WorkBuddy 和 DeepSeek Harness 都消耗了上百万 Token，但最后的效果还真不一样。这次用同一个提示词——HTML 鹈鹕骑自行车——同时测了两边，结果有点意思。
Token 和时间：两边差不多
WorkBuddy 约 90～110 万 Token，缓存命中率 99%，总共跑了 4 分多钟；DeepSeek Harness 约 120 万 Token，缓存命中率同样接近 99%。累计消耗其实差不多，而且都大量复用了缓存。不过要注意，WorkBuddy 是积分计费，Token 数只能按使用情况估算，存在一定误差，不能直接拿来算准确的 API 成本。
真正拉开差距的是生成效果
两边都完成了鹈鹕骑自行车的 HTML，但对比最终成品，DSH 更好一些——尤其是画面细节处理、整体色彩搭配，更符合预期。WorkBuddy 也能完成任务，只是在这些细节上还差一点。
缓存 99% 不等于质量一样
这次最意外的就是缓存：两个工具都能达到接近 99% 的缓存命中率，说明大量输入都在复用已有上下文。但 Token 消耗接近，不代表最终生成质量也会一样。对比 Agent 不能只看模型能不能完成任务，还要看 Harness 怎么组织执行流程，以及多花的 Token 有没有真正改善结果。
当然，这只是同一个提示词下的小范围测试，不代表 DSH 在所有任务上都更好。后面还会拿不同任务继续测，看看这种差距是不是一直存在。
正文完