前几天群里甩来个链接，agent.reviews。我本来打算扫两眼就关的，结果停在 Cursor 那一行。
3.7 分，576 条评论。
盯了三秒。第一反应是数据坏了。然后才看清评论是谁写的——首页列着来源：Claude Code、Codex、Muse Code，还有一栏写着「其他代理」。给 Cursor 打 3.7 的，是它的同类。
画外音：让竞品互相打分，这主意我到现在也没想明白是天才还是缺德。
真让我坐下来的是它上面那一行。
Git，4.7 分，两万零二十五条评论。
同一张榜，两万和五百七十六差两个数量级。到这一步它就不是评分网站了，是普查记录。
把数字换个顺序，故事就没了
我把首页那批抄了下来，按看到的顺序：
Cursor 3.7 576
Git 4.7 20,025
Greptile 4.4 12
FastAPI 4.6 1,835
Playwright 3.7 223
Claude API 4.3 2,959
Auth0 4.0 570
Vercel 4.1 1,297
很正常的一个榜，分数全挤在 3.7 到 4.7 之间。
然后我什么都没改，只按评论数重排：
Git 4.7 20,025
Claude API 4.3 2,959
FastAPI 4.6 1,835
Vercel 4.1 1,297
Cursor 3.7 576
Auth0 4.0 570
Playwright 3.7 223
Greptile 4.4 12
同一批数字，观感全变了。左边那列零点几分的差距，放到右边这个量级面前基本没意义。分数是配角，评论数是主角。
站上有个分类叫「版本控制与代码审查」，十个工具，前三名：
1. Git 4.7 20,025
2. Greptile 4.4 12
3. GitLab 4.4 73
第二名，十二条评论。
我对着这个看了很久。一个十二条评论的东西排第二，只能说明这分类里剩下的工具加起来也没被碰过几次。想拿它「帮我选工具」，参考价值比看上去低得多。
但换个用法，它突然就值钱了。
为什么是 Git
这批数字是我这半年能拿到的、关于「agent 到底需要什么样的工具」最实在的一份材料——也是唯一一份不靠我们替它猜的。平时聊某个工具对 agent 友好不友好，全是我们替它表态。这回是它自己投的票。
Git 拿 4.7，我一点都不意外，理由很具体。
git 的每一次失败都是可解析的失败。它不猜你要什么，没有跨调用的记忆，结果写在 stdout 里，出错就返回非零退出码。你可以在没有 TTY 的地方跑它。
git diff --name-only HEAD~1
就这一行，输出稳定、可切、可比较。agent 读 diff 跟读母语差不多——diff 本来就是为这类读者设计的，粒度约定好了，上下文行数固定。
FastAPI 4.6、1835 条，我押的原因是报错信息。它的校验失败是结构化的：哪个字段、缺了什么、期望什么类型，都在一个机器能直接读的结构里。对 agent 来说，一串能定位到字段的路径，比一句「请求参数有误」值钱太多。
分低的那些，问题往往不在功能。
Cursor 3.7——我不觉得 Cursor 差，我自己天天开着。但它对 agent 有个天生的麻烦：用它等于把活外包给另一个 agent，然后还得去审那一个的产出。链路从一段变两段，每段都带自己的判断和不确定性。一个实习生评价另一个实习生，还要给出公允分数，这画面我熟，结果我也熟。
还有一层更别扭的：agent 摸得到的 Cursor，只是 Cursor 露出来的那一小部分。它很多价值在界面里，而界面是给眼睛的。打分的是它够得着的那一面，不是它。
这里我犹豫了一下要不要写这段，因为听着像在替 Cursor 找台阶。但这是我能给出的最接近解释的一版，就先放着。
Playwright 3.7 是我没料到的，223 条这个量级也偏小。要我猜，我会往等待和选择器的不确定性上猜——但那就真是在猜了，不写进结论。
这个站自己比它的评分有意思
首页要求启用 JavaScript 才能浏览和比较评论。作为一个 agent 优先的产品，这门槛有点辣眼睛。
但反过来，它给每个页面都备了一份 Markdown 版本——原地址后面加 .md 就行，所有页面链接列在 llms.txt，评论数据还开了个 JSON 的口子公开读。
https://agent.reviews/<页面>.md
curl -s https://agent.reviews/llms.txt
这两件事放一起看，一点都不矛盾。它把人当访客，把 agent 当用户。搜索框旁边那个 ⌘K 是留给人的，llms.txt 是留给 agent 的。
一个网站主动把自己每一页降级成纯文本，这是我今年看到最像样的一次「知道自己用户是谁」。
更狠的是评论怎么来的。站上给了接入说明：读 skill.md 学怎么写评论，装法看 install.md。别的 UGC 网站忙着搞人机验证、防爬、防刷分，这个站反着来——它写了份教程，教 agent 怎么来给它交数据。
这直接决定了那批数字的性质。评论的分布不反映人的偏好，也不完全反映工具好坏，它反映的是哪些工具在无人监督的时候被 agent 碰得最多。Git 排第一，因为 git 无处不在。
这里我卡了一会儿。既然这站自己都愿意做 .md，那 agent 打分的时候，「文档能不能直接 curl 到」这件事，会不会本来就算在分数里？如果是，那 .md 就不只是方便，它是分数的一部分。这个我验证不了，但我觉得很可能是真的。
那条没跑起来过的流水线
也是因为这个，我把分类里二三名那两条评论摘要翻了出来。有一条值得单独说。
GitLab 那条写着：在内部 runner 上配了一个只在合并请求上触发的咨询性 CI 审查任务，用内部基础镜像，密钥只通过受保护变量传，结果计划以 MR 备注的形式发布。整段记录里，没有一次实际跑过的流水线。
配置全对。该用受保护变量的地方用了，该限定只在 MR 触发就限定了，结果怎么落地也想好了。唯一的毛病是，从头到尾没跑起来过。
是权限不够还是它自己没往下走，我说不准。但这个形状我认得——描述写得很完整，配置写得很完整，唯独对结果闭口不谈。
我每周在 code review 里退的稿，大半是这个毛病：写的是意图，不是结果。区别在于人退一次稿，下次会把跑过的输出贴上来；agent 退一次稿，它会再写一段同样自信的话。
所以我还没上去写评论
本来想派个实习生也去交一条，想了想没写。
第一个理由，没想好派谁。让 Claude Code 去评 Cursor，那不叫评审，那叫隔壁工位打分。
第二个理由更实在。agent 对工具的评价，单位从来不是「工具」，是「工具 × 这个仓库」。我手上那个项目 git 历史乱得可以，分支策略改过三回，submodule 玩崩过两次——它要是给 git 打 4.7，这 4.7 里有多少是 git 的，多少是我这仓库的，分不出来。榜上每一个分数，都是无数个互不相干的代码库平均出来的，方差多大没人知道。
所以前面那句「读分母别读分子」，我得自己收一收。
分母也不等于好坏，它只说明被碰到过。而「被碰到」这件事本身就偏——agent 在没人盯着的时候能自己动的工具，评论自然多；要账号、要密钥、要审批流的，评论天然就少。Auth0 那 570 条不代表它比 FastAPI 差，只代表接 OAuth 这件事不太可能让 agent 一个人干完。
收小之后的结论只剩一句：这个榜不适合拿来选工具，适合拿来看 agent 的日常动线。想知道你的实习生平时在哪些工具之间打转，这个比我拍脑袋准。
以后撞见这类「AI 评选」出来的榜，我第一件事是找分母。分子是情绪，分母是事实。至于这个站有没有给自己的页面备一份 .md——那说明它到底知不知道自己在给谁看。