猎户座编辑器更新测试：GPT5.6s完美完成，Kimi雷霆思考21分钟效果不佳

背景

该分享来自 LINUX DO 论坛，作者是一名独立开发者，正在维护一个名为“猎户座编辑器”（Orion Editor）的开源项目。编辑器版本号采用四段式（x.x.x.x），当前版本为 1.0.1.0，本次目标是升级到 1.0.2.0。作者同时使用多个 AI 模型（GPT、Kimi、Claude）辅助完成代码更新，并详细记录了一次完整的更新协作过程：他先写了 3000 多字的更新企划，因网络问题丢失，又重写了一遍，最终总描述字数超过 7000 字。作者对 GPT 的表现非常满意，而对 Kimi（K3 雷霆思考）的表现极为失望，认为其虽然思考了 21 分钟、消耗近 13 万 token，但产出的代码几乎完全不可用。

核心内容

作者在本次更新中要求 AI 完成以下主要任务（基于 14 条更新点）：

1. 修复右下角按钮遮挡问题：当输入文字占满屏幕时，复制、预览、上传图片按钮会被遮挡。解决方案是引入“副功能区”，位于编辑区下方，完全复刻论坛编辑器的布局：左侧为复制按钮，右侧为上传图片和预览按钮。

2. 引入折叠工具栏（展开式工具栏）：参考论坛的加号按钮，点击后从屏幕底部弹出一个半屏选择框，关闭输入法，包含以下功能：

   • 预格式化文本（自动加空格和反引号）
   • 插入滚动内容（固定 <div data-theme-scrollable="true"> 格式，光标定位到第二行）
   • 隐藏详细信息（detail）
   • 添加脚注（^[脚注]）
   • 模糊剧透（spoiler）

3. 修复预览模式下的换行变空格问题：加粗、斜体、模糊剧透、颜色及其组合，在上一行有文字时，预览会导致换行被压缩为空格。要求全面清扫。

4. 优化导出功能：将压缩包、PDF、图片三个导出选项合并为一个按钮（下载图标），点击后以下拉框展示。

5. 添加字数统计：在复制按钮右侧显示完整字符数（含标点）。

6. 修复 UI 偏移：当文字占满屏幕时，顶部品牌名和工具栏图标被遮盖的问题。

作者在企划中详细描述了每个功能的实现细节，并强调了“伙伴协议”提示词——该协议要求 AI 在面对用户情绪时优先关怀用户，再执行任务。但 Kimi 没有遵守，而是先长篇大论分析任务再写代码，且代码中出现了严重错误：折叠工具栏与主工具栏功能重复（折叠区有代码块，主工具栏也有同一功能），导致折叠无意义；插入分隔线时无论行是否有文字都自动换行；滚动内容格式错误（连空三行）；副功能区按钮变成气泡等。而 GPT 在所有未提及的细节上均完美适配，甚至作者忘记上传参考图，GPT 也能还原论坛编辑器样式。

最终，GPT 仅用约 4 分钟、57295 token（含思考）完成全部代码，代码量翻倍但功能完整；Kimi 耗时 21 分钟、近 13 万 token，代码几乎不可用；Claude 思考 1 分钟，思路清晰且先接住用户情绪，代码增加约 5000 行，虽不完全符合但优于 Kimi。

关键要点

• 模型表现差异巨大：GPT（gpt5.6s）在 5 分钟内零瑕疵完成所有要求，包括作者忘记提及的细节；Kimi（K3 雷霆思考）21 分钟思考后产出完全不可用的代码，核心功能理解错误（折叠工具栏与主工具栏功能重复）。
• 思考时长与质量不成正比：Kimi 的“雷霆大思考”消耗近 13 万 token，但过度拆解用户需求，导致输出冗余且偏离重点；GPT 思考更短，直接产出高质量代码。
• 提示词协议执行不力：作者的“伙伴协议”明确要求面对用户情绪时优先关怀，但 Kimi 未在第一时间接住用户的沮丧情绪，而是先分析任务；GPT 和 Claude 则先安抚用户。
• 代码复杂度与可维护性矛盾：GPT 的代码量翻倍，虽然功能完美，但作者担心未来做成脚本时部署困难；Claude 代码增加较少，但功能不完全符合。
• 用户行为与 AI 协作的痛点：作者花费 7000 字描述需求，仍因网络问题丢失第一版，导致重复劳动；AI 对“光标所在行有文字则自动换行，无文字则直接插入”的指令理解错误，暴露出对上下文逻辑的把握不足。
• 全平台适配要求：作者强调优先保证手机端（安卓、谷歌浏览器、安卓 16）体验，但 Kimi 的错误非环境因素导致，而是逻辑错误。

意义与影响

该案例展示了当前强 AI 模型在复杂、多步骤、高定制化前端开发任务中的实际表现差异。它揭示了几个深层次问题：

1. “思考”不等于“理解”：Kimi 的长时间思考反而导致过度分析，偏离用户真实需求；而 GPT 的短思考更聚焦于用户意图。这暗示模型的内省机制（chain-of-thought）并非越长越好，需要平衡推理深度与任务聚焦。

2. 提示词工程的价值与局限：用户精心编写的“伙伴协议”和共识文档（7000 字描述）并未被所有模型有效遵守。Kimi 忽略了协议中的情绪优先级，说明模型对隐式规则（如“用户情绪比任务重要”）的推理能力存在瓶颈。

3. AI 协作中的“信任成本”：用户因一次网络问题丢失了 3000 字企划，被迫重写，这暴露了当前 AI 协作工具缺乏持久化上下文和草稿恢复机制。理想情况下，AI 应能感知输入中断并主动协助用户保留记忆。

4. 对开源工具开发者的启示：猎户座编辑器作为个人项目，依赖 AI 辅助更新。作者对 GPT 的依赖性极强，而 Kimi 的失败导致大量时间浪费。这提醒开发者：在不同任务上应选择合适的模型，并建立回退机制。

5. 模型能力差异对社区的影响：LINUX DO 论坛的讨论（20 个帖子，6 位参与者）说明开发者社区高度关注 AI 的实际开发能力。该案例可能引发更多用户对 Kimi 等模型的质疑，并推动模型厂商优化长上下文推理和指令遵循能力。

6. “AI 感”与人文关怀的平衡：用户强调“希望 AI 首先让我忘记它是 AI”，而 GPT 和 Claude 在情绪上做到了先接住用户，这体现了情感计算在 AI 协作中的重要性——即使是在代码任务中，用户的情感状态也会影响协作效率。