开发者实测 Factory Droid 编程智能体，评估是否值得纳入工具链

为了找到最优配置、用上最顶级的编程 agent，我一直在不同工具之间来回切换，希望它们能彼此通信、互相欣赏、齐心合力为我手头那点事儿添砖加瓦——在这次探索中，我试用了 Factory Droid。我该把它请上我的这艘 agent 与工具的小方舟，还是任它被劣质软件的洪流冲走、从此销声匿迹？也许更重要的是：你该不该用它？

在正式开始之前，先说几句关于我自己的情况，好让你了解我的背景，以及我会拿 Droid 跟什么做对比。

我做软件开发快 20 年了。大约 8 年前我开始做自由职业，此后主要做移动应用，期间也接触过一些 Web 前端和后端。你可以看到我是从 2025 年 7 月、用 Sonnet 4 开始 agentic coding 的，就是这里：

我从“隔很久才攒够动力、时间和脑力去做自己的副业项目”，一下子变成了能真正推进项目的人。当时我在做的那个项目？我发誓，随时都能完工！

为了做同口径对比，我选了 Factory Droid 的 200 美元套餐，然后我们就开跑了。看看它能做些什么。

Factory Droid 没有自己的模型。你要从各家 AI 实验室的模型里挑，选择多得像自助餐，从前沿的 Opus、Astra，一直到 DeepSeek Flash 和 Mistral 都有。

我这个测试是一个月前做的，所以现在看这些模型有点过时了，但在当时它们都是能拿到的最新款，而且模型发布和它出现在 Droid 里之间没有延迟。

如你所见，所有模型都会根据自己的价格获得 token 倍率，时不时还有一些在做优惠。我开始用的时候，Sol 5.6 打八折，倍率 1.6x；而我已经在 Codex 和 Pi 里用过同一个 Sol，所以我想，保持模型不变，会是我第一周试用 Droid 的好测试案例。

我想说，每周窗口给我的 Sol 用量大约是我从 ChatGPT Pro 20x 拿到的 50%。我派了一个 agent 去统计日志里的 token 数，它报告说我的直觉大致没错。它还声称每月窗口更少，大约 25%。这些数字你别全信：我没有深入验证。

我确信你拿到的用量更少，而这本来就是第三方订阅相比直接从实验室购买时的预期，所以并不算太意外。不过看起来确实少了很多，这就让你不禁要问：Droid 有没有提供什么来弥补这一点？

聊胜于无的是，你确实还能拿到第二档用量。

这是完全独立的预算。你当然能从里面挤出一些用量，但你得记得它在那儿，并且在处理不太复杂的任务时记得把它打开，或者找别的方式把它整合进你的工作流。

默认情况下，当正常用量用完后，Droid 还会回退到某个 Core 模型。大多数时候这显然不是你想要的。比如你为复杂工作选了 Opus，你肯定不希望它在任务中途切换到某个低档模型。如果回退能按会话启用，那会更有用。你可以在那些本来就使用低档或中档模型的任务上设置回退，但它是全局设置。好在你可以完全禁用它，这样用量耗尽时它就停下来。

Droid 的 5 小时限额很残酷。我用 Claude Code 已经一年多了，现在如果全力使用，我很容易碰到每周限额，但我从来没碰到过 5 小时窗口。用 Droid 时我经常碰到。

如果你留意还剩多少，每周限额还算能应付。但当 5 小时窗口用完了，而你那天又需要完成某件事时，你就只能干坐着。嗯，我没干坐着。我切换到了 Claude 或 Codex，但如果我完全依赖 Droid，我就只能干坐着了。

这样过了一周后，我决定是时候开始探索 Droid 还提供了什么。于是有了 Auto Model。Droid 宣传它能针对任何工作选择合适的模型。听起来不错，对吧？我觉得我们都有选择过强模型的倾向，所以如果 Droid 能做好这件事，我们就能用更少、更便宜的 token 挤出同样的生产力。

不幸的是，Droid 在这件事上并不特别聪明，它只是根据会话的第一条消息选择一个模型。然后你就被它困住，直到 compact。第一条消息听起来简单，但之后任务变得更复杂，或者反过来呢？Auto Model 不会跟着切换。它似乎还优先选择更便宜的模型，在 104 次里为我选了 104 次 Luna、GLM 5.3 和 DeepSeek 94 中的大部分。我对它们在这些任务上的表现也不满意，经常觉得它们能力不足。

另一个（潜在的）突出功能：Droid 有用于长周期任务的 Missions。它做的第一件事是评估你项目的 mission readiness。

这会检查单元测试、静态分析以及其他 80 多项内容。你不需要全部满足才能开始 mission，但据说会有帮助。或者本来会有帮助，如果 5 小时限额不再来捣乱的话，因为你用完之后，mission 就直接停了。5 小时过后它也不会自动重启。长周期什么的，也就那样吧。

顺便说一句，这些模型不是我选的，是 harness 选的。（这张截图来自后来的一次运行，所以阵容有点变化。）于是我启动了 mission，做了一些准备任务让 Droid 满意、达到 mission-ready，然后把它派出去了。与它 Auto Model 的倾向相反，它在这里选了高档模型：实现 worker 用 Claude Opus 4.8 high，验证 worker 用 GPT-5.6 Sol high。然后它在 1 小时 40 分钟后碰到限额，放弃了。为了科学，我又启动了几次，结果它烧掉了我每月 Sol 和 Opus token 配额的大约六分之一，产出却很平庸。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）