My Digital Worker : Model / Software Usage

导言

• 第一阶段的目标: 接入api模型，完成每日的工作相关基础的信息收集和整理归档。
• 第二阶段的目标: 无监管处理较简单事项；
• 第三阶段的目标: 参与构建复杂系统，和辅助重要决策。

要点

1. 环境搭建：OpenClaw, Trae的搭建，整理环境迁移教程，
2. 基模接入：各个LLM API的比价和选择，
3. 工具接入：微信公众号、github 热榜、财经信息、
4. 维护成本分析。

使用策略推荐

1. 知识问答：参考
   GPT-5.5（幻觉极低）
   豆包（国内）

2. 内容创作与知识管理：
   Claude Opus 4.6（独一档的夯，别用Opus 4.7，真的拉）
   DeepSeek V4 Pro（国内）

3. 数据分析：
   Codex + GPT-5.5
   Claude Code + GLM-5.1（国内）

4. 前端设计：
   Gemini 3.1 Pro
   Kimi K2.6（国内）

5. 架构规划：
   Claude Code + Claude Opus 4.7
   Claude Code + GLM-5.1（国内）

6. 代码开发执行：
   Codex + GPT-5.5
   Claude Code + GLM-5.1（国内）
   PS：我现在一般是cc + Opus 4.7做完规划以后，Codex + GPT-5.5去进行详细开发和执行。

7. 深度研究：
   ChatGPT DeepResearch
   豆包（国内）

8. 图片与平面设计：
   GPT-image-2（独一档的夯）
   即梦Seedream-5.0-lite（国内）

9. 视频生成与编辑：
   Seedance 2.0（运动质感）
   可灵3.0（电影质感，原生4k夯爆了）
   PS：两个都是国内的。

基模接入

不同于传统的排行榜，个人使用时，除了绝对性能要靠前，响应速度和价格也是重要的维度：

代码能力：

• codeRank1

综合指标：

• openrouter
• designAI
• artificialanalysis

价格：

厂商	百万tokens输入（缓存命中）	百万tokens输入（缓存未命中）	输出
deepseek	0.2	2	3
GLM-5	1	4	18
kimi 2.5	0.7	4	21
qwen 3.5 plus 0<Token≤128K 输入（后续阶梯升，）	0.8	0.8	4.8
MiniMax-M2.5	0.21	2.1	8.4

聚合的厂商（按量收费）

• openrouter 收 5.5% 手续费
  • 支持支付宝，
  • 国内貌似加速了，不需要翻墙。
• opencode zen（每笔交易 4.4% + $0.30）
  • 国内用外面的还是要开代理

聚合的小厂商（按月套餐，削峰填谷）

• packycode
• aicodemirror，这个相当实惠
• 国内就是：阿里百炼、和字节火山云（自己厂商服务器多，部署经验足，价格便宜，模型广泛）

优选 kimi 2.5 , deepseek v3.2。

省钱技巧

• gemini不要直接官方买pro，建议买别人的家庭组，更便宜。然后我是花了299拼的gemini ultra
• 省钱可以使用opus做详细规划然后让GLM去编码最终的结果让codex来review。

Trae

• IDE模式：国内模型随便接入，
• 有SOLO模式：最好只有deepseek v3.2

和我家里配置的opencode相比，感觉好蠢，两天花费了50M+ tokens，也没解决问题，费时费力

整个系统变量太多，其实不知道是不是没有oh my opencode的统一skills，还是deepseek v3.2 相对于 codex太弱了。

具体问题：

1. 完全不熟悉NPU应该怎么处理，需要NPU的skills：
   1. 一遇到问题就去换版本重装torch
   2. 也不知道要source CANN
   3. AI 发现 没有HCCL，竟然去重装 torch，竟然不知道NPU上是用NCCL
   4. vllm跑不了，没发现是vllm_ascend没装。
2. 完全不理解verl的复杂架构
   6. 我说要使用fsdp2后端，却总是改mcore的代码。
3. 记忆很差、感觉需要增强记忆的skills或者rules：
   1. 跑着跑着，调试的程序忘记了要source CANN；也不记得我是有conda环境的，又跑到裸机环境去了；我说的要重定向调试信息到日志也不记得。
4. AI 发现问题，不是去分析根因，而是把报错的代码删除或者跳过，这是持续给自己增加技术债（不知道是模型还是系统提示词的原因）
   1. torch报错，竟然认为是torch写错了，在torch库里一顿改。

Agent的coding的一些经验

1. 首先是一定要有plan，plan无论多详细都不为过。比如说verl的这个里面，它总是忘记，甚至忘记装vllm Ascend这些事情；
2. 其次就是我觉得环境要我们帮他装好，
3. 一定要指定好他这个参考的脚本，比如这个GRPO脚本，不然他自己之前还找了个one step off的脚本去做，完全就南辕北辙了。

opencode

太贵了

• 使用免费的kimi 2.5，新增个UT，花费了 23400 Token，大约5毛。

• BUILD 模式相对于vibe coding能帮你写一大段代码，但是他不能帮你运行和看报错。现在还是需要手动介入，而且写出的代码bug好多，requirements.txt里加注释这种低级错误都有。

Oh My OpenCode

安装 ：bunx 需要设置$env:HTTPS_PROXY="http://127.0.0.1:7890"

(base) PS D:\PowerShell> bunx oh-my-opencode@latest install
error: UNKNOWN_CERTIFICATE_VERIFICATION_ERROR downloading package manifest oh-my-opencode

npx 不推荐

npx oh-my-opencode install竟然导致崩溃

(base) PS D:\PowerShell> opencode.exe
{
"name": "BunInstallFailedError",
"data": {
    "pkg": "oh-my-opencode",
    "version": "3.7.1"
}
}

经典使用

• OpenCode详细攻略，开源版Claude Code，免费模型与神级插件
• wiki

必读内容

• Trae的 rules是必须读的
• opencode里 是 opencode.json

服务器编程

建议还是不要在服务器安装OpenCode，ClaudeCode之类的，推荐vscode + cline

服务器安装，一方面可能泄露密钥，一方案CLI还是没有传统IDE那么多功能集成（vscode还是很多插件的）

想了半天，还是安装到服务器我新建目录/home/t00906153，整体配置，之后整体打包迁移。

针对前面的问题必须安装：

1. ohmyopencode：让opencode自己安装curl -s https://raw.githubusercontent.com/code-yeongyu/oh-my-opencode/refs/heads/dev/docs/guide/installation.md
2. find skills：
   1. find-skills在发现没有npu的skills之后，竟然自己把网络信息整合写了一个
3. npu/ai training skills
4. 构建Agents.md

运行不畅

不知道是不是转发网络的问题（华为的网限制了？），还是阿里模型被限流/偷工减料了。

跑了几百步就莫名其妙不回答了，

Skills

安装：npx skills update

包管理器

安装包管理器：MagicSkills

通用基础

npx skills add https://github.com/vercel-labs/skills --skill find-skills
npx skills add https://github.com/google-gemini/gemini-cli --skill docs-writer
npx skills add https://github.com/affaan-m/everything-claude-code --skill tdd-workflow
npx skills add https://github.com/obra/superpowers --skill requesting-code-review
npx skills add https://github.com/anthropics/skills --skill frontend-design

理解类Skills

社区AI专家

agency-agents：避免重复造专家。

整体编排

• Ruflo: 60+智能体，通过三层记忆组织，大幅度减少token消耗；
• gstack：12个和代码开发相关的skills
• ljg-skills：理解 -> 写出 -> 压缩 -> 传播

ljg-skills 极具个人风格的 理解 -> 写出 -> 压缩 -> 传播 闭环skills

• 内容理解与表达原子：解决如何“想明白、说清楚”。
◦ ljg-plain：将复杂内容改写到“聪明的12岁孩子也能懂”，核心是提供具体的负面清单（如禁用学术腔），是仓库精神的代表。
◦ ljg-word：深度拆解英文单词，聚焦于其“原始物理画面”和“核心意象”，旨在内化词汇而非仅翻译。
◦ ljg-learn：（概念解剖）：用8个维度（历史、辩证、现象、语言5. 形式6. 存在7. 美感8. 元反思）深度解剖抽象概念，旨在“换隐喻”以深化理解。
◦ ljg-rank：不止于总结，而是找出一个领域背后“最小、独立、有生成力”的核心驱动因素，是建模思维。
◦ ljg-writes：定义一种“边想边写、思考可见”的写作姿态，旨在封装写作的“风格”和“气口”。
◦ ljg-invest：以“秩序创造机器”为框架分析项目，不追求中立，而是提供有鲜明个人判断框架的投资分析。
• 阅读与研究链：处理复杂输入材料。
◦ ljg-paper：将论文的思想提取为普通人可带走的认知，强调“费曼翻译”和“博导式审稿”，最终落脚于“对我有何启发”。
◦ ljg-paper-flow：工作流。串联 ljg-paper 和 ljg-card，将“读完论文”直接连接到“生成可传播卡片”。
• 传播与可视化链：将理解转化为可交付物。
◦ ljg-card：生成有设计品味的PNG视觉卡片，有严格的视觉规范（如禁用某些字体、排版），旨在产出“作品”而非截图。它在实际安装中常暴露环境依赖问题。
◦ ljg-word-flow：工作流。串联 ljg-word 和 ljg-card，实现“解词 -> 制图”的传播链。
• 系统与外部世界连接层：处理外部触达与工作流编排。
◦ ljg-skill-map：生成ASCII图，直观显示本机实际可用的技能，是重要的“现实检验器”。
◦ ljg-x-download：依赖 yt-dlp 从X/Twitter下载媒体文件，实用但易受环境制约。
◦ ljg-travel：野心最大的工作流，为旅行目的地做深度案头历史文化研究，产出文档和路线卡。

AllInOne

• superpowers^1
• ECC（affaan-m/everything-claude-code）
• Oh-my-Opencode

创建规则

• 创建skill的skill
• MCP Builder

计划类

• Planning with Files：规划、进度和知识都写进 Markdown 文件。Claude 开始干活前先创建计划文件，每完成一步就更新进度，遇到有用的信息就记到知识文件里。文件在磁盘上就不会丢，即使上下文被压缩了也能恢复状态。
• 强制设计的 Brainstorming Skill ：任何项目，不管多简单，都必须先经过设计讨论，获得你认可后才能开始实现。

前端类

• 前端 UI UX Pro Max
• 浏览器操作 agent-browser

编码类

• 循环监工Ralph Loop：Ralph Loop 不让它停。Claude 试图退出，Hook 拦截，检查完成条件，没满足就塞回去。循环往复，直到真正做完。
• 系统化调试的 Debugging Skill：方法论的好处是避免乱猜乱试，减少改出一个 Bug 引出两个新 Bug 的情况。据统计，系统化调试 15-30 分钟搞定，随机修复可能要折腾 2-3 小时。
• 检查冗余代码code-simplifier
• 代码检视 Code Review

报告类

• PPTX

PUA skills：

• GitHub - puaclaw/PUAClaw: Claw 们终将接管世界，PUAClaw is All You Need；

安装完毕可以问opencode，你现在有什么skills来判断是否安装成功。

文档整理

洁癖.Skill

量化金融

npx skills add wshobson/agents@backtesting-frameworks -y
npx skills add wshobson/agents@risk-metrics-calculation -y
npx skills add stanleychanh/tushare-finance-skill-for-claude-code@tushare-finance -y
npx skills add personamanagmentlayer/pcl@finance-expert -y
npx skills add gracefullight/stock-checker@stock-analysis -y
npx skills add 404kidwiz/claude-supercode-skills@quant-analyst -y
npx skills add letta-ai/skills@portfolio-optimization -y

Claude Code

• Plan/Build Agent
• Agent Team，面对发散的任务并行效果好，面对聚集的场景，同质化响应，效果差。

也有desktop界面，但是需要开会员才能激活

编程的前沿探索者：/btw /loop 命令， Claude Hub 插件

还是需要尝试使用的。

手机编程：接入微信

wechat-claude-code

Zhuanz@MacBook-Air ~  [02:34:39]
> cd ~/.claude/skills/wechat-claude-code
npm run setup

> [email protected] setup
> node dist/main.js setup

正在设置...

已打开二维码图片，请用微信扫描：
图片路径: /Users/Zhuanz/.wechat-claude-code/qrcode.png

等待扫码绑定...
✅ 绑定成功!
请输入工作目录 [/Users/Zhuanz/.claude/skills/wechat-claude-code]:
运行 npm run daemon -- start 启动服务
Zhuanz@MacBook-Air ~/.claude/skills/wechat-claude-code (main) [02:35:25]
> npm run daemon -- start

> [email protected] daemon
> bash scripts/daemon.sh start

Started wechat-claude-code daemon (macOS launchd)

OpenClaw （Agent）

尝试1: M1 MacBA

在闲置 mac 上搭建，

sudo npm install -g openclaw@latest
openclaw onboard --install-daemon

• 第二步直接卡住了，进入了网页版的配置界面，gemini api不知道怎么接入。文档不足。等社区的详细介绍吧；
• 火山引擎有9.9包月尝鲜版，但是上来先配一堆基础模型和工具的api和key，key还要每个工具单独去每个组件里申请。

当前也太拉了，和理想中的agent有很大差距（好像是我使用问题）

• 应该是自动识别屏幕，自动登录（人工点击授权），识别跳转，而不是通过key来获得有限的能力。当前openclaw 和 n8n 没有本质区别，能实现啥呢？自动化脚本？n8n的流程管理和复现都更完善。
• 国内大家都画地为牢，各搞各的，很少有人搞这些工具接口，导致n8n这些都不好用。openclaw在国内估计也用不起来，没人来整这个skills

应用场景

1. 前沿开源工作跟踪：筛选GitHub，arXiv开源的论文和代码，有名高校。跟踪代码开源进展：其实这些信息写程序也能自动化爬虫，但是会有爬虫失效的风险，AI点击实现应该泛化性更好。但是我觉得理解AI当前的有用能力在于能对信息进行智能的筛选和排序。
2. 日常琐事处理：处理github PR和issue，邮件清理和回复；
3. 代码编写和调试：opencode，或者 gemini-cli

尝试2: Windows + OpenClaw-cn

中文版太方便，powershell 管理员启动安装就行

折腾了3小时，都没实现openclaw接管浏览器

不是 openclaw gateway报错，就说chrome没权限，要不就是windows封闭了端口。

14:27:24 [tools] browser failed: Can't reach the clawd browser control server at undefined/start?profile=clawdbot-cn. Start (or restart) the Clawdbot gateway (Clawdbot.app menubar, or `openclaw-cn gateway`) and try again. (Failed to parse URL from undefined/start?profile=clawdbot-cn)

wcnm，按道理应该是很简单的事情。不知道是windows的问题还是模型的问题（用的qwen-plus），

模型的agent能力

能力弱的表现：

• ai总是让你手动操作；
• 要不自动化总是短，做完一点事情就结束了，还问你接下来是不是要怎么办；

垃圾交互体验

• openclaw在做长任务时，不及时反馈进度，每次我都要自己问。结果一问发现他早就失败了。
• opencode就做得很好，既有每步的时间统计，也会主动规划和进行下一步的工作，并及时反馈成败。

尝试回家用我的 mac 实验一下。

太消耗内存了

8GB完全不够用。

尝试3: M4 MacBA

接入飞书后，交互还行。

记忆很差

我说了要每日执行的任务，即使写到了memory.md里也不记得执行。

接入微信

官方：ClawBot

但是和cc的那个微信接入，用的是同一个入口。

clawhub （skills）

• EvoMap

• awesome-openclaw-usecases

• agent 各个平台联网能力：Agent-Reach：支持微信

• 其他

Design for agent

• CLI-Anything 将已有的开源代码的工具转换为 claw 可以调用的CLI模式
• Lightpanda AI 无头浏览器

参考文档