间一个英文句点)。我只复制了 Key ID 那一列,验证怎么都过不去,直到把 PowerShell 当裁判——直接 Invoke-RestMethod 调 chat/completions,返回正常,才确认是 Key 没复制全。

2. 管理端「保存并测试连接」这个按钮,显示「验证未通过」不代表真不通。 我的 Key 用 PowerShell 验证明明是好的,按钮依然报未通过(它优先去读模型列表接口,智谱不一定吃这套)。最后的判断标准是实战:对话里能收到真实回复,就是通了。

3. 思考模式和智谱端点相克。模型选择器里「思考模式」默认开着,SoduWork 会往请求里带上思考参数,智谱的兼容端点不认,直接报 HTTP 400。关掉思考模式,一切正常。这个 400 排查了我好一阵——报错文案只说「暂时无法处理的错误」,没说是哪个字段惹的祸。

4. 个人额度和组织额度的优先级要想清楚。我先在桌面端「我的模型」里配了一遍个人 Key(那个是坏的),后来管理端配好了组织 Key,对话还是 401——因为个人额度优先。把个人额度停掉,才走通。界面上的凭据来源标得很清楚(「自己的额度」/「使用公司统一额度」),排障时先看它。

2.3 Runner 环境:全文最大的一个坑

模型通了还不算完,Agent 管理页面给我泼了盆冷水:「本机底座暂不可用——开发环境缺少 Runner Python:请创建 hub-backend/.venv,并安装 requirements-runner.txt 中的依赖」。

照做,在源码仓的hub-backend 下建 venv、装依赖、重探测——没用,还是这行字。翻源码才看明白:桌面端跑的不是源码仓,而是启动器复制到数据目录里的应用副本(%LOCALAPPDATA%\SoduWork\source-service\application\),它要找的是副本旁边的hub-backend/.venv。而文档另一头又写着「不要修改数据目录里的应用副本」——两头一夹,不读源码根本不知道该往哪建。

正确的做法(Windows):

py -3.14 -m venv "$env:LOCALAPPDATA\SoduWork\source-service\application\hub-backend\.venv"
& "$env:LOCALAPPDATA\SoduWork\source-service\application\hub-backend\.venv\Scripts\python.exe" -m pip install -r "$env:LOCALAPPDATA\SoduWork\source-service\application\hub-backend\requirements-runner.txt" -i https://pypi.tuna.tsinghua.edu.cn/simple

装完重启启动器,「重新探测」,9 个底座的列表就出来了:Pi、Google Harness²、Claude Code、Codex、Codex Harness、DeepSeek Harness、Kimi Code、OpenCode、Qwen Code。

2.4 看一眼 Agent 管理和 MCP

点开底部状态栏的底座名,能看到 Agent 管理界面,9 个内置底座排成一列:Pi、Google Harness²、Claude Code、Codex、Codex Harness、DeepSeek Harness、Kimi Code、OpenCode、Qwen Code。没装好的底座在这里点「装上」再点「测试」,通过当天就能用。

MCP 的统一管理是落在一个实体文件上的,不是界面上的一个开关。官方客户端下,macOS 在 ~/Library/Application Support/SoduWork CN/pi-agent/mcp/servers.json,Windows 在 %APPDATA%\SoduWork CN\pi-agent\mcp\servers.json;源码实例对应文件在数据目录的应用副本内(%LOCALAPPDATA%\SoduWork\source-service\ 下按同名路径找)。所有底座读的是同一份配置——配一次,9 个 Agent 共用。里面默认注册了一个 soduwork server,功能是「建任务、派活、查任务」。换句话说,派活这件事本身走 MCP 协议,理论上任何支持 MCP 的客户端都能接它的任务系统。

三、实验一:对话做到一半换 AI,前面定的规矩它还记吗

3.1 实验设计:四轮定规矩,最后一轮换人

我设计了一个「最容易丢上下文」的场景:一份分四轮推进的考勤复核。不用准备任何材料,第 1 轮让 AI 自己生成模拟数据,中间两轮各定一条容易丢的规矩,第 4 轮在同一个对话里把底座从 Pi 切到 Qwen Code(模型不变,都是 glm-5.3-flash),只说一句「按之前定的口径出终稿」,看它还记不记得。

轮次

做了什么

埋的雷

第 1 轮(Pi)

生成 attendance.csv:30 名员工、23 个工作日、690 条打卡记录

—

第 2 轮(Pi)

定口径:请假不计入缺勤;迟到 30 分钟以上按半天折算;只统计工作日。存成 adjusted.csv

模型很容易把请假一起算进去

第 3 轮(Pi)

再加两条:连续缺勤 3 天以上的单独列「需人工复核」,不直接进警告名单;王芳(工号 E007)特批弹性办公,记录全部不计

两条都是「反直觉」规则,最省事的做法是当它们不存在

第 4 轮(Qwen Code)

只说「按之前定的口径出最终名单和说明文档」,不再重复任何一条

换底座后,前面三条还在不在

3.2 过程:第 3 轮它先拦了我一次

前两轮顺利:Pi 生成数据时主动交代了口径假设(23 个工作日怎么凑的、UTF-8 带 BOM 不乱码),第 2 轮算完还把「迟到折算本月触发几次」单独说明。

第 3 轮出了个插曲,也是这次实验最有意思的地方:它先报了一个矛盾再干活——「数据里工号 E007 是孙鹏(技术部),全表没有叫王芳的员工。我按『工号 007』口径剔除了 E007;他本月调整后缺勤为 0,剔不剔除都不影响名单。但如果特批对象其实是别人,告诉我,名单重出。」

这就是「人定标准」的现实形态:规则和数据对不上时,它没有悄悄选一个,而是把矛盾摆回来让人拍板。

3.3 结果:换底座,四条规矩全在

第 4 轮切到 Qwen Code,6 分 51 秒交稿(Pi 前几轮是 2–4 分钟,换底座没有更快,但也没慢多少)。逐条核对终稿 final_report.md:

验证点

结果

请假不计入缺勤

✅ 请假 23 人次未计入

迟到 30 分钟以上折算

✅ 15 次触发,折 7.5 天,与中间结论一致

连续缺勤 ≥3 天单列「需人工复核」

✅ 单列,为空(全员最长连续缺勤 1 天)

E007 按工号剔除 + 矛盾写入待确认

✅ 警告名单 8 人与第 3 轮中间结论一致

4 / 4,一条没丢。 还有一个超出指令要求的行为:Qwen Code 交稿前自己从 attendance.csv 原始数据独立重算了全部指标,和 adjusted.csv、报告明细逐项比对一致后才交付——没人让它这么做。

这个结论和官方在更重题目上的实测一致:一份分五轮的董事会材料(改编自 JobBench 管理分析师任务,MIT 许可,9,215 条订单、19 个工厂),前 4 轮定下评分权重、零业务量工厂处理、两方观点呈现、客户流失判定四件事,第 5 轮在同一对话里分别切到 Qwen Code、OpenCode、Codex Harness,三个底座全部 4/4 保留,终稿质量与不换底座的基线同一水平。

3.4 换底座前需要知道的几件事

  • 换底座的好处不是做得更好,而是不用写「前情提要」。 官方的 JobBench 对照里专门测过:新开对话、自己写一段 336 字总结贴进去,也能 4/4 保留。但那段总结是看着答案写的;真实工作里,晚上十点多赶材料的人未必记得清前面几轮定了什么。换底座把「记住前面定了什么」从人身上拿走了。

  • 权限会跟着底座变。 切到 Qwen Code 后,权限模式自动跳成了「完全访问」——不同底座的默认权限不同,切换时看一眼底部状态栏。

  • 不是所有底座在你机器上都能跑。 我试 Google Harness²,跑了 15 分钟报「模型输出被截断」——它的初始执行计划太长,glm-5.3-flash 的输出上限接不住,换个输出上限高的模型才行。OpenCode 则是安装就失败:安装包走 GitHub 下载,我的网络直接 10054,要设 SODUWORK_OPENCODE_RELEASE_BASE 镜像变量才有救。

  • 换底座不会修正模型自己的错。 官方测试里各组终稿都有同一类计算错(净成本公式算重、符号反了),换不换底座都有。数字最终还是要人核。

四、实验二:让 AI 自己搭工作流,14 分钟把实验一的做法打包成插件

实验一验证了「对话跟着任务走」,实验二验证另一个我更关心的点:经验能不能被可靠地交接。

4.1 为什么要 AI 搭插件,而不是人写流程

很多团队说自己 AI 原生了,可工作流还是人一个节点一个节点搭的:写代码,或者在画布上拖节点、配参数、调提示词,业务规则一变又得排期。也有团队干脆不搭,任务直接丢给 AI 自由发挥——碰上有成文制度、错一条就出事的活,它可能写得头头是道,结论却是错的。

SoduWork 的思路是把分工换一下:人定标准,AI 搭流程,AI 按流程执行,人验收结果。

我不拿官方考题,直接用实验一刚攒下的做法开刀。在实验一的对话里(执行者是 Qwen Code),我发了一段话:把这套考勤复核做法做成方法型插件,输入是放考勤 CSV 的文件夹,按已定口径执行(请假不计入、迟到 30 分钟以上折算、只统计工作日、连续缺勤 3 天单列需人工复核、特批名单剔除),产出 adjusted.csv 和 final_report.md,写明完成标准和审查点,自测通过后交给我安装。

4.2 14 分钟搭完,连人工发现的坑都被固化了

  • 构成:SKILL.md(方法文档:输入要求、五条定案口径、执行步骤、完成标准 7 条、审查点 7 项)+ attendance_review.py(确定性计算脚本,精确计算不交给模型心算)+ 入口命令 + README;

  • 自测:用 10 月数据跑出来的 adjusted.csv 与已交付版本 30 行逐行逐列一致,final_report.md 数字全部对上;

  • 最让我意外的一条:实验一里人工发现的「王芳(E007)≠ 数据中孙鹏」的矛盾,被脚本固化成了必检项,写进待确认清单——当时靠人眼抓到的坑,以后每次执行自动查;

  • 自测过程还修掉了它自己的一处列序 bug,修正后复测全绿。

4.3三组对照:有插件、没插件、以及一个实验陷阱

准备 11 月新数据(30 人 × 21 个工作日,状态分布比 10 月差),然后跑三组:

组别

条件

结果

对话 B:一句话 + 插件

输入 / 拉起插件

警告名单 13 人、合计 36.5 天、复核名单为空、特批剔除,与定案口径逐行一致;完成标准 7 条逐条满足,交付文件重跑字节级一致

对话 A:无插件

新对话一句话

也得出了同样的 13 人名单——但它作弊了

对话 C:清空个人记忆后无插件

新对话一句话

还是全对——它又换了个活法

对话 A 的回复自己招了:「口径与 10 月一致:请假不计缺勤、迟到 ≥30 分钟按 0.5 天折算……」——SoduWork 的个人记忆把实验一的口径跨对话带了过来。打开「个人记忆」页(personal.md,12.6 KB),里面完整存着 11 月复核的全部结果,来源标注「已完成会话的工作摘要」。官方测试条件里「每次新工作区并清空个人记忆」,防的就是这个。

对话 C 更绝:记忆清了,它顺着我给的数据路径摸到了旧工作区里的 10 月定案和插件产物,独立重算 + 交叉核对后照抄口径——「翻旧账自救」。同一套数据,三次全对,三条完全不同的路径。

4.4 结论:插件是经验唯一可靠的载体

这个实验没有得出「插件赢、裸跑输」的简单结论,反而更有意思:

  • 有插件时,交接是确定性的:完成标准逐条卡、产出字节级可复现,谁来跑、什么时候跑都一样;

  • 没有插件时,结果全看运气:AI 可能从个人记忆里调出偏好(对话 A),也可能从文件系统翻出旧成果(对话 C)——这两条路径都依赖「过去恰好留下了痕迹」,换一个干净的账号、干净的机器,就只剩裸模型的自由发挥。

官方在更重的题目上量化了这个差距:JobBench 采购比价任务(强制项分散、最便宜的供应商强制项不合格),五种做法对比——AI 搭的方法型插件一句话推荐正确答案(Meridian 并说明须上报),约 900 字的完整提示词跑两次都推荐了强制项不合格的 Atlas。差别就在插件把「强制项不通过不能直接推荐」做成了关卡,而提示词只能靠模型自己想起来。

五、实验三:敏感数据不出本地,小模型守门 + 大模型动脑(官方实测引述)

第三件事是数据安全。先说明白:这组实验需要本地跑一个 27B 模型,我的机器装不上 Ollama(下载也走被重置的线路),没有亲手复现。以下过程和数据引自官方公开实测(2026-11-03/04),我做转述和点评,跑通的标志和坑以官方记录为准。

5.1 拆法:不给整件工作选一个模型,给每一步选位置

题目改编自 JobBench 医疗秘书任务(MIT 许可,18 条转诊、17 位病人,数据全部虚构,译成中文):骨科诊所的医疗秘书要审核新转诊——提取病人信息、核对 ICD-10 诊断编码、找重复病人和共用保险号、判断跟进紧急程度、写两封信。

难点:编码核对需要强医学判断,适合云端强模型;可登记表每一行都写着病人姓名、生日、电话、邮箱、保险号,一条都不能出门。

拆法是把流程做成一个流程型插件——我把官方这个插件包(referral-audit-split,v1.0.2)导入了自己本地的 Hub,详情页显示为六个步骤,前五个是执行节点,最后一步是完成:

1. 本地提取与脱敏(脚本 + Qwen3.6-27B):提取病例,把每位病人换成 P01、P02 假名;按「姓名+生日」找重复,找不同人共用的保险号;

2. 泄漏门禁(本地脚本):从身份对照表取出全部 252 个身份值,逐个在待发文件里搜,搜到一个就判「拦截」,流程停止——放不放行由脚本比对,不交给模型「判断」;

3. 云端诊断分析(DeepSeek-V4.1-Flash):只拿到脱敏文件,从章节、含义、侧别三方面核对编码,分三级定优先级,写函件模板;

4. 本地还原与组装(脚本 + Qwen3.6-27B):换回真实身份,生成审核表、两封信、跟进计划;

5. 人工验收:人看过交付物,点通过才算完成。

本地用的是 Qwen3.6-27B,一个 270 亿参数的普通稠密模型——它不需要会看病,只需要把身份认准、换对、换回来。

5.2 怎么证明没漏

在本机和云端之间加日志代理,记下每一次请求的全文,再搜登记表上全部 146 个病人标识,同时跑对照组:

做法

本地

云端

带病人信息的请求

内容分(满分 60)

用时

全部交给云端

—

DeepSeek-V4.1-Flash

64 / 64

33.7

10 分钟

全部在本地(大模型)

GLM-5.3-Flash

—

不发送

38.6

19 分钟

全部在本地(27B)

Qwen3.6-27B

—

不发送

27.5

10–13 分钟

本地大模型 + 云端

GLM-5.3-Flash

DeepSeek-V4.1-Flash

0 / 36

42.9

—

本地 27B + 云端

Qwen3.6-27B

DeepSeek-V4.1-Flash

0 / 32

43.0

7–8 分钟

内容分 = 结论是否正确(30)+ 原题细则覆盖(30)− 事实错误(最多扣 15),由 AI 对照细则盲评。27B 的两种做法各跑两次取平均;每种做法只跑 1–2 次,5 分以内的差别不必当真。

拆开之后:32 次云端请求,一次都没带病人信息;内容分和「本地大模型+云端」持平,比只用 27B 高 15.5 分;用时 7–8 分钟,是几种做法里最快的;本地还不需要部署大模型。

官方记录里还有一个细节值得注意:题里埋了个深坑——三条转诊用同一个保险号,两条是同一人,第三个才是真异常。三次拆分运行全部找到;不拆分的四次(包括全云端和本地大模型)一次都没找到。因为这项比对在第一步由脚本完成,和模型大小无关。

必须交代清楚两点:假名化不等于匿名化,云端收到的仍是和病人相关的文字,服务商的数据条款照样适用;门禁只能查对照表里有的身份值。这套拆法可以照搬到合同审核、客服工单、人事财务单据:身份、金额、账号留本地,条款风险、归类总结交云端——流程结构一样,但这几类我没有逐一实测,不替它打包票。

六、实验四:新人一句话+插件,追平老员工千字说明

最后一组实验回答一个问题:插件沉淀下来的经验,到底能不能缩短新老员工之间的差距。官方在仓库案例里给过量化答案——SkillsBench 财务建模公开题(Apache-2.0 许可)的三个任务(公司估值、资本结构分析、敏感性分析),「一句话」指只说目标、不说任何方法:无插件平均 56.3 分,有插件平均 74.6 分。74.6 就是「插件即经验」的量化证据。

我自己的实验二恰好构成了这个实验的实测版——考题不同,结构一模一样:

  • 老员工组:对话 B,一句话拉起 attendance-review 插件跑 11 月数据。结果:13 人警告名单、合计 36.5 天、复核名单为空、特批剔除,与定案逐行一致,交付文件重跑字节级相同。满分。

  • 新人组:对话 C,清空个人记忆后的新对话,同样一句话。结果:它也交出了全对名单——但靠的是顺着我给的路径摸到旧工作区里的 10 月定案和插件产物,「翻旧账自救」。没有记忆、没有插件的新人,唯一的活路是文件系统里恰好有前辈留下的成品。

这个实测结果比 56.3 vs 74.6 更有嚼头:有插件时,新人什么都不用知道;没插件时,新人能活下来全靠公司文件管理得好。经验不在插件里,就在某个旧文件夹里吃灰,或者干脆不存在。

七、顺带验证:换底座,插件经验不清零

既然插件描述的是「这件活怎么做」而不是「在哪个工具里做」,理论上换底座不用改插件。这次我直接用自己的插件验了,两组都过

插件换底座,结果逐字节一致。 attendance-review 是在 Qwen Code 里搭的。我切回 Pi,让它用同一个插件把 10 月数据重跑一遍(2 分 42 秒):adjusted.csv 与 Qwen Code 版逐行逐列一致(31 行 × 9 列),警告名单 8 人、合计 17.5 天、复核名单为空、特批剔除,全部一致;连「王芳(E007)≠ 数据中孙鹏」那条待确认标记都原样带了过来。搭插件的是 Qwen Code,用插件的是 Pi,交接零成本。

改规则 = 新版本,旧账不动。 我又让插件助手把迟到折算线从 30 分钟改成 25 分钟,出了 v1.1.0(4 分 18 秒):版本号 1.0.0 → 1.1.0,用 --late-minutes 30 回归重跑 10 月,产出与 v1.0 逐字节一致,老口径完整保留;之前按 30 分钟线交付的两份报告原样不动。新口径下 10 月警告仍为 8 人(合计 17.5 → 18.0 天)、11 月仍为 13 人(3 人数值上调,合计 36.5 → 38.0 天)——成员不变、数值微调,完全符合预期。

官方还做过一组更大的:同一份订单三方核对说明(改编自 JobBench 数据录入员任务),同一模型交给 Pi、Qwen Code、OpenCode、Codex Harness 各跑两次,8 次里 7 次合格。我手里底座不够(见 3.4),这组引用官方结果。

再加上实验一「做到一半换底座」,我的结论是:在 SoduWork 里,选哪个 AI 是一个随时可以重新做的决定,而不是一次定终身。新底座发布那天,装上、拿自己的插件跑一遍回归,好用就切——攒下的经验一样不丢。

八、不足与吐槽

十天用下来,不满意的地方攒了一小本:

1. 源码安装对国内网络不友好。 Electron、PortableGit、OpenCode 安装包都默认从 GitHub 下载,直连被重置就一路卡死。官方其实留了后门(ELECTRON_MIRROR、SODUWORK_PORTABLE_GIT_ARCHIVE、SODUWORK_OPENCODE_RELEASE_BASE 三个变量,镜像只能换地址、SHA-256 摘要写死,安全设计到位),但文档里藏得太深,我是翻源码才找齐的。

2. Runner 环境指引自相矛盾。 Agent 管理提示「请创建 hub-backend/.venv」,建在源码仓没用——它要的是数据目录应用副本旁边的 venv;而文档另一头又写着「不要修改数据目录里的应用副本」。两头一夹,不读源码根本不知道该往哪建(正确路径见 2.3)。

3. 桌面端与管理端配置会撞车,且没有前置提示。 先在桌面端「我的模型」建了服务,再去管理端「模型目录」配置同名服务,保存直接报「模型配置已在其他窗口更新」。乐观锁本身是对的,但「两端配置会互相影响」这件事没有任何提前说明。

4. 连接测试会误报。 管理端「保存并测试连接」显示「验证未通过」,同一个 Key 用 PowerShell 直接调却完全正常(它优先读模型列表接口,智谱不吃这套)。测试按钮的结论和真实可用性脱节,容易把人带沟里去。

5. 个人额度优先于组织额度,排障时要先想到它。 管理端组织 Key 配好后对话仍 401,因为桌面端还残留着旧的个人凭据。界面上凭据来源标得清楚(「自己的额度」/「使用公司统一额度」),但优先级规则没人提前告诉你。

6. Harness² 的报错与日志对不上。 首轮执行 15 分钟报「模型输出被截断」,Runner 日志里实际刷的是 DELIVERY_INVALID——两个信息指向不同方向,排查成本翻倍。

7. 个人记忆会悄悄影响实验结论,且没有提示。 无插件对照组能「答对」,靠的是个人记忆跨对话带过来的口径——如果不是对照实验,用户根本察觉不到它在起作用。建议至少在记忆被引用时给个标记。

8. 底座之间能力不齐。 不同底座默认权限不同(切 Qwen Code 自动变完全访问)、Codex Harness 在默认权限下执行不了命令,这些差异在界面上没有显眼提示,是撞了墙才搞明白的。

9. 模型自己的错,平台管不了。 官方测试里各组终稿都有同一类计算错(净成本公式算重、符号反了)。插件的关卡和脚本能拦住流程性错误,拦不住模型算错数——验收这一步的人是省不掉的。

九、总结:它适合谁

十天、五组实验做下来(四组亲测、一组引述),我的判断是:

SoduWork 不是在回答「AI 能不能干活」,而是在回答「AI 干的活怎么交接、怎么验收、怎么沉淀」。 三件让我下决心留用它的事:对话跟着任务走,换 AI 不用重写前情提要(实验一,4/4 亲测);经验打包成插件后交接是确定性的,产出字节级可复现(实验二、五亲测);敏感字段留在本地、由脚本而不是模型守门的拆法(实验三,官方实测 0/32 泄漏,我没复现环境,但拆法本身值得留用)。

如果你是这几种人,值得装上试试:

  • 团队里同一类活有五个人在做、每个人从头摸索一遍的——把做法做成插件,审核后发布;

  • 敏感行业(医疗、法务、财务、人事)想用云端强模型又怕数据出门的——按节点拆,本地守门;

  • 手头一堆 AI 客户端、配置和额度各管一摊的——一份 MCP 配置九个底座共用,换底座不清空经验。

如果你只是想要一个更聪明的聊天框,它给不了你想要的——它甚至有点「重」:配模型、装插件、走需求池,都是给「正经交付」准备的。

最后按惯例:项目地址 https://github.com/mdiri-ai/SoduWork(MIT 协议,可直接商用),觉得有意思的去点颗 Star;官网提供六个平台的安装包,不想折腾源码的直接下客户端。文中四组实测实验的完整指令、数据准备方法和核对方法,我都写在了操作步骤里,照做即可复现;跑出不一样结果的,欢迎来评论区对线——评测这东西,本来就是复现出来才算数。