实测7套 Code Agent组合：最终效果，真不只取决于模型

前几天，我刚分享过一个观点：个人想真正驾驭智能体，关键不只是模型，还要给它搭好一套干活的环境，也就是Harness。

理论讲了一堆，但是一直缺少个实践案例的说明。

这次正好一起测试下。

这次不看代码，只看像不像

先看一下本次需要复刻的原始设计图。

这是本次测试使用的原始设计图，所有组合面对的是同一个任务。

这是一张完整的平台门户设计图，包含顶部导航、Banner、数字化服务入口、资讯区域，也有不少图标、背景和装饰素材。

这次测试，我们不去比较谁的代码更优雅、用了什么框架、消耗了多少Token。

标准就一个：

最终做出来的页面，到底像不像原图。

大部分测试场景都采用统一的指令，如下：

<原设计图>把图片里的网页按1:1完整复刻出来，直接使用html+css实现，不必受任何框架限制，尽量把设计能力放开，确保最终效果与原图一致。图片能截取就尽量截取；如果确实不方便，直接使用占位图片Lorem Picsum。

连续试了三次K3，效果都不太行

最近K3确实很火，所以第一时间就拿它来试了试。

第一组用的是Cursor + K3，本组是唯一没有采用统一提示词的场景，只使用了：实现如图前端页面。

页面确实生成出来了，但和原设计图可以说是毫不相关。

一开始，我觉得可能是Cursor和K3的配合问题。

于是又换成TRAE + K3跑了一遍，比第一组好点，但不多。

为了确认，我又试了OpenCode + K3，感觉好像又好了点，但依然一般。

连续三套工具跑下来，我心里已经开始犯嘀咕了：

K3不会也是那种榜单成绩挺漂亮，真正落到前端任务里却差点意思的“打榜选手”吧？

但我们之前实现 mac 系统复刻还可以呀。

于是，我准备换一个前端表现一直不错的模型做参照。

换成Gemini，又验证2次

我选择了Gemini。

这个选择不是随机的。根据我之前的使用感受，Gemini一直算是前端视觉效果比较好的模型，做网页和界面时，通常不会太难看。

这次正好拿它做一下对照。

我先后测试了2组：

• TRAE + Gemini 3 Flash

• TRAE + Gemini 3.1 Pro

效果只能说差不多。

这样看起来，K3好像没有什么太大问题。

那总不能这些模型都只能搞点小case？

换到Kimi官网，K3突然又行了

接下来，我又尝试把同一个任务放到了Kimi官网。

这结果真让我有点吃惊了。

前面同样是K3，放在Cursor、TRAE和OpenCode里，结果都不理想。回到Kimi自己的产品里，页面效果却明显上了一个台阶。

后来我又测试了ChatGPT，效果也挺棒。

这里我不准备给Kimi和ChatGPT硬排第一、第二，因为我们团队都没达成一致。

但是，看到这里，前面那个“K3是不是只会打榜”的担心，基本可以先放下了。

好的两个Case，过程有些不一样

我又回头看了一遍Kimi和GPT的执行过程。

两个效果最好的Case，都做了两件很具体的事。

第一件是切割设计图。

它们没有一直对着一张完整长图直接写代码，而是先把页面切分成不同区域，再分别分析和实现。

第二件是自动提取素材。

设计图里的图标、背景图和装饰元素，它们没有全部用代码重画，也没有找一个差不多的素材替代，而是从原始设计图里切出来，再放回页面。

自己的模型，可能还是得配自家的Harness

这次还有一个挺有意思的小感悟：

自己的模型，可能还是得配自家的Harness。

同样是K3，在几款第三方AI编程工具里的效果都不理想，回到Kimi官网以后，能力才真正发挥出来。

模型厂商可能更清楚自家模型需要怎样组织上下文，适合调用什么工具，又应该按照什么方式推进任务。

结语

不算非常严谨的一次测试，但已经很能说明Harness的重要性了。

不过，复杂门户页面1比1复刻的这个场景好像还有得研究，后续有所得之后再和大家分享~