即刻App年轻人的同好社区
下载
数据龙虾养成记2
今天调整龙虾的时候，一直遇到一个问题，因为我不是飞书机器人的创建者，Lark-CLI的文档功能都用不了。包括读取飞书文档、创建飞书文档、还有我希望的自动@人。
但今天的进展是至少实现了数据可视化。
我问它我觉得纯文本可读性太差了，你在现有条件下验证一个可以做数据可视化的方案。
它自己最终给了我这个方案。
实现路径很简单，三步：
① 查询数据
照常用 hologres_query.py 跑 SQL，拿到结果
② 生成图表
用 Python matplotlib 把数据画成图，保存到 /tmp/ 本地文件
• 这个库 macOS 上已经装好了，开箱即用
③ 发图到飞书
用 OpenClaw CLI 命令：
openclaw message send \--channel feishu \--account <账号id> \--target <用户或群id> \--media /tmp/图片.png \--message "说明文字"
关键点：
• 不需要任何额外权限（飞书云文档权限不够，但发图片不受限）
• 图表样式完全可定制（柱状图、折线、热力图随便组合）
• 整个流程在 AI 回复的同一个 turn 内完成，用户体验上无感知
依赖：
• Python + matplotlib + PIL（已装）
• OpenClaw 已配置飞书账号（已有）
就这些，没有额外组件需要部署。
生成的效果还是不错的。
今天调整龙虾的时候，一直遇到一个问题，因为我不是飞书机器人的创建者，Lark-CLI的文档功能都用不了。包括读取飞书文档、创建飞书文档、还有我希望的自动@人。
但今天的进展是至少实现了数据可视化。
我问它我觉得纯文本可读性太差了，你在现有条件下验证一个可以做数据可视化的方案。
它自己最终给了我这个方案。
实现路径很简单，三步：
① 查询数据
照常用 hologres_query.py 跑 SQL，拿到结果
② 生成图表
用 Python matplotlib 把数据画成图，保存到 /tmp/ 本地文件
• 这个库 macOS 上已经装好了，开箱即用
③ 发图到飞书
用 OpenClaw CLI 命令：
openclaw message send \--channel feishu \--account <账号id> \--target <用户或群id> \--media /tmp/图片.png \--message "说明文字"
关键点：
• 不需要任何额外权限（飞书云文档权限不够，但发图片不受限）
• 图表样式完全可定制（柱状图、折线、热力图随便组合）
• 整个流程在 AI 回复的同一个 turn 内完成，用户体验上无感知
依赖：
• Python + matplotlib + PIL（已装）
• OpenClaw 已配置飞书账号（已有）
就这些，没有额外组件需要部署。
生成的效果还是不错的。
0 00
最近连续用下来几天Kimi2.6还不错。回答质量已经比较接近ChatGPT5.4。 //@就你怕肉: 蹲个后续
拾伍51: 我今天正好卡到要续费coding plan的日子了 之前刚开始探索OpenClaw的时候，同时订阅了火山和阿里云两家的。实际用下来，从计费透明度，模型池来讲，阿里都更胜一筹。 所以一直盘算着再续费的时候，就不续火山的了。 当然不是说阿里的哪哪都好，Lite计划是用不了qwen3.6-plus的，我订它也只是备用。因为公司有发token，我还也订了Cursor Pro和ChatGPT plus，这些都是主力。备着阿里云只是以防这些额度耗尽或者服务不稳定时，不至于停工。 谁成想，阿里云不在提供Lite版本，反过来卡火山云还是有Lite计划的。而一个备用供应商实在不值得我花200一个月，要知道ChatGPT plus才20刀（140左右）。 说回火山coding plan，除了模型池和计费透明度，其他还是很好的，尤其是体验部分。我最早OpenClaw用的就是火山服务器加它家的coding plan，在当时那个龙虾非常容易养死的早期版本，光是一键配置就降低了不少门槛。 最近有一次让我超出预期的事是，他们知道龙虾需要配置向量模型来做memory serach，索性把向量模型加入了coding plan，也就是说你不用单独再去接向量模型API。可惜的是，实测下来向量模型调用容易限流，不是很稳定… 体验一流，但是模型拉胯。限流、自家模型在我的场景里几乎用不上，三方模型更新断代（不支持glm-5，我看飞书秒哒龙虾都支持了），估计这也是不能像阿里云一样直接砍掉40元的Lite版本的底气。 但模型问题也不太能让我接受，所以我把向量模型换成了阿里云text-embedding-v4，按调用计费，也转头看看其他模型供应商。 看了glm，因为工作主力在用模型，glm-5.1，在Claude Code里表现还是很好的。又看了Kimi，正好今看到Kimi发布2.6版本，也看到了模型测试好评。想到Kimi在我这里有着独特性（长文阅读理解、写作），Kimi一直是我这些场景下几乎是唯一选择。 因此思考再三还是订了Kimi code。第一天用已经发现了有一些小小的限制，飞书妙搭龙虾不能用Kimi code ，再用用看，以后把自己遇到的其他坑写出来。
2 20
数据龙虾养成记 1
今天早上数据龙虾调用的国外模型报错率高达6%，导致对话总是中断。
运维的初步反馈是，供应商稳定性差，需要更换到一家看看。
我觉得除了换供应商，还得在龙虾里设置fallback模型做兜底。正好最近放出了DeepSeek-V4，模型跑分非常不错，又是国内模型供应商，稳定性比国外好，最近实际测试一下模型效果。
今天早上数据龙虾调用的国外模型报错率高达6%，导致对话总是中断。
运维的初步反馈是，供应商稳定性差，需要更换到一家看看。
我觉得除了换供应商，还得在龙虾里设置fallback模型做兜底。正好最近放出了DeepSeek-V4，模型跑分非常不错，又是国内模型供应商，稳定性比国外好，最近实际测试一下模型效果。
1 00
我今天做了个决定，已经付诸行动了。我决定把我的老板“蒸馏”掉，我要蒸馏出来一个老板的 skill。
背景是这样的：
今天汇报的时候，我又被老板批了一顿。实际上老板整个的逻辑框架我应该是理解的，只是不知道自己着了什么道，加了些自己的东西进去，导致内容不符合老板的要求。
所以我今天做的事情就是：
1. 把我们的开会文档、会议内容以及最后经过和他讨论的成品内容，全都丢给 AI 了。
2. 让 AI 给我生成一个 skill（技能模型）。
3. 以后我在给老板汇报之前，先把汇报内容丢给这个 skill，让他帮我先过一遍。
我今天已经做了第一个版本，后面我会持续进行汇报上的迭代，把这个 skill 做到更强。
这是一个只敢发到即刻，不敢发到朋友圈的消息。
背景是这样的：
今天汇报的时候，我又被老板批了一顿。实际上老板整个的逻辑框架我应该是理解的，只是不知道自己着了什么道，加了些自己的东西进去，导致内容不符合老板的要求。
所以我今天做的事情就是：
1. 把我们的开会文档、会议内容以及最后经过和他讨论的成品内容，全都丢给 AI 了。
2. 让 AI 给我生成一个 skill（技能模型）。
3. 以后我在给老板汇报之前，先把汇报内容丢给这个 skill，让他帮我先过一遍。
我今天已经做了第一个版本，后面我会持续进行汇报上的迭代，把这个 skill 做到更强。
这是一个只敢发到即刻，不敢发到朋友圈的消息。
3 20
我今天正好卡到要续费coding plan的日子了
之前刚开始探索OpenClaw的时候，同时订阅了火山和阿里云两家的。实际用下来，从计费透明度，模型池来讲，阿里都更胜一筹。
所以一直盘算着再续费的时候，就不续火山的了。
当然不是说阿里的哪哪都好，Lite计划是用不了qwen3.6-plus的，我订它也只是备用。因为公司有发token，我还也订了Cursor Pro和ChatGPT plus，这些都是主力。备着阿里云只是以防这些额度耗尽或者服务不稳定时，不至于停工。
谁成想，阿里云不在提供Lite版本，反过来卡火山云还是有Lite计划的。而一个备用供应商实在不值得我花200一个月，要知道ChatGPT plus才20刀（140左右）。
说回火山coding plan，除了模型池和计费透明度，其他还是很好的，尤其是体验部分。我最早OpenClaw用的就是火山服务器加它家的coding plan，在当时那个龙虾非常容易养死的早期版本，光是一键配置就降低了不少门槛。
最近有一次让我超出预期的事是，他们知道龙虾需要配置向量模型来做memory serach，索性把向量模型加入了coding plan，也就是说你不用单独再去接向量模型API。可惜的是，实测下来向量模型调用容易限流，不是很稳定…
体验一流，但是模型拉胯。限流、自家模型在我的场景里几乎用不上，三方模型更新断代（不支持glm-5，我看飞书秒哒龙虾都支持了），估计这也是不能像阿里云一样直接砍掉40元的Lite版本的底气。
但模型问题也不太能让我接受，所以我把向量模型换成了阿里云text-embedding-v4，按调用计费，也转头看看其他模型供应商。
看了glm，因为工作主力在用模型，glm-5.1，在Claude Code里表现还是很好的。又看了Kimi，正好今看到Kimi发布2.6版本，也看到了模型测试好评。想到Kimi在我这里有着独特性（长文阅读理解、写作），Kimi一直是我这些场景下几乎是唯一选择。
因此思考再三还是订了Kimi code。第一天用已经发现了有一些小小的限制，飞书妙搭龙虾不能用Kimi code ，再用用看，以后把自己遇到的其他坑写出来。
之前刚开始探索OpenClaw的时候，同时订阅了火山和阿里云两家的。实际用下来，从计费透明度，模型池来讲，阿里都更胜一筹。
所以一直盘算着再续费的时候，就不续火山的了。
当然不是说阿里的哪哪都好，Lite计划是用不了qwen3.6-plus的，我订它也只是备用。因为公司有发token，我还也订了Cursor Pro和ChatGPT plus，这些都是主力。备着阿里云只是以防这些额度耗尽或者服务不稳定时，不至于停工。
谁成想，阿里云不在提供Lite版本，反过来卡火山云还是有Lite计划的。而一个备用供应商实在不值得我花200一个月，要知道ChatGPT plus才20刀（140左右）。
说回火山coding plan，除了模型池和计费透明度，其他还是很好的，尤其是体验部分。我最早OpenClaw用的就是火山服务器加它家的coding plan，在当时那个龙虾非常容易养死的早期版本，光是一键配置就降低了不少门槛。
最近有一次让我超出预期的事是，他们知道龙虾需要配置向量模型来做memory serach，索性把向量模型加入了coding plan，也就是说你不用单独再去接向量模型API。可惜的是，实测下来向量模型调用容易限流，不是很稳定…
体验一流，但是模型拉胯。限流、自家模型在我的场景里几乎用不上，三方模型更新断代（不支持glm-5，我看飞书秒哒龙虾都支持了），估计这也是不能像阿里云一样直接砍掉40元的Lite版本的底气。
但模型问题也不太能让我接受，所以我把向量模型换成了阿里云text-embedding-v4，按调用计费，也转头看看其他模型供应商。
看了glm，因为工作主力在用模型，glm-5.1，在Claude Code里表现还是很好的。又看了Kimi，正好今看到Kimi发布2.6版本，也看到了模型测试好评。想到Kimi在我这里有着独特性（长文阅读理解、写作），Kimi一直是我这些场景下几乎是唯一选择。
因此思考再三还是订了Kimi code。第一天用已经发现了有一些小小的限制，飞书妙搭龙虾不能用Kimi code ，再用用看，以后把自己遇到的其他坑写出来。
0 32
刚发现阿里云的coding plan没有40的包月了，200起步😅
优点是可以使用qwen3.6-plus了
正好我还Kimi的coding plan试一下，刚好他们发了2.6版本
优点是可以使用qwen3.6-plus了
正好我还Kimi的coding plan试一下，刚好他们发了2.6版本
拾伍51: 在使用龙虾写文章的时候用过几家模型，后来一直使用Kimi2.5，因为它在写作能力上已经比其他国产模型要好很多了，但是有些时候还是强差人意。 直到某次我在telegram里探索，才发现有个/think的命令，能控制思考强度，最近几篇文章素质马上高了起来，但是代价是7-8分钟的思考时长…深切体会模型厂商要出high speed模式到底解决了什么痛点。 不同的模型供应商提供的强度范围不，GPT还支持adaptive（自适应）模式。 当然这是拿火山的coding plan的实际使用情况，明天再试试阿里云是不是也这样。 顺便说下火山的coding plan不计划续费了，模型池不太够用。
0 00