AI Agent 建網站實測：Codex、Claude Cowork、Gemini Antigravity 2.0 誰能從 0 做出可上線網站？

💡 核心結論速覽 (TL;DR)

• Codex（過程體感 87 / 成品客觀 77）：最像工程師、最不囉嗦。20 分鐘內從 0 寫完 + 自己跑完 Cloudflare Pages 部署、HTML 11K 最精簡，但讀墨連結漏了 sponsored 屬性、canonical 留在 example.com。
• Claude Cowork（過程體感 91 / 成品客觀 77）：最謹慎、最像會驗收的產品團隊。文案最保守（反覆寫「實際售價以通路頁面為準」）、用 16 個 <details> 做語意化 FAQ。但主動選擇不要 Cloudflare token，部署這段交給使用者決定要不要授權。
• Gemini Antigravity（過程體感 90 / 成品客觀 82）：最快出第一版（實測 3 分鐘）、UI 質感最強、合規細節最細——三家裡只有它把 canonical 設對真實網址、把讀墨連結也加 sponsored、把圖片 alt 全部 7/7 給實質描述。
• Opus 4.8 Max 補測（客觀 83）：Cowork 換新模型重跑同一份需求書，QA 主動性升級（自己抓「進場動畫遮下半頁」的 bug 並修正）、合規細節進步（圖片 alt 全覆蓋、canonical 命名負責、aria-label 從 4→8）。客觀分 83 險勝 Antigravity 82，但 6 張書封被 CSS object-fit:fill 擠成細長條是視覺基本盤失誤。
• 挑誰看你要什麼：在意「我用它的體感」選 Cowork、在意「最後交出來的成品合規」選 Antigravity、在意「一條命令一氣呵成」選 Codex。三個原型頁文末可點開比較。三家用的模型都是同時期最強的旗艦（GPT-5.5 / Claude Opus 4.7 / Gemini 3.5 Flash）+ 思考模式開到最高。

先講清楚我的視角避免你浪費時間：我同時付費訂閱 Claude Cowork Max 200 美金、ChatGPT Pro 200 美金（含 Codex）、Antigravity 走 Google AI Pro 月費新台幣 650 元，每天用 AI ≥10 小時。這次三家用的都是 2026 年 5 月當下最強旗艦模型（GPT-5.5、Claude Opus 4.7、Gemini 3.5 Flash）+ 思考模式全開。我做的不是「玩工具」，是「找出哪一家值得我繼續付月費」的決策實測。（這套月費組合的相對性價比我另有寫過 Gemini Advanced 值得買嗎？實測半年 Google AI Pro 的優缺點 那篇從純對話 / 研究視角對照，這篇是從建網站視角，兩篇互補著看。）

這次我不是要測哪家 AI 聊天得最好，而是想知道：把一份接近真實工作的網站需求書丟給三家 AI Agent，它們能不能像一個小型產品團隊一樣，把網站從 0 做到接近可上線？

所以我準備了一份作者書店網站需求書，內容涵蓋產品定位、UX、文案、前端、SEO、聯盟連結、noindex、Cloudflare Pages 部署、README 與 QA 報告，分別交給 Codex、Claude Cowork 和 Google Antigravity。

為了公平，這次三家我都用同時期最強的模型 + 思考模式開到最高：Codex 用 GPT-5.5、Cowork 用 Claude Opus 4.7、Antigravity 用 Gemini 3.5 Flash。權限也都開到安全範圍內最大——Codex 走 workspace-write 沙盒加 on-failure 核准、Cowork 開「Act without asking」、Antigravity 把 Security Preset 切到 Unrestricted、Agent Behavior 設 Always Proceed。

結果三家在半小時內全都丟出可點開的網站，但「中間發生什麼事」「最後成果差在哪」差異大到改變我之後挑工具的順序。這篇就帶你看完整實測、評分、橫向比較，以及四個原型頁（含 Opus 4.8 Max 補測）的線上版本。

為什麼我要做這次 AI Agent 建網站實測？

我想驗證的不是 AI Agent 會不會聊天，而是它能不能「交付」。

過去半年 AI Agent 從聊天工具進化到能執行任務、操作開發環境，甚至協助部署——這條路我之前在 AI Agent 是什麼？2026 我用過 3 款後的入門避雷指南 那篇有整理過。但「能執行任務」跟「能完成可上線網站」之間有一段很大的距離，這段距離只能用真實任務試。

建作者書店網站剛好是個好題目。它同時考驗：產品理解（要懂作者銷售頁長什麼樣）、UX（卡片排版、響應式）、文案（每本書適合誰）、前端（HTML/CSS/JS 一份能跑的程式碼）、SEO（meta、OG、noindex）、聯盟連結（rel sponsored nofollow noopener）、Cloudflare Pages 部署，最後還要產交付文件（README + 測試報告）。

任何一段卡住，就看得出 AI Agent 的盲點。

這次 AI Agent 建網站實測選了哪三家？

三家定位不一樣，先講白：

要注意三家定位略有不同：Codex 是 OpenAI 桌面 app（也提供 CLI 版本），偏 agent coding；Cowork 是 Anthropic 桌面 app，給非工程師用、混合對話 + 任務執行 + 文件協作；Antigravity 是 Google 桌面 IDE（基於 VS Code fork）、偏完整開發環境。但三家都是從官網下載的 PC 桌面 app、都有視窗介面、任務一樣（建一個能部署的網站）就有可比性——重點不是「它叫什麼形態」，而是「我能不能用它把事情做完」。

📌 重點：我這篇不是工具介紹文，工具介紹我之前在 Claude、ChatGPT、Gemini 三大付費 AI 怎麼選 那篇寫過。這篇要看的是同樣的任務丟給三家，誰真的把它做完。

AI Agent 建網站實測怎麼保持公平？

公平這件事在 AI 評測裡很常被偷工，所以我把規則寫在前面：

這次不看誰講得最好聽，看誰最後交得出能打開、能互動、能部署、能讓讀者點進去比較的網站。

我給三家 AI Agent 的建網站需求書長什麼樣？

prompt 很長，這裡只列摘要，完整版我整理在文末（搭配通用 Notion 模板連結）給有興趣的讀者自取。這次測試用的素材是我自己的三本電子書（《AI 產品設計大師》《AI 會偷走你的工作，還是歸還你的生活？》《思維轉捩點》），原因很單純：它們是真實商品、有封面、有價格、有正式通路，可以讓任務貼近真實場景。但這篇要看的是 AI Agent 交付能力，不是賣書。

我刻意不要求做會員、購物車、金流或後台——這次要看的是「作者書店 MVP」這種獨立創作者場景，不是完整電商。如果一開始就要求完整電商，會把任務變成大型系統工程，反而看不出 AI Agent 在日常場景的實用度。

AI Agent 建網站的 10 項評分標準是什麼？

10 個項目、總分 100，每家獨立評：

我特別把「誠實度」列進評分——因為 AI Agent 最大的問題不一定是做不到，而是做不到卻講得像完成了。寧可它說「我這段沒做完」，也不要它丟一個漂亮 README 但實際部署失敗。

Codex 建網站實測：最像會自己跑完工的工程師

先給結論：Codex 是這次三家裡最不囉嗦、最一氣呵成的，20 分鐘從接到 prompt 到 Cloudflare Pages 部署上線完全自己跑完，完全沒停下來問我。但這個「自己跑完」是建立在我把它的安全設定調到很寬鬆——對非工程背景的人來說這要評估清楚。

我這次給 Codex 的設定：

• 沙盒模式：workspace-write（可在工作目錄內讀寫檔案、跑常規本機命令）
• 核准政策：on-failure（只有指令失敗才停下來問我）
• 允許網路存取

依照 Codex 官方沙盒文件 這套組合就是 Auto preset——Codex 可以在工作目錄內自由讀寫，要動工作目錄外的東西或需要網路時才會停。這個設定的好處是它真的把任務當「下單」在執行，不會每兩步就跳出來問我「要不要繼續」。

它的執行過程很乾淨：

❶ 先讀本機素材：自己掃我給的素材資料夾，把三張書封複製到 assets/images/、改成統一命名。

❷ 直接寫檔不問：index.html、styles.css、script.js、_headers、README.md、AGENT_TEST_REPORT.md 一口氣全建出來，過程中我就坐著看它逐項報告。

❸ 本機 QA + 線上 curl 雙重驗證：本機 HTTP server 跑 smoke test 後，部署完成它還用 curl 拉線上 URL 二次確認——首頁 200 OK、x-robots-tag: noindex 真的回對、三張圖皆 200 OK 跟 image/jpeg。這套「本機 + 線上 curl」雙重驗證 SOP 三家裡只有 Codex 做。

❹ Cloudflare Pages 部署自動完成：用 wrangler 命令一路跑完——這個我自己很意外，因為我以為它會卡在 token 那一關。它真的把整個 wrangler pages deploy 流程跑完，產出可訪問的 *.pages.dev 網址才停。

之後我補三本書的讀墨連結，它又用大約 5 分鐘改 HTML/CSS、更新 README、重跑本機檢查、重新部署、上線驗證——一樣全自動。

它的執行過程體感很特別：所有思考都逐項邊執行邊讓我看。終端上一直滾「我要做這個」「我已經完成這個」「我接下來要做這個」的訊息，沒有「黑盒子靜默運算 5 分鐘」的尷尬時刻。對我這種 PM 視角來說很舒服——我知道它每一秒在做什麼，要喊停的話也喊得到。

產出的檔案數量我點進專案資料夾看了一下：index.html、styles.css、script.js、_headers（給 Cloudflare 用的 HTTP header 設定，這個我沒有要求它做，是它自己加的）、README.md、AGENT_TEST_REPORT.md，外加 assets/images/ 裡命名統一的三張書封。整個專案 HTML 上線後實測 11K bytes，是三家裡最精簡的——沒有多餘的重複內容、沒有重複的書籍介紹區塊，每段都有它的功能。

線上版本我用 JavaScript 拉了一份成品快照來看，幾個細節值得提：頁面有 <a href="#main"> 跳到主內容的無障礙連結（screen reader 用戶會很感激）、6 個 aria-label 標記、語言宣告 zh-Hant-TW（不是 zh-CN）、聯盟連結 rel 全部 sponsored nofollow noopener 三屬性到位。

但要老實講它的雷，這次我看到三件事：

第一，Codex 為了完成任務會在你給它的權限內想辦法不擇手段。我這次設定夠寬，所以它跑得順；如果你是完全不懂程式的小白，把這套設定打開到 workspace-write 之前，至少要知道工作目錄裡有什麼東西、不在乎被它改寫。對怕踩雷的人來說，這個「最不囉嗦」就變成「最不安全」。我上次也因為這種「不擇手段」的特性踩過大坑——用 AI Agent 配 Playwright 自動化跑 SEO 審計，結果被 Google 判定無效流量、AdSense RPM 直接暴跌的整段過程 我有完整寫成檢查清單，要把 Codex 的權限開到 workspace-write 前建議先看那篇免費避雷。

第二，讀墨連結的 rel 屬性它漏了 sponsored。線上版本實測，三個讀墨連結 rel 只有 noopener noreferrer——博客來那邊它有正確加 sponsored nofollow noopener，但讀墨那邊沒有。猜測是它在 prompt 裡只把博客來歸類成聯盟連結，讀墨被它當成「一般購書連結」處理。這個是需求書沒講清楚的我的鍋，但也提醒：AI Agent 對「聯盟連結」這種有合規含義的詞，需要在 prompt 裡逐一指明，不能只給「博客來、讀墨都是聯盟連結」就期待它推論。

第三，canonical 留在預設 example.com。這個是它複製 boilerplate 後沒換掉的痕跡——對 MVP 沒影響，但上正式站之前要記得改。

📌 Codex 適合誰：想要 AI 幫你一氣呵成跑完整段工程的人；本身會評估安全範圍，能設定沙盒邊界的人；偏好「能看到每一步在做什麼」的工程體感。

Claude Cowork 建網站實測：最像會驗收的產品團隊，但部署這段卡得最痛

先給結論：Claude Cowork 是這次三家裡開發時間最長、最謹慎的——光開發就花 20 分鐘、中間總共跳了 3 次權限請求（主要在需要資料夾存取那幾個關卡）、而且因為 Anthropic 安全設計**主動不要 Cloudflare token**（不是技術做不到，是設計上的選擇），部署這段它交給使用者決定要不要授權。但它做出來的網站文案是三家裡最保守誠實的，這點對賣書這種要長期經營信任的場景特別加分。

我這次給 Cowork 開的是「Act without asking」模式——依照 Claude Cowork 官方安全說明，這個模式會跳過每一步審核加速執行，但「永久刪除檔案」這種破壞性動作仍會強制要許可，是 Cowork 的安全底線。

我以為開了這個就會像 Codex 一樣一路跑完。實際是：

❶ 任務理解最完整：它先做整體 QA 自我檢查（HTML/CSS/JS 結構驗證、本機 HTTP server 跑兩次 smoke test），中間還主動兩輪部署討論（嘗試 wrangler 安裝、Cloudflare MCP 探索、找 token、Cowork 沙箱權限確認）。它的 noindex 還做了**三層保護**（HTML meta robots + _headers 的 X-Robots-Tag + robots.txt 全站 Disallow），比 Codex 跟 Antigravity 的兩層更謹慎。

❷ 權限請求中斷次數多：開發過程中多次跳出視窗要我允許某個動作才繼續——這在 Codex 跟 Antigravity 都沒發生過。

❸ 無法讀本機 token：我多次要求它直接拿我本機的 Cloudflare API token 部署，它都因為安全限制做不到。最後它告訴我「我可以幫你寫部署指令，但你需要自己把 token 設好」——這對非工程背景的使用者來說會卡在這一關。

❹ 檔案產出齊整：9 個檔案、index.html 458 行、styles.css 約 450 行、script.js 約 100 行、README.md 約 230 行、AGENT_TEST_REPORT.md 約 240 行、圖片 4.6 MB 全到位。

它自己後來的工時自述也老實——26 分鐘裡，純寫 code 約佔 35%、QA 加部署協調佔 50%、來回確認佔 15%。

Claude Cowork 做出來的網站線上版本在這裡。結構穩、有 tab 分類篩選、書籍卡片用折疊式展開「看更多重點與適合讀者」——這個互動設計細膩度是三家裡最高的。

讓我特別有感的是它的文案。整個頁面反覆出現「實際售價以通路頁面為準」「購買連結將導向博客來等正式通路」「本頁部分購買連結可能包含聯盟行銷追蹤」——這種防衛性語氣對「賣書」這種長期經營信任的場景特別重要。Codex 也有類似聲明但密度低、Antigravity 雖然寫了但語氣偏正式不夠軟。

另一個讓我意外的是它的互動細節做得最細。線上版本用 JavaScript 拉成品快照來看，整個頁面有 16 個 <details> 元素——這是 HTML 內建的折疊互動標籤，比 Antigravity 用 button 自己刻折疊在無障礙上更好。每張書籍卡片下面的「看更多重點與適合讀者」就是用 details 做的，鍵盤可以直接 tab 過去用 enter 展開，screen reader 也讀得到狀態變化。

但要老實講它的雷，這次我也看到三件事：

第一，主動選擇不要 Cloudflare token，是設計而非缺陷。Cowork 在交付報告寫「避免單方面要 Cloudflare API token / 主帳號密碼，若要我代部署請看 AGENT_TEST_REPORT.md 第 12 節列出的最小授權方式」——它有能力部署，但 Anthropic 把決定權主動交給使用者。對「要極致安全」的人是優點，對「想一鍵搞定」的人會卡。

第二，讀墨連結同樣漏了 sponsored——跟 Codex 一樣只有 noopener noreferrer。同個 prompt 兩家漏同個地方，更證實了「prompt 沒寫清楚 readmoo 是聯盟連結」就是缺陷源頭。

第三，canonical 也是留在 example.com。跟 Codex 一樣的 boilerplate 問題。

📌 Claude Cowork 適合誰：希望 AI 幫你把關品質、隱私、安全邊界的人；願意人機協作不追求一鍵搞定的人；長期經營信任的內容創作者（不是要做短打活動頁）。

我自己跟 Cowork 的關係要老實揭露：它其實是我這幾年訂閱最久的 AI，我訂了大概半年的 100 美金方案 + 半年多的 200 美金方案，以前每次跟朋友聊到 AI 都會強烈推薦它，覺得它是三大 AI 裡面除了不能畫圖之外最全能的。但 5 月初左右開始，我明顯感覺它速度變慢、來回拉扯次數變多——一個指令會跟我來回拉扯好幾次才能跑完。這是我去試 Codex 跟 Antigravity 的直接原因。如果你也想用 Cowork 跑長期內容寫作，可以接著看我整理的 AI 寫內容最常見的 7 個問題：空話、重複、沒觀點怎麼補救，那是另一個 Cowork 真正能發揮謹慎度的場景。

這次實測等於再次驗證了我那個體感：Cowork 不是不強，是它的「謹慎」這次跟「直接完成任務」的目標有點衝突。如果我把任務換成「幫我審一份合約」「幫我整理半年的客戶 email 找關鍵需求」這種「不能出錯」遠比「快速完成」重要的場景，它的謹慎反而會是優點。建網站這種「快做出來看效果」的任務，剛好踩到它的相對弱項。

Gemini Antigravity 建網站實測：最快出第一版、設計感最強，但會先給 README 而不是自己跑部署

先給結論：Gemini Antigravity 是這次三家裡第一版完成最快的——AI 端實際只跑 1 分 16 秒（16 秒規劃 + 1 分鐘執行）就交付 7 個檔案 +2,172 行程式碼，加上我讀規劃決定核准的時間整體體感約 3 分鐘。UI 設計與資訊密度最高、最像作品集。但它第一版做完不會主動部署，而是先給你 README 教你怎麼部署；我額外要求它「直接幫我跑部署」之後它才接手，整段下來大約多花 6 分鐘。這個判斷在這個任務上反而最合適。

Google Antigravity 2.0 是 Google 2026 年 5 月 I/O 大會後推出的 agent-first 桌面 IDE app 升級版（前身 Antigravity 1.0 是 2025 年 11 月發佈，從 antigravity.google 官網下載），基於 VS Code fork、預設模型升級到 Gemini 3.5 系列（含 Flash 與 Pro），也支援 Claude Sonnet/Opus 4.6 與 GPT-OSS-120B。這次實測我用預設模型，把 Security Preset 切到 Unrestricted、Agent Behavior 設 Always Proceed。

它的執行體感：

❶ 快到看不到過程：我發出第一個建站請求大約 3 分鐘後它就告訴我第一版完成了——比另外兩家快非常多。中間幾乎沒有「思考過程」可看，因為太快了。

❷ 第一版沒自動部署：它做完之後給我一份完整 README 教我怎麼部署，而不是直接跑——這跟 Codex 形成強對比。

❸ 接到「幫我部署」指令後才動手：我要求自動部署之後，它才用 wrangler 跑 Cloudflare Pages 部署。第一次卡在「Pages 專案還沒在 Cloudflare 帳戶建立」的 API 錯誤，自己用 wrangler 命令建好專案才繼續。

❹ 補讀墨連結時改動最細：補三本書讀墨連結時，它在 9 個不同區塊做了多點程式碼替換，還順便用 CSS Grid 把「讀墨購買」「瞭解詳情」次要按鈕做成 1:1 對稱網格跟主按鈕並排——這種「順手把排版優化掉」的動作只有它做。

Gemini Antigravity 做出來的網站線上版本在這裡。設計是三家裡最有質感的——暗色系、Indigo/Amber 配色、Hero 區帶書封、關於作者區有三項 metric block、書籍展示後面還有獨立的「著作重點深入介紹」整段詳細介紹，含「本書重點特色」+「這本書適合誰？」雙區塊。

讓我特別覺得「這家在合規上比另外兩家更細」的線上成品檢查結果有三個：

❶ canonical 設對了真實網址：它是三家裡唯一一個 <link rel="canonical"> 設成 https://author-books-antigravity-demo.pages.dev/（Codex 跟 Cowork 都還停在 example.com）。這代表它部署的時候有去抓 Cloudflare Pages 給的網址回填，不是直接複製 boilerplate。

❷ 讀墨連結也加了 sponsored：它是三家裡唯一一個把「聯盟連結 = 包含讀墨」這件事推論對的。9 個讀墨連結（含著作展示區跟詳細介紹區兩處重複）rel 全部 sponsored nofollow noopener noreferrer 四屬性都齊。另外兩家讀墨連結都只有 noopener noreferrer，缺 sponsored——這對 Google 來說是合規洞，Antigravity 自己補上了。

❸ 圖片 alt 100% 覆蓋：它的 7 張圖片每一張都有實質 alt（書封 alt 寫「AI 產品設計大師 書封」這種具體描述）。另外兩家的 alt 覆蓋率也是 100%，但裡面有 3 張是空 alt（裝飾性圖標）——空 alt 在嚴格無障礙標準下其實 OK，但 Antigravity 連可能被當裝飾的圖都給了實質 alt，這個謹慎度只有它做到。

另一段也很有料：第一次部署它自己修了一個 API 錯誤。它跑 wrangler pages deploy 時收到「專案還沒在 Cloudflare 帳戶建立」的 API 報錯，這時候它沒卡住問我「怎麼辦」，而是自己用 wrangler pages project create author-books-antigravity-demo 命令把專案建好，再重跑 deploy。這個「自我診斷 + 自我修復」的能力，三家裡只有它跟 Codex 做得到。Cowork 卡在 token 那一關就不會再試。

補讀墨連結這段它也展示了「順手做超出要求的事」的能力：我給它三個讀墨網址，它在 9 個不同區塊做了多點程式碼替換（因為它的 UI 設計裡同一本書會出現在「展示區」跟「詳細介紹區」兩個地方），還順便用 CSS Grid 把「讀墨購買」「瞭解詳情」兩個次要按鈕做成 1:1 對稱網格跟主按鈕並排——這種「順手把排版優化掉」的動作只有它做。Codex 跟 Cowork 是「你給什麼我改什麼」，Antigravity 會多想一步「既然要動這個區塊，我順便把週邊也優化」。

我覺得它在這次任務上「不主動跑部署」反而是對的判斷。對非工程背景的使用者來說，AI 自己拿你帳戶跑命令是高風險動作；先給 README 讓你看完再決定要不要自動化，這個保守度比 Codex 合理。

但要老實講它的雷，這次我看到三件事：

第一，它自己回報的時間不準。它告訴我整個任務歷時 27 分 47 秒，但我實際計時，第一版開發只用 3 分鐘左右，後面 24 分鐘大多是我打字、討論、回饋這些「使用者拖累」的時間。AI 自評時間要打對折看。如果你想看 Gemini 系列在「不用 IDE / 純對話」場景的表現，Gemini Google Workspace 教學：Docs、Sheets、Gmail 哪些功能真的好用 那篇有更細的對照——Antigravity 強在開發場景、純 Gemini 強在辦公生產力，定位完全不同。

第二，HTML 重複度高。它的線上成品 HTML 30K bytes，幾乎是 Codex 11K 的 2.7 倍。原因是它把「書籍展示」跟「著作重點深入介紹」做成兩個區塊，內容（書名、適合誰、書籍特色）大量重複出現。視覺上看起來很豐富，但對 SEO 來說是「重複內容（duplicate content）」風險——同一個關鍵字短語在頁面內被堆兩次，Google 的演算法不一定會喜歡。

第三，meta description 102 字超出 SEO 最佳區間（建議 50-76 字）。它寫得很詳細很實用，但實際在 Google SERP 顯示時會被截斷，看起來反而沒有 Codex 那種「61 字一句到位」的版本好。

📌 Gemini Antigravity 適合誰：想要 AI 快速出原型看視覺感的人；偏好「AI 給建議我來決定」這種人機分工的人；對 IDE 環境有偏好（VS Code 用戶）的人；在意「合規細節」的人——這次三家裡只有它把 canonical 與讀墨 sponsored 兩個合規細節做到位。

三家 AI Agent 執行透明度差多少？訊息發出去到看到結果的體感比較

這段是我做完三家實測後體感最強烈的一個差異，沒有放進評分表但我覺得對「該不該訂閱」的判斷影響很大：三家在「我發出指令到我看到結果」這段時間裡，讓我看到的東西完全不同。

這個差異對「日常用」很有影響：

• 如果你是會緊張 AI 在背後做什麼的人 → Codex 的「逐項顯示」會讓你安心，但 Antigravity 的「黑盒子」會讓你焦慮。
• 如果你是「我給目標你給結果就好」的人 → Antigravity 的速度會讓你爽，Codex 的逐項報告反而會覺得囉嗦。
• 如果你是「我要每一步都確認過再放行」的人 → Cowork 的多重權限請求剛好是優點，Codex 跟 Antigravity 都會讓你失去掌控感。

沒有對錯，這是 AI 工具設計哲學的選擇——三家分別代表「工程師同事陪你寫」「謹慎助理陪你做」「快速代工幫你產」三種型態。

三家 AI Agent 的「自評誠實度」誰最高？三份結案報告對照

做完三家實測後我發現一個比成品分數更值得看的事：它們交給我的結案報告，「誠實度」差異很大。做 PM 久了知道——一個團隊的可信度，不只看做出來的東西，看它怎麼跟你說「沒做好的部分」。三家的自評報告對照如下：

❶ Codex：完成度最高 + 主動列「待人工補」清單。它在報告寫「正式上線前還需要人工補：正式網域、正式 canonical / OG 圖、讀墨等通路連結、價格上架狀態複核；若要被搜尋收錄，再依 README 移除 noindex」。還老實揭露 wrangler 部署小插曲：「Wrangler 部署完成後因這個資料夾是空 git repo、沒有 HEAD，CLI 最後回了非零狀態；但 Cloudflare 已完成部署，線上頁面也已驗證可用。」這種「非零狀態但實際成功」的細節主動講出來，比那種「100% 完美完成」的 AI 報告誠實得多。

❷ Cowork：主動給自評 8/10 + 列 3 個扣分點：「沒有實際部署回傳線上 URL、沒能跑跨裝置實機測試、圖片尚未做 WebP / 響應式尺寸優化」。30+ 個工具呼叫（Used 22 tools, created 7 files, ran 6 commands + Ran 8 commands, used 3 tools, created 2 files）後還主動標出「最小授權方式」讓我決定要不要繼續部署。這種「我做完整自評再交給你」的態度最像 PM 心目中的好工程師。

❸ Antigravity：（補一個觀察：我後來補測的 Opus 4.8 Max 也有同樣的時間自評幻覺——自評 30-35 分鐘、實際 AI 端只 10 多分鐘。看來「把使用者打字算進來」這個 bug 跨家、跨模型都有，可能是 AI Agent 普遍的觀察盲區）交付報告完整但有兩個誠實度扣分點：第一，時間自評「27 分 47 秒」實際 AI 端只跑 1 分 16 秒（自評時間嚴重偏高，大概是把使用者打字時間算進來了）。第二，沒有主動列「未完成 / 待人工補」清單——所有事看起來都完成了，但實際讀 README 跟 AGENT_TEST_REPORT 會發現它有提部署方式三選一但沒明說「我只做了哪一個」。設計感最強的同時，誠實度需要使用者主動驗證才能補齊。

如果你要找的是「能幫我跑完任務 + 主動告訴我沒做完的部分」的 AI Agent，Codex 跟 Cowork 比 Antigravity 更值得信任。這個結論跟「成品客觀分」剛好倒過來：成品分 Antigravity 最高，但自評誠實度 Codex 跟 Cowork 較強。挑工具還是回到那句老話——看你比較痛哪個風險。這個「主動列待人工補項目」的習慣其實也是好的 AI 助理該有的素質——ChatGPT 記憶功能、Projects、GPTs 差在哪？三大進階功能教學 那篇講到 ChatGPT 在這方面的進階用法，可以對照看「AI 工具該怎麼建立信任」這個 PM 視角的議題。

補測：Cowork 換 Opus 4.8 Max 重跑同一份建網站需求書，差多少？

文章寫完不久 Anthropic 推出 Opus 4.8 Max。我順手把 Cowork 切到新模型、把同一份建網站需求書再跑一次——同樣三本電子書、同樣 Cloudflare Pages 部署目標、同樣 Act without asking 模式。Opus 4.8 Max 自評跑了 30-35 分鐘（牆上時鐘 + 含 bug 修正時間），但我實際計時 AI 端只用 10 多分鐘就完成開發——意思是 Opus 4.8 跟 Antigravity 一樣有「自評時間幻覺」，把使用者打字、討論的時間算進它的執行時長裡。實際速度比 4.7 那次 20 分鐘還快，但快是一回事、自評誠不誠實是另一回事——所以原本我以為「4.8 自評誠實度跟 4.7 一致」這個觀察要打折，至少「時間」這項沒對齊。

順帶說一下我為什麼只放開頭跟開發完成兩張截圖：Opus 4.8 把整個 reasoning 過程全輸出——光是「載入 10 個 tools → 連資料夾 → 找書封 → 檢查圖片規格 → 查既有專案 → web search 查證書名 → 暫停修正路線 → 重新寫 HTML → QA → 修 bug」這套思考鏈條的文字 log，比這篇 21K 字的實測文還長。我本來想截長圖給讀者看完整過程，但根本截不完——所以只能放開頭跟最後成果兩張意思一下。它的「過度透明」是雙面刃：好處是你看得到每一步它在想什麼、犯了什麼錯怎麼改；壞處是 PM 視角看「決定速度 vs 思考量」會覺得有點過度。

它老實把過程分成 4 個階段：需求理解 + 連資料夾 + 書封優化 + 查證 + 產 OG 圖（9 分）、寫 index/styles/_headers/robots/favicon（6 分）、QA 與除錯（11 分）、交付文件 + 最終驗收（8 分）。並主動補三點：「牆上時鐘不是純運算時間、起點是回推估、不含後面部署的討論」——跟 4.7 一樣的「自評誠實度高」風格，這是 Anthropic 系列我一直留下訂閱的核心理由之一。

4.8 還有一個 4.7 完全做不到的行為：一開始它把我先前 Opus 4.7 跑出來的書封圖直接覆蓋寫進去、還順手刪了 .wrangler 快取——這個錯誤其實很嚴重，如果我事前沒有用 git 備份 4.7 版那就完蛋了。但它跑到一半自己停下來說「我需要暫停，依據你的訊息修正路線」，然後主動把書封還原回原始全解析檔、重新建 .wrangler 快取、把 4.8 版整個搬到新的乾淨資料夾去做。這個「我搞砸了 + 主動承認 + 主動修復」的行為，是這次實測四個版本裡只有 4.8 表現出來的——其他三家頂多自己 debug 自己的 code、不會去回滾自己造成的環境破壞。對 PM 視角來說這 trait 比「我能 self-debug」更高一階：能自我發現自己造成的副作用，本身是高階能力。

自評 11 分鐘 QA 這段是它跟 4.7 最不一樣的地方（依前面說的時間幻覺，實際 AI 端時間可能要打折看，但比例與其他階段對照仍能看出 QA 占很大比重）。Opus 4.8 用實機無頭瀏覽器渲染檢查，自己發現「進場動畫把下半頁內容藏住」並修正，然後處理元件掛載同步問題、重測到 0 console error 才停。這個 self-debugging 行為 4.7 沒做到——4.7 是「我交付給你、你自己驗收」、4.8 是「我自己跑驗收 + 自己修 bug」，QA 主動性升一個檔次。

但有件事跟 4.7 一樣：部署這段它還是不主動跑。最後是我手動拿 wrangler 部署的。所以「Cowork 主動不要 Cloudflare token」這個設計選擇在 4.8 也維持——不是 4.7 的技術限制，是 Anthropic 對「AI 不該拿你帳戶跑命令」這條安全邊界的哲學立場，跨模型版本不變。

Opus 4.8 Max 跟 Opus 4.7 的成品差在哪？5 個客觀面向

對照同一份 prompt 兩個版本的線上成品 DOM 拉出來看，5 個改善：

❶ 圖片 alt 從 6/6 含 3 張空 alt → 全 6 張實質描述：追上 Antigravity 的細膩度，無障礙評分大幅升級。

❷ 讀墨連結 rel 加了 nofollow：從 4.7 的「noopener noreferrer」進步到「nofollow noopener noreferrer」（仍缺 sponsored，但比 4.7 明顯前進）。

❸ canonical 從「example.com」改成「replace-with-your-domain.example」：明確標出「這是待替換的佔位符」比裝作是真實網址更負責，不會誤導使用者以為已設好。

❹ aria-label 從 4 個升到 8 個 + 新加 role="group" 跟 aria-pressed：無障礙細節升級到「Codex 工程師等級」的關注密度，分類篩選的鍵盤焦點/讀屏狀態都有對應 ARIA。

❺ H1 從「夜羽凌・電子書展示與選書」改成金句型「寫給 AI 時代的你：重新設計工作、創作與生活」：銷售頁文案感大幅提升，從「資訊頁」升級到「能直接賣書」的語氣。Hero 區還加了 eyebrow（書籍作品）+ section-lede（副標）三層結構，視覺層次比 4.7 更精緻。

3 個退步要老實列：HTML 從 14K 漲到 21K（hero 區跟多 section head 結構讓檔案變大）、語意化 details 元素拿掉了（4.7 用 16 個 details 做折疊互動，4.8 改用 button + aria-pressed 自己刻——無障礙仍 OK 但少了 HTML 內建支援的好處）。第 3 個是視覺基本盤的明顯失誤：6 張書封圖全部被 CSS object-fit: fill 強制塞滿容器，原比例 0.63 被擠成渲染比例 0.32，書封變細長條像被夾扁——這個錯誤其他三家都沒犯，正式上線前必須人工修書封容器的 aspect-ratio 與 object-fit 設定，否則視覺上的不專業會直接抵消文案信任感的優勢。

客觀成品分重算：4.7 = 77 分，4.8 = 83 分。主要靠圖片 alt 全覆蓋 +4、無障礙細節 +2、canonical 命名 +2、Hero 設計 +2，但書籍卡片設計因為書封變形被扣 2 分回去。Opus 4.8 在客觀成品分上以 1 分險勝 Antigravity 的 82 分——但「險勝」的前提是你要先修書封 CSS，否則視覺上的不專業會抵消掉合規面的進步。

這個結果對「該不該續訂 Cowork Max US$200」的決策有影響：模型升級在「合規細節腦補」上明顯進步，原本是 Cowork 的相對弱項（需求書沒明寫但合規必要的東西它常常漏）這次補上來了。如果你在意 SEO 細節、無障礙、文案信任感又願意付 US$200/月，Opus 4.8 Max 比 4.7 升一個明顯檔次——我自己這次補測完，續訂的猶豫減少了。

但補一個重要但書：4.8 剛出來這幾天我用下來，穩定度感覺還沒追上 4.7——有些任務 4.8 會做到一半卡住、跑出來的結果跟 4.7 不一致需要重試。這次補測能一次跑完是運氣 + 我反覆要求修正換來的，正式靠它跑生產任務前建議先放幾天讓 Anthropic 把後續穩定性 patch 補上。如果你現在在 Cowork 主跑高價值任務，我會建議先繼續用 4.7、等 4.8 穩定再切——新模型的合規進步很誘人，但生產環境穩定度是第一順位，不是看單次實測誰交付得漂亮就馬上換模型。

Opus 4.8 Max 版的原型頁可以點開跟前面三家對照看：author-books-claude-cowork-opus48-demo.pages.dev

三家原型上線後的客觀體檢：用 10 個成品面向重新打分

前面的評分是看「過程」加「成品」加「體感」混合的主觀分數。為了讓這篇更客觀，我另外跑了一輪「只看上線後的成品」的審查——把三個 pages.dev 用 JavaScript 拉成品快照，量化每家在 SEO meta、聯盟連結 rel、無障礙、圖片 alt、HTML 結構、程式碼體積、文案、互動等 10 個成品面向的表現。

這套客觀評分排除「我跟它對話的體驗」，只看「Google 爬蟲跟讀者打開頁面會看到什麼」。

這個客觀評分結果跟我前面「過程體感」的評分順序剛好倒過來：論成品本身的合規與工程細節，Antigravity 拿 82 分是三家最高——主要靠 canonical 正確、讀墨連結 sponsored 補對、圖片 alt 全覆蓋這三項其他兩家沒做到的細節。

幾個有意思的觀察可以延伸：

❶ Antigravity 在「合規」這件事上比 Codex 跟 Cowork 都細。三家裡只有它把 canonical 設對到 pages.dev 真實網址、只有它把讀墨也歸類成聯盟連結加 sponsored、只有它把所有圖片都給實質 alt。我猜測是 Gemini 3.5 系列在 prompt fan-out 時比較會主動覆蓋「使用者沒明說但暗示了的需求」。

❷ Codex 強在「精簡」但弱在「合規腦補」。它的 HTML 11K 最精簡、無障礙細節最齊（唯一加 skip link）、aria-label 最多——這些是工程師會在意的細節。但 canonical 跟讀墨 sponsored 這種需要「推論使用者意圖」的合規補丁它沒做。

❸ Cowork 在「成品設計與互動」這塊跟 Antigravity 持平甚至更好。Cowork 用了 16 個 <details> 元素做語意化的 FAQ 與折疊卡片，這比 Antigravity 用 button 自己刻折疊在無障礙上更友善。文案信任感密度也是三家最高。但它一樣在 canonical 跟讀墨 sponsored 上掛了。

❹ 兩套評分合在一起看才完整。如果你只看過程體感分（Codex 87 / Cowork 91 / Antigravity 90），會以為 Cowork 是冠軍；如果只看客觀成品分（Codex 77 / Cowork 77 / Antigravity 82），會以為 Antigravity 是冠軍。實際上「該選哪家」要看你比較在意「我用它的體感」還是「它交出來的成品」。

三家 AI Agent 建網站橫向比較：誰贏在哪、輸在哪？

把三家的「過程體感」評分表攤開比較（成品客觀評分見上一節）：

幾個比分背後的故事：

• Codex 的部署 10 分 是因為它是這次唯一從頭到尾自己跑完 wrangler 部署的；但它的「文案品質」「誠實度」相對 Cowork 略低。
• Cowork 的部署 6 分 是因為它真的卡在無法讀本機 token，整段要人機協作；但它的「互動功能」「文案品質」「誠實度」拉高了總分。
• Antigravity 的 UX / UI 14 分 是三家最高，設計感最強；但「自評時間不準」這點扣了「誠實度」一分。

如果只看過程體感分差，Cowork 91 跟 Antigravity 90 其實是統計上的平手。Codex 87 看起來低 4 分，但它是唯一完全沒讓我介入就跑完整段任務的——對某些使用者來說這個體感比分數更重要。

把兩套評分（過程體感 + 成品客觀）合在一起看，每家的人格也更清楚了：

三個 AI Agent 做出的網站原型，自己點進去比看看

評分是我的視角，文案、UI、配色、排版這些「品味」面向最後還是要你自己看才準。三個版本都有 noindex、聯盟連結基本合規、博客來與讀墨跳轉都正常。

三個原型頁同樣都點得開、能在手機上看、博客來與讀墨連結都正常——這代表三家 AI Agent 都做到了「可上線」的底線。但「品味」上有明顯差異，這個沒有對錯，只是看你自己偏哪一邊。

我對 AI Agent 建網站的真實看法

實測完三家最大的體感是：AI Agent 建網站已經過了「玩具」階段，但還沒到「免驗收外包團隊」的程度。

只要需求書夠清楚，三家都能在半小時內做出接近可部署的網站原型——這在 2 年前完全做不到。但另一件事也很明顯——它們三家都會在不同地方犯不同的錯：

• Codex 可能會在它的權限範圍內做超出你預期的事（因為它不擅長停下來確認）；它在「合規腦補」這塊偏弱，讀墨 sponsored 跟 canonical 兩件事都漏。
• Claude Cowork 過程中跳了 3 次權限請求（主要在資料夾存取那幾關）；部署這段它主動不要 token（Anthropic 安全設計），把決定權交給你。
• Gemini Antigravity 會給你漂亮 README 但讓你自己跑（這個其實是好事，但對小白不友善）；它的 HTML 體積大、meta 偏長。

對非工程背景的人，我會這樣建議：

❶ 第一次試先用 Cowork：它的安全邊界最嚴，最不會做超出你預期的事。寧可慢一點，先建立「AI 幫我做了什麼」的感覺。文案信任感密度最高，賣書、長期經營的內容創作者尤其適合。

❷ 熟悉之後想加速可以試 Codex：但你要先學會設沙盒、知道 workspace-write 的意思、有能力評估「這個權限我給不給」。沒這個基礎就用 Codex 等於把鑰匙丟給陌生人。

❸ 想看視覺原型可以用 Antigravity：它的「先給 README 後跑部署」對小白其實是好事——你會在被自動化之前先看到它要做什麼。合規細節最齊，重視 SEO 的場景可以優先考慮。

我對 AI Agent 建網站的定位是：原型加速器，不是免驗收建站神器。它可以把你從「翻部落格找 template、手刻 HTML、自己處理 wrangler」這 6 小時的工作壓到 30 分鐘。但「上線前驗收」這 30 分鐘永遠省不掉——AI 越方便，你越要記得自己做最後把關。想看同一批 AI 在「純編程／Agent 工作流／長文本」的旗艦級對打，可看 GPT-5.5 vs Claude Opus 4.7 全方位對決；只想用免費版起步、再決定要不要付費的話，可以先讀 2026 年最值得試的 8 款免費 AI 工具，挑一個免費版熟悉之後再考慮升級付費版跑 Agent。

延伸閱讀：如果你想看 AI Agent 在其他場景（旅遊規劃、PRD 撰寫、SEO 文章寫作）的表現，可以接著看 AI 旅遊規劃 5 天行程實測：3 款 AI 工具誰最強？、產品經理怎麼用 AI 寫 PRD？ 或 Claude、ChatGPT、Gemini 下指令完整攻略 三篇，把這次的判斷套到不同任務上對比看看。

AI Agent 建網站 FAQ 常見問題

AI Agent 真的可以自己做網站嗎？

可以做出可上線的原型，但不能取代上線前的人工驗收。這次三家 AI Agent 都在 30 分鐘內做出能部署到 Cloudflare Pages、有 noindex、聯盟連結基本合規、手機版能看的網站。但「最後 30 分鐘的人工檢查」省不掉——AI 還是會漏細節（例如 canonical URL 三家裡只有 Antigravity 設對、讀墨連結三家裡只有 Antigravity 加了 sponsored）。建議定位成「原型加速器」，不是「免驗收外包」。

Codex、Claude Cowork、Gemini Antigravity 哪個比較適合建網站？

看你要什麼。要 AI 幫你一氣呵成跑完任務、本身能評估安全邊界 → 選 Codex；要 AI 幫你把關品質與隱私、願意人機協作 → 選 Claude Cowork；要快速看到視覺原型、是 VS Code 用戶、在意合規細節 → 選 Gemini Antigravity。三家過程體感分接近（87-91），但成品客觀分是 Antigravity 82 領先 Codex 與 Cowork 的 77。

AI 做出來的網站可以直接上線商業使用嗎？

不建議。MVP 原型可以直接上線給朋友看、給投資人看、做內測，但真的要做為商業頁面之前至少要檢查：noindex 有沒有設對、canonical URL 是不是真實網址（不是 example.com）、聯盟連結 rel 是否完整（sponsored nofollow noopener）、圖片版權、文案是否誇大、隱私政策、跨瀏覽器測試。這幾項 AI Agent 可能會漏，得人工補完。

用 AI Agent 建網站需要會寫程式嗎？

不需要寫，但需要會「驗收」。你不用會 HTML/CSS/JS，但要看得懂「網站打開有沒有錯」「連結點下去去到哪裡」「手機上長什麼樣」。如果連這幾項都看不出來，建議先選 Claude Cowork 這種會主動停下來問你的工具，而不是 Codex 這種會一路跑完的——後者你會看不到它中間做了什麼，出問題會找不到根因。

Cloudflare Pages 適合部署 AI 做出來的網站嗎？

很適合，這次三家都成功部署到 Cloudflare Pages。它對純前端網站（HTML/CSS/JS）幾乎是免費（個人方案每月 500 次部署），用 wrangler pages deploy 一條命令就能上線，全球 CDN 速度快。對 MVP 原型來說是首選。

AI Agent 做網站會不會有 SEO 問題？

可能會。最常見的兩個漏洞：（1）忘記設 noindex 導致測試頁被 Google 收錄、（2）meta description 寫得跟正文沒關聯。這次三家在 SEO 設定上都做到基本盤，但細節差異很大——例如 canonical URL 三家裡只有 Antigravity 設成真實網址，另兩家停在 example.com；讀墨連結三家裡只有 Antigravity 加了 sponsored，另兩家漏了。如果是要做有 SEO 需求的頁面（不是只做 demo），建議發佈前用 Lighthouse 跑一次，把分數低於 90 的項目補強。

為什麼 Codex 能讀本機 token 部署，但 Claude Cowork 不行？

這是兩家在「沙盒設計哲學」上的根本差異。Codex 的 workspace-write 沙盒給 AI Agent 對工作目錄的讀寫權限與一定的本機指令執行能力，環境變數裡的 token 它能讀；Claude Cowork 桌面端為了「安全優先」，預設不讓 Agent 接觸到敏感憑證——就算你開了 Act without asking 也不能跨越這條線。這個差異在「自動部署」這種需要 token 的任務上會直接決定哪家能跑完、哪家卡住。對隱私敏感的人 Cowork 是優點，對「我就是想要一條命令搞定」的人 Codex 是優點。

Antigravity 是 IDE，跟 VS Code 有什麼不一樣？

Antigravity 是 VS Code 的 fork（也就是基於 VS Code 原始碼改造的版本），介面跟 VS Code 99% 一樣，最大差別在它把 AI agent 設為「第一公民」——左側面板可以直接派多個 agent 同時做不同任務、右側可以看到 agent 在跑哪個步驟。如果你本來就是 VS Code 用戶，學習曲線幾乎是 0；如果你習慣別的 IDE，Antigravity 給的 IDE 體驗會是這次三家裡唯一接近「工作站」的感覺。

我可以同時用三家 AI Agent 嗎？

可以但成本高。三家全訂滿大概是 Claude Pro 20 美金 + ChatGPT Plus 20 美金 + Google AI Pro（解鎖 Antigravity 高階模型）新台幣 650 元，加起來月支出約 60 美金或新台幣 1,900 元。Antigravity 編輯器本身免費下載，但 Gemini 高階模型 quota 用完後就要訂 Google AI Pro。建議分階段：先訂一家主力跑 30 天看痛點、有明確不滿意再加一家。如果你還在試 AI 工具的階段，建議從 Cowork 或 ChatGPT Plus 任一家開始就好。

如果我選錯了 AI Agent，網站做到一半能換家嗎？

能但不建議。原因不是「程式碼不相容」（HTML/CSS/JS 是通用標準，三家都吐出來），而是「上下文丟失成本太高」——每家 AI Agent 在跑你這個案子時都建立了一份「我以為你要什麼」的記憶（你的偏好、踩雷的點、之前的決定）。換家相當於從零開始 onboard 新成員。實務上建議的做法是：選一家從頭跑到上線，下次新專案再考慮換家試試看，而不是中途轉手。

Claude Opus 4.8 跟 Opus 4.7 差在哪？建網站場景的實測差異

我這次同一份 prompt 跑兩個版本實測：4.8 在合規細節（圖片 alt 全覆蓋、canonical 命名更負責、aria-label 從 4 個升到 8 個）明顯進步，客觀分從 77 升到 83；速度也比 4.7 快，4.7 約 20 分鐘、4.8 實際 AI 端只 10 多分鐘。但 4.8 有 4.7 沒有的兩個缺點：書封被 CSS object-fit:fill 壓變形（6 張全部變細長條）、reasoning log 輸出比這篇 21K 字實測文還長。建網站場景我會說 4.8 上限高、但穩定度還沒追上 4.7，正式生產任務建議再等幾週。

Opus 4.8 剛推出就切過去用值得嗎？還是等一段時間？

短答：先別急切。4.8 剛出來這幾天我用下來，穩定度感覺還沒追上 4.7——有些任務做到一半會卡住、結果跟 4.7 不一致需要重試。如果你在 Cowork 主跑高價值任務（合約審核、長期內容寫作、客戶資料整理、SEO 文章生產），建議先繼續用 4.7、等 Anthropic 把後續穩定性 patch 補完再切。新模型的合規進步很誘人，但生產環境穩定度永遠是第一順位，不是看單次實測誰交付得漂亮就馬上換模型。

為什麼我沒選 Cursor、Windsurf、v0？這次只測這三家的原因

你可能會問：「Cursor、Windsurf、Lovable、v0、Bolt 這些更熱門的 AI 建網站工具，怎麼沒測？」短答是：它們是不同產品形態，不該跟 Codex / Cowork / Antigravity 放同一個比較表。

❶ Cursor / Windsurf：定位是「IDE + AI pair programmer」，偏寫程式輔助、不是 end-to-end agent。它們是好工具，但跟「下單給 AI 幫我做完一個網站」的測試題目不同。

❷ Lovable / v0 / Bolt：純 prompt → 網站 SaaS，是「web app builder」。不需要本機環境，但部署到 Cloudflare Pages、處理 wrangler 流程、產交付文件這些都不在它們能做的範圍內。

❸ Devin：遠端雲端 AI 工程師，價格定位從 US$500/月起，不在普通內容創作者的考慮範圍。

所以這次三家是「能跑本機環境、能讀本機素材、能自己跑 deploy command 上 Cloudflare Pages 的 agent」的交集。Cursor 跟 Lovable 我也用過，下一篇我會單獨做 SaaS 類 builder 的橫向實測。

該不該付費訂閱？這 3 種情境我會這樣判斷

三家月費加總接近 60 美金（約新台幣 1,900 元），對個人用戶不便宜。我的判斷準則是看你屬於哪一種情境：

❶ 每週要做 ≥2 個 landing page / MVP 原型：自由工作者、產品 PM、行銷活動經理。這種情境我會選 Codex（一氣呵成最省工時），月費 US$20-40 划算。

❷ 長期經營內容網站或 SaaS 落地頁：合規與信任感優先。我會選 Antigravity（合規細節最齊；IDE 本身免費，但要持續用 Gemini 高階模型得訂 Google AI Pro，月費新台幣 650 元）+ 偶爾用 Cowork 改文案。月費約 NT$650-1,250 之間。

❸ 偶爾做一個個人作品集：學生、嘗試者。Antigravity 配 Google AI Studio 的免費 quota（每天有限額但夠跑單一專案）+ ChatGPT Free 含 Codex 限額，這種一次性場景幾乎不用花錢。

我自己現在的訂閱組合：Cowork Max US$200（長期經營主力）+ ChatGPT Pro US$200（含 Codex，需要快速跑工程任務時）+ Google AI Pro NT$650（解鎖 Antigravity 裡的 Gemini 高階模型）。三家加起來月支出約 US$420 / 新台幣 1.3 萬。如果要砍預算，我會先砍 ChatGPT Pro 那 US$200——Antigravity + Gemini 的 agent 能力跟 Codex 差異不大，ChatGPT 訂閱裡的「對話 + 圖片 + 語音」對我來說是 Codex 之外的 bonus，不是必要。順帶提一下 ChatGPT Pro 我留著的另一個原因——它在 Excel / 試算表的應用真的強，ChatGPT + Excel：用 AI 寫公式、清資料、做分析的省時技巧 那篇是我自己每週都會回去翻的工具文，從 PM 工作流角度看 Codex 不能完全取代。

想自己感受 Cowork 那種「會驗收」的協作體感？

👉 前往 Claude Code 官網

結論：AI Agent 建網站是「原型加速器」，不是「一鍵上線神器」

實測完三家最確定的一件事是：AI Agent 已經不是只能做玩具頁面。只要需求書夠清楚，Codex、Claude Cowork、Gemini Antigravity 都能在 30 分鐘內做出接近可部署的網站。

但另一件事同樣確定：它們還不是可以完全免驗收的外包團隊。三家都會在不同地方犯不同的錯——Codex 可能在你給的權限內做超出預期的事、Cowork 會謹慎到讓你覺得卡、Antigravity 會給你漂亮 README 但自己跑部署的判斷需要你再給一次。

而且把客觀成品評分攤開來看會更明顯：三家在 canonical URL、讀墨 sponsored、圖片 alt 這些「需要 AI 主動推論」的合規細節上表現差很多——Antigravity 三項都補上、Codex 跟 Cowork 都漏。這代表「AI Agent 能不能取代你」的天花板，不是看它寫程式快不快，是看它能不能像有經驗的工程師一樣，主動補上你需求書沒明寫但合規必須的細節。

所以我會把 AI Agent 建網站定位成：原型加速器——把過去 6 小時的工作壓到 30 分鐘，但上線前的人工驗收 30 分鐘還是要花。

我這幾年用 AI 工具最大的體感跟 AI 沒讓我更清閒，反而更忙了 那篇講的一樣——新工具不是讓你少做事，是讓你能做以前做不到的事。AI Agent 建網站也是這樣，它沒有讓建網站變不需要思考，是讓「我可以為這個小點子試做一個頁面看看」變成可能。

訂閱我的部落格，會不定期收到我繼續實測 AI Agent、踩雷、把雷寫成清單的文章——三家 AI Agent 都在快速進化，這篇的結論半年後可能又要重寫。

📋 完整提示詞模板：給想自己試的人自取

這次三家 AI Agent 用的是同一份 prompt（產品定位、UX、SEO、聯盟、Cloudflare Pages 部署、交付文件全在裡面）。我把完整版開放給你自取，你可以拿去：

❶ 複製到 Codex / Cowork / Antigravity 任一家試一次，看跟我做出來的成品差多少（如果你也是在做作者銷售頁或個人作品集，可以直接套）。

❷ 改成你自己場景版本（換素材、換產品類型、換部署平台），看 AI Agent 在不同任務上的相對強弱跟我這次結論一不一樣。

❸ 當作 prompt 寫作範本參考，看「同一份接近真實工作的需求書」要怎麼寫才能讓 AI Agent 端到端做完任務（不只是聊天）。

👉 通用提示詞模板（Notion 公開頁，可直接複製）：https://www.notion.so/AI-Agent-36b53272daec80f98b64ddb9f580e6c3

如果你拿去試之後做出有趣的成品（或踩到不一樣的雷），歡迎在 IG / Threads 分享給我看——我下一篇 AI Agent 實測可能會把讀者的案例放進來對照。

參考資料

• Google Antigravity 官方部落格 — Google Antigravity 2.0（2026 年 5 月 I/O 推出）官方介紹，前身 1.0 為 2025/11 發佈
• OpenAI Codex 沙盒與審核設定文件 — workspace-write 與 on-request 審核的官方說明
• Claude Cowork 安全使用指南 — Act without asking 模式的官方說明
• Cloudflare Pages Direct Upload 文件 — wrangler pages deploy 部署流程
• Google Antigravity Wikipedia — 平台架構與支援模型整理