即刻App年轻人的同好社区
下载
刚刚又试了一下用国内的云服务部署 OpenClaw，阿里云和腾讯云都提供了相应操作文档。由于阿里云已经没有可部署的服务器了，就选择用了腾讯云，半个小时就部署好了，还打通了飞书。
不管是用 Cloudflare，还是阿里云、腾讯云，对于不熟悉技术的人来说自己部署 OpenClaw 还是有点繁琐。
或许提供一个可视化的配置页面给普通用户来操作是一个机会：用户只需要在页面上选择使用的模型和收发消息的通道就行，其它的都在后台自动化部署。其实推上已经有人把这个业务做起来了，不过可能是 OpenClaw 太火了，他们依赖的云服务 sold out 了
不管是用 Cloudflare，还是阿里云、腾讯云，对于不熟悉技术的人来说自己部署 OpenClaw 还是有点繁琐。
或许提供一个可视化的配置页面给普通用户来操作是一个机会：用户只需要在页面上选择使用的模型和收发消息的通道就行，其它的都在后台自动化部署。其实推上已经有人把这个业务做起来了，不过可能是 OpenClaw 太火了，他们依赖的云服务 sold out 了
渐鸿2025: 花了六个小时终于把 OpenClaw 搭起来了\\(≧▽≦)/ 在 GitHub Codespaces 里打包，部署在 Cloudflare 上，连的是 Cloudflare 的 AI GateWay ，实例用的是 OpenRouter 的 MiniMax M2.1。 预计一个月会有 5 刀的托管费用，刚刚看了只扣了我 1.5 刀。
0 00
花了六个小时终于把 OpenClaw 搭起来了\\(≧▽≦)/
在 GitHub Codespaces 里打包，部署在 Cloudflare 上，连的是 Cloudflare 的 AI GateWay ，实例用的是 OpenRouter 的 MiniMax M2.1。
预计一个月会有 5 刀的托管费用，刚刚看了只扣了我 1.5 刀。
在 GitHub Codespaces 里打包，部署在 Cloudflare 上，连的是 Cloudflare 的 AI GateWay ，实例用的是 OpenRouter 的 MiniMax M2.1。
预计一个月会有 5 刀的托管费用，刚刚看了只扣了我 1.5 刀。
1 11
听了知行小酒馆「2025 年，我花得最幸福的一笔钱」中慢慢的故事，最触动我的话是“比起每个月给妈妈打钱， 有一份固定现金流她可能更幸福”。
我之前还没怎么了解城乡居民养老保险，今天花了两个小时研究，提炼出来的信息图在⬇️
我之前还没怎么了解城乡居民养老保险，今天花了两个小时研究，提炼出来的信息图在⬇️
0 00
做智能体项目（Multi Agent 架构）不会只用一个基模来实现所有场景，我们会根据场景对模型对指令的遵循程度、 Token 的成本、响应时间等多个因素来综合考虑。
Vibe Coding 也一样，也不是从头到尾都只使用一个模型。我更倾向于聊需求、聊设计时使用 Gemini 3 Pro，做架构设计用 Opus 4.5，开发用 GPT 5.2 Codex。
Vibe Coding 也一样，也不是从头到尾都只使用一个模型。我更倾向于聊需求、聊设计时使用 Gemini 3 Pro，做架构设计用 Opus 4.5，开发用 GPT 5.2 Codex。
0 00
顺便分享一下最近的“迁徙”心得。我们尝试把部分流量从 GLM 4.6 切到千问 (Qwen3-Max/Plus) 和豆包 (Doubao-Seed)，虽然没做全量压测，但有几个明显的体感差异：
1. Function Calling：GLM 4.6 和千问默认都是串行执行（千问可改并行），豆包上来就是默认并行的。
2. Prompt 迁移成本：基于 MCP 协议封装的 API，在 GLM 上跑通的 Prompt 到了千问上会水土不服，偶尔会漏参或传错参，看来 Prompt 还是得针对性微调。
3. 被报错带偏：豆包有个怪癖，全中文语境下，如果工具调用返回了英文报错，它接下来的思考和回复很容易被带偏，直接转成英文输出。
4. 速度：在非思考模式（Non-Reasoning）下，千问的推理速度确实是肉眼可见最快的。
1. Function Calling：GLM 4.6 和千问默认都是串行执行（千问可改并行），豆包上来就是默认并行的。
2. Prompt 迁移成本：基于 MCP 协议封装的 API，在 GLM 上跑通的 Prompt 到了千问上会水土不服，偶尔会漏参或传错参，看来 Prompt 还是得针对性微调。
3. 被报错带偏：豆包有个怪癖，全中文语境下，如果工具调用返回了英文报错，它接下来的思考和回复很容易被带偏，直接转成英文输出。
4. 速度：在非思考模式（Non-Reasoning）下，千问的推理速度确实是肉眼可见最快的。
渐鸿2025: 我们 Agent 项目的主力模型是智谱 GLM 系列。最近将模型版本从 4.6 升级到 4.7 后，发现特定的 Prompt 会导致 GLM 4.7 在 Thinking 过程中陷入死循环，不断重复输出相同内容直到 Token 耗尽。经过多次测试，该问题可以稳定复现。回滚到 GLM 4.6 后，同样的 Prompt 输出恢复正常。 其实这类“死循环”问题从 GLM 4.5 开始就存在，只是不同版本会在不同的 Case 上偶发。 很好奇这种明显的重复输出为何在训练或对齐阶段没有被作为异常 Case 拦截下来？
0 00
我们 Agent 项目的主力模型是智谱 GLM 系列。最近将模型版本从 4.6 升级到 4.7 后，发现特定的 Prompt 会导致 GLM 4.7 在 Thinking 过程中陷入死循环，不断重复输出相同内容直到 Token 耗尽。经过多次测试，该问题可以稳定复现。回滚到 GLM 4.6 后，同样的 Prompt 输出恢复正常。
其实这类“死循环”问题从 GLM 4.5 开始就存在，只是不同版本会在不同的 Case 上偶发。
很好奇这种明显的重复输出为何在训练或对齐阶段没有被作为异常 Case 拦截下来？
其实这类“死循环”问题从 GLM 4.5 开始就存在，只是不同版本会在不同的 Case 上偶发。
很好奇这种明显的重复输出为何在训练或对齐阶段没有被作为异常 Case 拦截下来？
1 11
这两天发现笔记本的网络经常断开。一开始以为是在外面用手机热点网络不稳定导致的，后面回到家里也是这种情况。联想到最近刚执行了一些系统更新，很自然地就想到应该是系统版本更新带来的问题。我就看了一下系统的更新历史记录，果然在最近的一条更新记录看到了 Windows 近期有修复网络的问题的说明。按文档说明关闭了系统的严格分析功能就恢复正常了。
Windows 更新说明：support.microsoft.com
Windows 更新说明：support.microsoft.com
1 00
最近开发的一个 Agent，使用了 glm-4.5 模型作为基座模型。在日志中偶尔会看到调用模型时返回“API 调用参数有误，请检查文档。”，仔细检查了丢给模型的参数，没有发现格式问题。
最后才定位到 message 中的 tool_calls 的参数没有符合 JSON 格式导致的，比如下面这个例子是缺少了双引号。
但是 tool_calls 的参数是模型自己返回的，解决方案就是手动修正格式，把修正之后的内容再放入到 message。如果用的是 Agent 框架，框架自身没有提供入口修改 assistant 的 message 就很麻烦了。
好在 glm-4.6 已经解决了这个问题，同样的参数 glm-4.6 不会报异常，并且模型会返回正确的 tool_calls 的参数。
最后才定位到 message 中的 tool_calls 的参数没有符合 JSON 格式导致的，比如下面这个例子是缺少了双引号。
但是 tool_calls 的参数是模型自己返回的，解决方案就是手动修正格式，把修正之后的内容再放入到 message。如果用的是 Agent 框架，框架自身没有提供入口修改 assistant 的 message 就很麻烦了。
好在 glm-4.6 已经解决了这个问题，同样的参数 glm-4.6 不会报异常，并且模型会返回正确的 tool_calls 的参数。
0 00
Lovable 团队整理的 AI 编程的提示词手册，部分内容源自于他们团队内部实践经验和社区成员分享，非常实用，值得一看。
https://docs.lovable.dev/prompting/prompting-one
0 01
在 Claude Code 中使用 kimi-k2 模型的配置非常简单哈。从 Kimi 的开发者后台拿到 key 后，替换项目文件 .claude/settings.json 中的环境变量 ANTHROPIC_BASE_URL 和 ANTHROPIC_AUTH_TOKEN。
我的配置如下图。
其实 kimi 的文档也给出了在其它编程工具中配置使用 kimi-k2 的操作说明：platform.moonshot.cn
我的配置如下图。
其实 kimi 的文档也给出了在其它编程工具中配置使用 kimi-k2 的操作说明：platform.moonshot.cn
0 00