Claude Duet 十項真實任務實測:九項平均 9.7 分,但錄音跟進做不出來
一句話:Diana 用同一份十項任務清單,在 2026 年 10 月 27 日與 28 日兩天實測 Claude Duet:會議準備、研究 PDF、每週簡報、內容計畫都拿滿分,同一份網頁 brief,點名用她自己的 Website Builder Skill 從 8.9 分變成 10 分;九項可評分任務平均 9.7 分,但第十項會議跟進做不出來——她給的是一段 MP3 錄音,Duet 找得到檔案、轉錄不了,也不肯猜裡面說了什麼。這篇的重點不是 9.7 分,而是兩件事:第一,Duet 強在「讀懂狀況再動手」,例如認出活動是直播不是開會、認出信箱裡全是自動信;第二,給 agent 具名來源與具名 Skill,成品會明顯不一樣。
案例主角做了什麼
作者的測試方法先說清楚:十項任務、同一套五項評分標準(設定 effort、完成度、正確性、輸出品質、需要多少人工監督,每項 0 至 2 分,合計滿分 10 分),每項任務只跑一次主要嘗試,唯一重跑的是收件匣(換 Gmail 帳號後重跑)。測試用她自己的 Claude 帳號、自己的信箱與檔案,不是示範環境。方案為 Claude Max 5x。以下是十項任務的結果。
1. 會議準備 10/10:認出這是直播,不是開會
作者請 Duet 幫她準備 11 月 3 日一場 Skool News 直播,資料來自信箱、行事曆與 Drive,並要求每一點寫明來源、推論要標示是推論。Duet 先讀懂狀況:這是一場她要看的直播,不是她要發言的會議,簡報的寫法因此不同;它還帶進相關外部新聞,讓簡報比只整理邀請函有用。做完之後它問簡報是否涵蓋她星期二需要的內容,她說是,任務才標示完成。作者說,寫給錯誤場合的簡報,比沒有簡報更糟。
2. 收件匣整理 9.3/10:信箱裡全是自動信,它說沒什麼需要你回
作者請 Duet 看過去七天的信、讀完整討論串、確認是否已回覆,只列出真正需要她處理的信,依緊急程度排序,過程中不動信箱。第一個接上的 Gmail 帳號裡幾乎全是自動信,Duet 說這些都不需要她親自回,並問她是否接錯帳號。換帳號之後,它找到幾封她真的落後未回的信,緊急程度排序與她自己的判斷一致。作者說,「這裡沒什麼需要你」是收件匣 agent 最難給、也最有用的答案。扣分在設定與監督:她得自己問現在接的是哪個帳號(介面沒有直接顯示),一次只能看一個信箱,任務清單的狀態也得由她手動更新。
3. 研究與 PDF 10/10:14 頁指南,長得像她自己的網站
作者請 Duet 比較 Claude Duet、OpenAI Dots、ChatGPT Work、Gemini Spark、Meta Muse,給初學者與小生意經營者看,引用各家自己的頁面並附連結與日期,做成可送人的免費指南 PDF。成品是 14 頁指南《Which AI agent should you start with?》,封面標示 Facts checked: October 28, 2026,用了她網站的品牌與排版風格,讀起來像 AI Agents Library 的文件,不是一般匯出檔,而且可以直接在 Duet 裡打開讀。作者提醒:滿分是她讀過指南後的編輯判斷,她沒有逐行稽核事實,封面的查證日期是 Duet 自己加的標示,不是她驗證過的;這類比較幾週就過期,拿到手要看日期。
4. 做網頁(直接下指令)8.9/10:能用,但像初稿
作者請 Duet 做一個獨立的 AI Agent Review Lab 頁面:十項測試的網格、評分說明、檢查表、藍白配色、手機可用、不編造結果、不動她的正式網站。頁面做出來了,連結只能她自己開。但文案與搜尋、AI 回答的思考停在初稿程度,離能直接用的頁面還差一段。扣分在完成度與輸出品質。頁面放在私人連結,只有她能開,邀請他人或匯出是另外的選項;放到自己的網站上是另外一步。
5. 每週簡報 10/10:先寫去哪裡找過,再給三個優先事項
作者請 Duet 寫一份過去七天的簡報:發生什麼、什麼重要、什麼需要行動、三個優先事項,每一項附來源。簡報標題為 AI Agents Library weekly brief, Oct 21 to 28,開頭先寫它去哪裡找過:Gmail、五個 Google 日曆、10 月 21 日以來變動的 Drive 檔案、Brevo 活動與寄信紀錄、她網站上的 Test Lab 與 Media 頁面;標示為推論的內容,明確寫是它自己的解讀,不是來源說的。最好的部分在後面:她可以直接在 Duet 裡逐行改簡報,例如選一句寫「把這兩句合併」,不用整段重寫。
6. 內容計畫 10/10:一週五篇,直接能用
作者請 Duet 排一週五篇內容計畫(評測、比較、工作流程指南、兩篇 LinkedIn 貼文),對象是她的讀者,目標是這個月要更多免費 Skill 下載與更多電子報訂閱。計畫實際可用,而且與每週簡報用同一種可編輯格式,她可以在介面裡直接改,不用先複製到別的地方。
7. 會議跟進(MP3 錄音)未完成:找得到檔案,轉錄不了,也不肯猜
作者請 Duet 把一場會議變成決策、負責人、截止日期與一封寫好不寄出的跟進信,會議是一段存在 Google Drive 裡的 MP3 錄音。Duet 在 Drive 裡找到錄音,開了一個標示 Needs input 的任務,然後停下。它說「找得到錄音,但在這裡轉錄不了」,沒有取出任何內容、也沒有寫任何草稿,「因為我不會猜裡面說了什麼」。它請作者先把 MP3 用 NotebookLM 或 Gemini 轉成文字、放進 Google Doc 或直接貼上,再由它做擷取與草稿。作者說,失敗的方式是對的:編造的決策與負責人,是跟進 agent 最貴的錯誤;但工作本身確實沒完成,這是整次測試最明確的一次失敗。作者也寫明:她原定的測試是用文字版會議紀錄,用錄音是因為很多會議實際上就是以錄音形式到來,所以這個結果只說明 Duet 在她的測試裡無法從錄音做到跟進,不說明它如何處理已經有的文字稿。
8. 做網頁(點名用 Website Builder Skill)10/10:同一份 brief,從 8.9 變 10
作者用同一份網頁 brief 從頭再跑一次,只多一句:請用她的 Website Builder Skill。她打字時 Duet 就帶出這個 Skill、顯示已附加。成品明顯不同,尤其在搜尋優化(SEO)方面反映了有經驗的網站製作者會做的決定,也更接近她要的標準,而且可以在 Duet 裡繼續改。作者揭露:Website Builder Skill 是她自己寫的免費 Skill;這是一次比較,不是隔離量測,無法證明效果只來自 Skill——Anthropic 說 Claude 會自動使用相關 Skill,第四項測試沒有點名,但不能證明 Skill 當時沒被用上。這是「直接下指令」與「點名用 Skill」的對照,不是 Skill 效果的獨立量測。作者也在其他 agent 上跑過同一類對照:Claude Code 上重建版 9.8 分對直接指令 8.4 分;OpenAI Dots 上較早版本 9.6 分。
9. 試算表 9.6/10:1,958 個公式,離開 app 改一個分數才驗到
作者請 Duet 做一個 Excel 活頁簿,四個分頁(Instructions、Content Tracker、Test Results、Dashboard),用她真實的 Test Lab 評測當資料列,能找到的已發表分數填進去,找不到的留白、不要猜。Duet 做了 XLSX 檔,說明哪些欄位留白以及為什麼:開始日期、目標日期與時數是她的網站沒有的,兩個發表日期留白是因為那兩篇評測頁面它打不開。它說 LibreOffice 已重算全部 1,958 個公式、沒有錯誤,另一組 Python 重算結果一致。作者提醒:自稱檢查過不算結果——她在 OpenAI Dots 測試裡遇過一個自稱 27 項公式檢查通過的活頁簿,在 Google Sheets 打開就壞了。所以她自己在 app 外打開檔案、改了一個分數,公式確實有效。扣分只在檢查步驟:Duet 的 app 內預覽不跑公式,儀表板總數可能顯示 0 或空白,要看真實數字得離開 app、在 Excel 或 Google Sheets 開,或請它轉成她 Drive 裡的 Google Sheet。
10. 結構化請求 9.5/10:三個具名檔案,換來三個機會與行動
作者請 Duet 讀她 Google Drive 裡指定的三個檔案,找出本週前三個機會、說明每個機會的證據、每個機會給一個具體行動。這是整篇評測裡她唯一公開逐字提示詞的任務,作者說這是她會交給任何在工作上用 AI 的人的那一句,見下方「提示詞怎麼下」。Duet 沒有退回通用建議,而是從指定的檔案與她的生意脈絡給出能行動的內容。扣 0.5 分在輸出品質:作者是視覺型的人,答案比她想要的更不視覺化;她建議,要卡片或表格就直接在提示詞裡說。
五項工作方式觀察
作者另寫五點與分數同等重要的日常體驗:工作像任務清單而不是對話,頻道裡每件任務標示進行中、排隊中、已排程或已完成,做完會問要不要標示完成,但狀態更新仍要她自己說;成品可以在原地編輯,簡報、計畫與測試 8 的網頁都能逐行改;PDF 可以在 Duet 裡讀,試算表只能預覽;要搞清楚現在接的是哪個 Gmail 帳號得自己問,一次只能看一個信箱;收件匣整理時她可以同時做別的事,但這不等於關掉 app 後繼續工作,後者這次測試沒有涵蓋。
用了什麼工具
- Claude Duet:全部工作的 agent,Anthropic 的產品,2026 年 10 月 21 日開放研究預覽;模型為 Claude Opus 5.5,不能自選模型;預覽期間不另收費,用方案本身的用量額度,背景工作也計入
- Gmail:作者接了兩個 Gmail 帳號,一次只能看一個;第一個帳號幾乎全是自動信,Duet 說沒什麼需要回,並問是否接錯帳號
- Google Calendar:作者有五個日曆,寫每週簡報時 Duet 全部看過
- Google Drive:會議 MP3 錄音、三個指定檔案、簡報參考的變動檔案都在這裡
- Brevo:作者的寄信工具,寫每週簡報時 Duet 讀了活動與寄信紀錄
- Canva:接在作者的 Claude 帳號上,這次測試沒有寫到它的使用結果
- NotebookLM 或 Gemini:Duet 自己建議的轉錄工具,作者沒有在這次測試裡跑這一步,所以轉錄後再交給 Duet 的流程沒有驗證過
- LibreOffice 與 Python:Duet 用來重算 1,958 個公式的工具,作者另外自己改一個分數驗證
提示詞怎麼下
注意:原文章只公開了一句結構化請求的逐字原文,以下模板是依案例中的做法與規則整理,不是作者原文,結構化請求那一句除外,已標示為作者原文。
作者原文(英文,結構化請求,檔案名稱已換成佔位符):
Review these three sources in my Google Drive: "[File 1]", "[File 2]" and "[File 3]". Identify my top three opportunities this week, explain the evidence for each, and give me one specific action per opportunity.
作者說這是整篇評測裡她會交給任何在工作上用 AI 的人的一句。它的結構值得抄:具名來源(哪三個檔案)、要什麼形狀的答案(三個機會、每個機會的證據、每個機會一個具體行動),沒有一句多餘的形容詞。作者也寫明,她的測試清單原本設計成一對:模糊的一句話版本與結構化版本,她只跑了結構化版本,所以這個結果只說明 Duet 遇到寫得清楚的請求時表現如何,不說明它會不會補救寫得含糊的請求。
整理模板:
你是我的每週營運助手,我一個人經營一間小生意,
工作都在 Gmail、Google Calendar 與 Google Drive 裡。
你只根據我具名的來源回答,沒看到的就留白、不要猜,
每一點寫明來源,推論要標示是推論。
開始之前,先寫好我的規則:
- 寄出、付款、簽署、刪除之前,一定要先問我,等我確認
- 找不到的檔案、打不開的頁面、缺的數字,直接寫缺了什麼,不要編一個補上
- 錄音、圖片這類你讀不了的檔案,先停下告訴我,不要猜內容
- 成品先給我看,我改完才算完成;改壞了先停下,列出改了什麼再繼續
可用來源:
- 我指定的三個檔案(每次寫明檔案名稱)
- 我的 Gmail(先確認現在接的是哪一個帳號,一次只看一個信箱)
- 我的 Google Calendar(全部日曆都要看)
- 我的 Google Drive(只看我指定的檔案與資料夾)
輸出格式:
- 每週簡報:發生什麼、什麼重要、什麼需要行動、三個優先事項,每一項附來源
- 內容計畫:一週五篇,寫明每一篇的主題、對象、目標
- 機會清單:前三個機會,每個機會寫證據、再給一個具體行動
- 試算表:分頁、欄位、公式都要能打開驗證,缺的數字留白並寫原因
- 網頁:先做私人連結給我看,不動我的正式網站
你可以自己做的事:
- 讀我指定的檔案、整理成簡報、計畫、清單
- 讀信、讀行事曆,列出真正需要我處理的事
- 做研究、寫 PDF、做試算表、做網頁草稿
- 我點名某個 Skill 時,用那個 Skill 做同一件工作
一定要等我確認的事:
- 實際寄出任何電子郵件或訊息
- 實際付款、簽署、刪除任何東西
- 實際發佈任何貼文或網頁到我的正式網站
- 任何要我交密碼、登入帳號、給完整磁碟存取權的要求,先停下問我
- 換 Gmail 帳號、換來源檔案之前,先跟我確認
完成後回報格式:
- 今天做了什麼:每一件寫結果、來源、有沒有需要我確認的地方
- 簡報與計畫:成品連結、能不能直接在原地改、有沒有哪一段是你推論的
- 試算表:公式總數、重算結果、你自己驗證過沒有、我還要在哪裡再驗一次
- 機會清單:三個機會、每個機會的證據、每個機會的一個具體行動
停下條件:
- 要你直接寄出、直接付款、直接簽署、直接刪除,但我還沒確認
- 來源檔案找不到、打不開、缺數字,先停下,寫明缺了什麼再繼續
- 遇到錄音、圖片這類你讀不了的檔案,先停下,告訴我該用哪個工具先轉成文字
- 試算表在 app 裡只能預覽、公式跑不出來,先停下,告訴我去哪裡驗證
- 答案沒有來源,無法核對,就停下,用一句話告訴我,不要自己重試
- 寫網頁時沒有點名 Skill,成品像初稿,先停下,問我要不要點名 Skill 重做一次
今天能抄的任務句範例,同樣為整理範例,不是作者原文:讀我 Google Drive 裡指定的三個檔案:[檔案 1]、[檔案 2]、[檔案 3]。找出本週前三個機會,說明每個機會的證據,每個機會給我一個具體行動。沒看到的就留白、不要猜,每一點寫明來源,推論要標示是推論。寄出、付款、簽署、刪除之前,一定要先問我。
今天能抄的一步
作者沒有寫一套複製步驟,但她的做法可以濃縮成三步:第一,先寫好十項任務清單,每一項寫明要什麼、從哪裡找、怎麼算完成,提示詞在測試前就寫好,不中途改題;第二,第一次只給最小但夠用的接取——Gmail、行事曆、Drive,先確認接的是哪個帳號,再開始工作;第三,成品一定要自己驗一次,試算表改一個分數、PDF 逐段讀、網頁點開看,agent 說檢查過不算驗證。
先從一件「要寫給別人看」的工作開始,例如一份會議準備簡報、一份每週簡報、一份內容計畫——這是 Duet 在這次測試裡最穩的三類成品。網頁要做第二次:第一次直接下指令,第二次點名 Skill 再跑一次,兩版放在一起比,比只跑一版更知道差別在哪裡。錄音跟進不要直接交給它:先用別的工具轉成文字,再交文字稿。
停下條件,符合任一項就停下改人工處理:agent 要對外寄出、付款、簽署、刪除,但你還沒確認內容;agent 要你交密碼、登入帳號、給完整磁碟存取權,先停下,決定好最小授權範圍再繼續;來源檔案找不到、打不開、缺數字,先停下,寫明缺了什麼,不要自己猜一個補上;遇到錄音、圖片這類 agent 讀不了的檔案,先停下,先轉成文字再交給它;試算表在 app 裡只能預覽、公式跑不出來,先停下,到 Excel 或 Google Sheets 打開驗證;agent 給的答案沒有來源,無法核對,就不要用於對外內容;寫網頁時成品像初稿,先停下,點名 Skill 再跑一次,兩版放在一起比。
限制與未查證項目
這是兩天、十項任務的測試,不是長期使用心得:作者明確寫沒有量測每週省下多少時間,也不會從兩天推估;每日簡報、關掉 app 後繼續工作、寄出前的確認畫面、用量消耗,這次測試都沒有涵蓋,作者沒有寫成已驗證的結果。
9.7 分是九項可評分任務的平均,不是整體可靠度:第十項會議跟進沒有分數,作者沒有把它算成零分,但也明確寫 9.7 分不包含這次失敗;她也提醒,各家 agent 的測試日期與任務不同,不要把 9.7 分讀成 Duet 勝過 Claude Cowork 的 9.3 分或 ChatGPT Work 的 9.15 分。
分數是作者本人的編輯判斷,不是獨立量測:每項任務五項標準各 0 至 2 分,她沒有逐行稽核研究 PDF 的事實,封面的查證日期是 Duet 自己加的標示;試算表 1,958 個公式的重算結果是 Duet 自述,作者只另外改了一個分數驗證公式有效,沒有逐一驗證全部公式。
價格與准入以作者文章所寫與 Anthropic 官方文件為準:研究預覽期間不另收費,用方案本身的用量額度,背景工作也計入;准入為美國 Claude Pro 或 Max 方案、等候名單邀請,Team/Enterprise 尚未提供,Microsoft 365 尚未支援;模型固定 Claude Opus 5.5,不能自選;方案內容可能變動,購買前請以官方方案頁為準。本篇寫稿時未重新查證方案頁。
作者身分只用對方公開寫出的部分:Diana,AI Agents Library 創辦人、no-code AI agent 教育者,自述為初學者與小生意經營者製作不用寫程式的 AI agent 工作流程;文章沒有寫其他背景,本篇不推測。作者揭露:Anthropic 沒有贊助這篇評測、沒有事先看過文章,她自費 Claude 方案;Website Builder Skill 是她自己寫的免費 Skill,測試 8 已標示。
失敗經驗已寫進正文:MP3 錄音轉不成跟進、試算表得離開 app 才驗得到公式、直接下指令的網頁像初稿、一次只能看一個 Gmail 帳號、任務清單狀態要自己手動更新。這些都是作者本人說法,本篇不改寫成產品保證。
既往使用揭露:Claude Duet 這個工具先前已在本系列用過一次(2026-11-05,Christopher Alarcon 第一天實測:等候 8 天拿到邀請、保險追蹤只做到整理、背景工作吃用量額度),本篇是不同作者、不同案例(Diana 的十項任務兩天實測)。同一位作者 Diana 的 Meta Muse 十項真實任務實測已在本系列 2026-11-09 用過,本篇是不同 agent、不同測試,案例本身沒有重複。Claude Duet 也出現在本頻道 EP10(Christopher Alarcon 第一天實測),本篇案例本身沒有重複。
資料來源
- AI Agents Library 作者 Diana:Claude Duet Review: I Tested It on 10 Real Business Tasks,測試於 2026-10-27 至 10-28,連結 https://www.aiagentslibrary.com/blog/claude-duet-review/,2026-11-14 查閱