最近发现了一个特别有意思的用法。我把 GPT 和 DeepSeek V4 Pro 当高级工程师用，负责写 SOP、写 CI/CD 流程、设计方案。然后把这些东西一股脑丢给 Hermes Agent 里的 Minimax M3 去执行。

正常情况下，ChatGPT 一个小时能搞定，DeepSeek 两个小时也差不多了。M3 呢？已经干了一上午，四个小时过去了，还在和 CI 测试死磕。日志刷得飞快，错误改了一轮又一轮，就是过不了。

但神奇的是，我居然没有生气，反而越来越期待。

因为我突然意识到，M3 最有价值的地方可能不是干活，而是验收文档。

如果 GPT 写的 SOP，DeepSeek 写的流程，最后连 M3 这种级别的“小白员工”都能一步一步照着执行成功，那说明这个文档是真的写明白了。反过来，如果 M3 卡住了，大概率不是它一个人的问题，而是流程里还有默认知识、隐藏前提和作者自己都没意识到的经验依赖。

以前测试用户手册，要找新人。

现在测试用户手册，直接找最笨的 Agent。

某种意义上说，M3 已经从生产工具变成了质检工具。

它就像公司刚入职的新同事。能力可能一般，效率可能不高，但凡是文档里写得不清楚的地方，它一定能精准踩坑给你看。

AI 时代最好的测试工程师，未必是最聪明的模型。

有时候恰恰是最笨的那个。