AI 大比拼:通用型拼生态,自研型拼资产

12 款 Agent 实测 + 1 套自研渗透 skill —— 从 Claude、Zcode、豆包，到自研的渗透 Agent

先说结论：通用型 Agent 的能力来自模型本身的通识，自研型 Agent 的能力来自外挂的领域资产。

▲ 通用型（广谱通用 · 开箱即用）与自研型（垂直深耕 · 安全可控）的定位差异

一、先分清两类Agent

这几个月我把手上能装的 Agent 基本装了一遍——终端里的、桌面端的、IDE 里的，通用型和自研型加起来一共 12 款 Agent，另外还有 1 套我自己写的渗透 skill。这篇不聊参数、不跑分，只回答一个问题：每个 Agent 到底是干什么用的，什么时候该用哪个。

两类 Agent 的分界线其实很清楚：

· 通用型靠大模型的通识，什么都能聊，但垂直细节浅，容易“一本正经说错话”；

· 自研型靠外挂的领域资产（数据、规则、流程、skill），只在特定场景里深，但在这个场景里更准。

▲ 七个维度对比：模型底座 / 适用范围 / 开箱成本 / 数据安全 / 场景精度 / 迭代方式 / 典型代表

下面按这个顺序看：通用型 8 款 → 自研型 5 款 → 最后总结怎么选、怎么搭自己的工作流。

· 通用型：Claude（终端）、Claude 桌面汉化版、Zcode、DeepSeek Harness、WorkBuddy、TRAE Work、豆包桌面版、ChatGPT（Codex）

· 自研型：Reasonix、TRAE Solo、Miko、ARTEX，以及 Zcode + 自研 skill 的渗透用法

（Zcode 会出现两次：一次当通用型用，一次当渗透主力用——同一支 Agent，喂不同的资产，能力完全不同，这也是全文最想说明的一件事。）

二、通用型Agent

1. Claude（终端）

▲ Claude Code 在终端里跑：问“你是什么模型”，能直接答出模型 ID 和运行环境

简介：Anthropic 官方 Agent 的命令行形态（Claude Code），在终端 / PowerShell 里直接运行，界面就是一个命令行窗口。

作用：本机上读写文件、执行命令、改配置、写脚本一条龙。模型可以在 ~/.claude/settings.json 里指定（截图里用的是 Haiku 4.5，用 /model 也能切），还能开 bypass permissions 连轴干活。适合习惯命令行的开发 / 安全同学，做代码审计、批量改文件、环境配置最顺手。

2. Claude 桌面汉化版

▲ 图形界面版：顶部 Cowork / Code 双模式，模型可切第三方

简介：Claude 桌面端的汉化版，图形界面，顶部有 Cowork / Code 两个模式，左侧是会话与项目列表。

作用：给不习惯命令行的人一条路。右侧直接问“今天我能为你提供什么帮助吗”，模型下拉里可以选 deepseek-v4-flash 这类第三方模型。

▸ MCP 和 skill

▲ 设置 → 自定义里有“技能”和“连接器”两个入口，技能列表里已躺着一批安全向 skill

技能列表里装的有 code-security-audit、DNS收集、offensive-active-directory、fofa-api、java-audit-pipeline、ctf-ai-ml 等，作者显示都是“你”。这就是自研型 Agent 的思路：能力是喂出来的。

3. Zcode（智谱 Agent）

▲ Zcode 主界面：任务 / 项目 / 自动化 / 插件市场，底部可选模型与思考强度

简介：智谱的桌面 Agent，左侧栏是任务与项目，主界面是一个对话入口。

作用：它的配置深度基本代表了通用型 Agent 的上限——MCP、技能、模型这三件事都能自己改。

▸ MCP 服务器

▲ 已装 16 个 MCP：tscan、js-reverse-mcp、so-analyzer-mcp、AntiDebug_Breaker_mcp、burp、reqable…

MCP 就是 Agent 伸出去的手。本地工具链挂成 MCP 之后，它才真的能碰你的环境。

▸ 技能

▲ 技能 56 个、已安装 40 个

401-403-bypass-techniques、api-security、authbypass-authentication-flaws、chrome-devtools 这些安全向 skill 都在里面，而且跟其他 Agent 是同一批，可以跨 Agent 复用。

▸ 模型设置

▲ 可接自定义供应商，走 Anthropic Messages 协议

供应商里 BigModel、DeepSeek 以及第三方都能加，模型清单里 deepseek-v4-pro / v4-flash / v4-flash-vision 都能选。主界面还支持“完全访问”权限和思考强度分级——模型能换、工具能加、权限能放，这三件事决定了通用型 Agent 的上限。

4. DeepSeek Harness（DeepSeek 官方桌面 Agent）

▲ 工作区 + 对话：把工作区目录当项目根

简介：DeepSeek 官方出的桌面 Agent，界面就是“工作区 + 对话”。

作用：把工作区目录当项目根，读代码、写新功能、修 bug、重构、代码审计，还能自动加载工作区里的安全审计类 skill。

▲ 运营数据做得挺细：工具调用序列、时长 / 轮次 / 调用统计、token 用量与缓存命中率

定位：通用型里最“给工程师用”的一个——扔进一个具体项目目录里长期干活很合适。

5. WorkBuddy（腾讯 Agent）

▲ 导航是“新建任务 / 助理 / 专家 / 技能连接器 / 定时任务 / 资料库”

简介：腾讯的桌面 Agent。

作用：以“任务”为组织单位——所有干过的活都留在任务列表里（403 权限绕过实战复盘、对标系统进行渗透测试、评价 pentest-web 技能实战可用、开启全部 40 个 skill…），可以回头看，也可以接着跑。

▸ MCP

▲ 我的 MCP 17 个，每个都标了工具数量，还能直接跳 MCP Hub

▲ 编辑 MCP 服务：配置文件就是本地 mcp.json

▸ 技能

▲ 已安装 46 个（用户自定义 41 + 来自市场 5）

一句话：通用型里最适合“把活排成任务清单”的一个。

6. TRAE Work —— 办公 Agent

▲ Work with TRAE：七类办公入口 + 范例任务

简介：字节 TRAE 的办公形态。

作用：直接对着办公场景来——PPT、文档、数据分析、视频、图像、产品开发、内容创作七类入口，下面配的是范例任务：小说剧本创作、基金持仓与回撤分析、财务建模（DCF 估值）、实验数据分析。Auto Mode 一键跑，不用自己拼工作流。适合非技术岗，或者“我就想快点出个 PPT / 文档”的时候。

7. 豆包桌面版（工作模式）

▲ 切到“工作”模式就是一个 Agent 工作台

简介：豆包桌面端切成“工作”模式。

作用：新工作任务 / 新对话 / 定时任务 / 插件·技能·伙伴 / 云盘 / 手机遥控电脑 / API 服务。输入框下面一排开关很关键：本地电脑、项目、全部允许、技能、插件——决定了它能碰你本机的哪些东西。“为你推荐”里是四类高频活：PDF 整理、数据可视化、操作浏览器、云文档。

▸ 连接器（MCP）

▲ 连接器 15 个，而且很“安全向”

jadx-ai-mcp、antsword（数到）、DBX 数据库管理、AntiDebug_Breaker_mcp、so-analyzer-mcp、tscan、zcode-skills、js-reverse-mcp——从反编译到数据库到流量工具都齐了。

▸ 技能

▲ 技能市场 797 个

Web 安全类的 Ctf Pwn、Php Route Mapper、Ldap Audit、Java File Read / Upload Audit、Php Archive Extract Audit 等，在市场里都能直接找到。

一句话：通用型里插件和技能市场最“开架”的一个，装东西最方便。

8. ChatGPT（Codex）

简介：Codex 客户端本身是 OpenAI 的编码 Agent，国内访问要中转——这里用 DeepSeek 的 API 把它接起来，一共用到三个软件：CCX Desktop、CC Switch、ChatGPT（Codex）。

▲ CCX Desktop：本地网关，状态监控一眼看到端口、状态、版本

作用：CCX 做本地网关代理，CC Switch 做供应商切换，Codex 正常用——等于给一个国外 Agent 换了国产发动机。

▲ CC Switch：OpenAI Official（官方账号路由）+ DeepSeek（走本地网关 3688 / 官网直连）

▲ Codex 客户端：接上之后就是个正常的 Agent 对话界面

助手自我介绍是“安全测试与漏洞挖掘助手”，开局会跟你确认三件事：目标是什么、权限范围和测试范围、期望交付形式（清单 / PoC / curl 复现步骤）。

▸ 具体操作过程

▲ 三个软件安装到位：Codex 欢迎页 + CCX Desktop + CC Switch

等 Codex、CCX 和 CC Switch 这三款工具都安装完成后，我们按顺序一步步来配置操作。

① 申请 DeepSeek API Key：前往 DeepSeek 开放平台（platform.deepseek.com）申请并获取 API 密钥；使用前需完成账户充值，确保余额充足（充值 10 块钱可以用很久），最后得到一串 sk- 开头的字符串。

▲ 在 API keys 页新建一个 key

② 打开 CCX，会弹出这个内容：PROXY_ACCESS_KEY 是 AI Agent 通过 CCX 代理访问上游 API 的身份凭证，所有调用方必须持有此密钥。这个密码很重要，要记住，后续登录后台需要。

▲ CCX 初始配置：PROXY_ACCESS_KEY + 配置文件路径

③ 进入后台管理页面：如果需要验证，输入上面的密钥。

▲ 网关状态监控：端口、运行时长、活跃连接、版本一目了然

④ 如果操作太快忘了认证密钥，也没关系：环境参数里能显示、能复制。

▲ 环境参数：密钥可显示、可复制

⑤ 以下两种方式均可进入后台管理系统（进 Web UI，或者浏览器直达）。

▲ 网关状态监控 + 进入 Web UI / 浏览器直达

⑥ 选择 CodeX，添加渠道。

▲ 内置控制台 WEB UI：顶部切到 Codex

⑦ 输入刚才的 DeepSeek API 密钥，并在模型映射里把目标模型指到 deepseek-v4-pro / deepseek-v4-flash（“添加对就可以看到”）。

▲ 模型映射（Target model）+ API key management

⑧ 规范化聊天角色：把非标准 role 转成 developer，推荐用于国产模型；Normalize metadata.user_id、Reasoning parameter style 一并打开。

▲ 规范化聊天角色等开关，箭头指向已开启的项

⑨ 打开 CC Switch，切换到 OpenAI 图标，然后点击 + 号。

▲ CC Switch 顶部图标栏 + 号

⑩ 填写信息，保存：供应商名称 deepseek，API Key 填刚才 CCX 的密钥，API 请求地址 http://localhost:3688/v1（根据自己实际端口号）。

▲ 编辑供应商：密钥用 CCX 的，地址填本机端口

⑪ 如果对 API 地址不是很确定，可以在 CCX 日志中查看（搜一下 host）。

▲ CCX 后台日志里能看到管理界面和 API 地址

⑫ 记得启用：确保 CCX 服务正常、CC Switch 节点处于“使用中”。

▲ CC Switch 列表：deepseek 使用中

⑬ 重启 Codex（重启 Codex，重启 Codex，可能得多次），然后测试一下。最近潮汕电影《给阿嬷的情书》有点火，我们让 AI Agent 也来贡献一下热度——让它提炼豆瓣影评，结果是跑通的，还自动把结果落盘成了本地 txt。

▲ 测试：让 Codex 提炼《给阿嬷的情书》豆瓣影评，成功落盘

⑭ 最后看一眼后台日志：可以看 Codex 后台日志情况，回头也能去 DeepSeek 查 API 扣费情况。

▲ CCX 后台日志：请求、流式回包、模糊匹配检测都能看到

到这里，Codex 与 DeepSeek 联动成功。

三、自研型Agent

下面 5 款是“自研型”的典型：能力不来自模型通识，而来自外挂的领域资产、流程和 skill。

1. Reasonix —— 编码型 Agent（配置 MCP 可渗透）

▲ “一个编码智能体”：描述任务，或随便问点什么

简介：自称“一个编码智能体”，界面极简——中间一个输入框，四张提示卡，右边一块数据面板。

作用：启动页给的四张卡基本就是它的日常：看项目架构、总结最近的 git 改动、梳理主循环做了什么、找出并修复一个 bug。底部一排执行档位与权限开关（常规 / 均衡 / 询问·自动 / Yolo），右边选模型（deepseek-v4-flash）；右侧面板是上下文窗口（0/1000000，压缩阈值 80%）、会话指标、用量分析与 Token 构成。

定位：轻量编码 Agent，配置 MCP 之后就能当渗透用。

2. TRAE Solo —— 编码 Agent

▲ SOLO 模式：左中右三栏 = 任务 / 编辑器 / 资源管理器

简介：字节 TRAE 的 SOLO 模式，IDE 形态的编码 Agent。

作用：在 IDE 里直接对话干活。截图里它读懂了 .claude/known_marketplaces.json，回答“这是 Claude Code 的插件市场注册表文件…目前注册了 3 个”，还顺手输出了一张表（市场名 / 来源仓库 / 用途）。它自己写的定位是：“帮你编写代码、调试 Bug、优化性能等开发工作，交付生产级代码产物。”适合“我已经在 IDE 里了，顺手让它改”的场景。

3. Miko —— 渗透 Agent

从这里开始，是三个最强的自研渗透 Agent。

▲ 支持导入 skill：第一条活就是“帮我导入这个 skill”

简介：面向安全场景的 Agent，按“会话 / 项目 / 定时任务”的方式组织。

作用：它可以把你自己的 skill 目录直接导进去用（截图里就是导入 .skillshub\pentest-web），导完先自己去看目录结构——不是假装会用。

▲ 按方向建项目：Web 渗透、代码审计、资产收集、移动端、二进制、红队 / 情报、取证 / 应急、云 / 容器

任务状态分进行中 / 已暂停 / 已完成，把渗透测试当项目来管。

▲ 探索链路图：把一次测试的推理过程画成树

从“开始：发现目标的所有高危漏洞，覆盖所有可访问入口”往下，挂目标、后端 API 网关、端口扫描结果、授权状态、接口清单、前端 bundle 泄露资产群；右上角还有黑板（19 发现 · 10 蓝图 · 18 事实）。相当于把 AI 的判断过程留痕，方便复盘。

4. ARTEX —— 渗透 Agent（多 Agent 执行）

▲ 启动：PostgreSQL + 后端服务 + 流量录制代理

简介：一个“AI 自主渗透测试系统”，Go 写的本地服务，起一个 PostgreSQL + 后端，监听 8787，另外配一个流量录制代理（127.0.0.1:8788）。

作用：部署即用——首次访问 /setup 设置管理员密码，登录后进控制台建任务、挂目标、看发现。

▲ 控制台日志：LLM 用 anthropic / deepseek-v4-flash，自带 skill 目录、browser MCP，workers=3

日志里能看到它的执行面：LLM 配置、skill 目录、browser MCP、从数据库恢复历史任务、workers=3 并发执行。多 Agent 执行的意思就是任务能并起来跑，不是一条对话串行干到底。

▲ 登录页：127.0.0.1:8787/login

▲ 控制台：总览 / 任务 / 狩猎 / 目标 / 发现 / 工具市场 / LLM 类别 / 资产 / 工作空间 / 设置

5. Zcode（配合 MCP 和 Skill 可直接渗透）

▲ 还是那支 Zcode，但换个用法

简介：还是那支 Zcode，但换个用法——拿它当渗透工作流的底座。

作用：利用 Zcode + MCP + skill + 提示词，形成自己的一套工作流。主界面支持“完全访问”，思考强度可以拉到最高。

▸ 连接 MCP（举例）

▲ 无影 MCP：本机起服务，监听 127.0.0.1:8088，客户端 URL http://127.0.0.1:8088/mcp

传输模式选 Streamable HTTP；同一个面板里还能配大模型（DeepSeek、智谱、硅基流动…），也能导出 Skill 模板。

▲ 在 Zcode 里编辑 MCP 服务器：名称 tscan、类型 HTTP、URL 填 8088 的地址

一句话：Zcode 配置 tscan 的 MCP 即可——工具链即插即用。

▸ 自研 skill：Pentest-web（Web 渗透测试专项 skill）

▲ 一个 skill 就是一个目录：SKILL.md + CASES.md + scripts

一个 skill 就是一个目录，三样东西：SKILL.md（正文规则）、CASES.md（实战案例）、scripts（脚本）。

▲ SKILL.md：开头 frontmatter 写触发词、版本、更新时间，正文第一句就是核心思想

▲ 本质：一个把渗透测试执行决策写成规则库的 AI skill

本质：不是按清单机械跑，而是「先判断、再动手，新情报回头重测」。流程就三句话：开局自检工具 → 主体判目标类型定主线、抓攻击面 → 收尾证据落盘、出报告、清理、释放。三个贯穿全程的机制：信息反哺、止损、转出（遇到 JWT、SSRF 这类专项活，交给对应的兄弟 skill）。两条铁律：改密 / 删除类接口只证明无鉴权、绝不动手；数据确认泄露量级即停，不拉全量。 配套 CASES.md 存 24 个实战案例。

▲ CASES.md：案例模板 + “回灌检查”

这一节是全文最关键的：skill 就是你的领域资产。 通用型 Agent 谁都能装，真正拉开差距的是这个目录。作者的写法是——根据实战情况，每次复盘形成自己的 skill，不断训练和优化，最后形成自己的一个工作流。这只是 Web 层面的，还有小程序、APP 方面。

四、总结

▸ 怎么选

· 日常办公、写代码、查资料、做 PPT → 通用型，开箱即用，谁的界面顺手用谁

· 垂直场景（渗透、审计、专项分析）→ 自研型，或者“通用型 + 自己的 skill”

· 一句话：通用型拼的是模型和生态，自研型拼的是领域资产和工作流。

▸ 通用型 Agent 的三个可复用打法

· 模型可换：Claude Code、Codex 都能挂第三方模型（本文就是用 DeepSeek API + CCX / CC Switch 把 Codex 接通的），成本能压下来一大截

· MCP 是手：tscan、js-reverse-mcp、so-analyzer-mcp、AntiDebug_Breaker_mcp、burp……把常用工具挂成 MCP，Agent 才真的能干活

· skill 是经验：把复盘写成 skill（Zcode 技能 56 个、WorkBuddy 46 个、豆包市场 797 个），一次写好，跨 Agent 都能复用

▸ 自研型 Agent 的三个特点

· 多 Agent 执行：一个任务拆给多个 worker 并行跑（ARTEX）

· 任务化 / 项目管理：把测试当项目管，状态、进度、链路都留痕（Miko）

· 可视化战果：发现、蓝图、事实分层展示，复盘时不用翻聊天记录

▸ 落点

两类 Agent 不是替代关系，是“底座 + 上层”的关系：通用型给你一个足够聪明的底座，自研型（或你自己写的 skill）决定它在你这个领域能不能打。

真正的护城河不是哪个模型，而是你自己的 skill 库和迭代方式——每次复盘都往 SKILL.md 里回灌一条，半年后它就是你最值钱的资产。

如果你也在折腾 Agent，欢迎在评论区聊聊你在用哪个、怎么搭自己的工作流。下篇会聊小程序和 APP 方向的 skill 怎么沉淀。