AI 工作流

Anthropic 目前的主力模型线：Opus 4.6（最强）、Sonnet 4.6（均衡）、Haiku 4.5（最快最便宜）。很多人用 Claude 的时候不管什么任务都用 Opus，结果 API 账单高出 3-5 倍。 这篇文章从实际使用角度讲清楚：什么情况用 Opus，什么情况用 Sonnet，Haiku 什么时候值得考虑。 价格对比（2026年4月） 模型 输入价格 输出价格 相对成本 claude-haiku-4-5 $0.80/M tokens $4/M tokens 1× claude-sonnet-4-6 $3/M tokens $15/M tokens ~4× claude-opus-4-6 $15/M tokens $75/M tokens ~19× Opus 比 Haiku 贵将近 20 倍。 同样的任务，如果 Sonnet 能解决，用 Opus 就是纯粹浪费。 通过 GitHub Copilot Pro+ 订阅（$19/月）可以用有限额度的 Sonnet 和 Opus，超出额度后按 API 计费。 ...

OpenClaw 默认配置跑一段时间会遇到两个问题：额度消耗太快、长会话超时崩溃。这篇文章记录我实际调优的 8 个参数，以及背后的原因。 先说清楚架构 我用的组合： GitHub Copilot Pro+：月付 $19，提供 1500 次/月的 premium request 额度 Claude Opus 4.6：通过 Copilot 的模型路由访问，模型 ID github-copilot/claude-opus-4.6 OpenClaw：负责 Telegram 交互、Skill 调用、定时任务 额度计算逻辑：每次 AI 助手回复 = 1 次 premium request（包括 tool call 后的回复）。1500 次听起来很多，但没优化的话很快就不够用。 8 项标准优化 1. 模型只保留 Copilot，清空 fallbacks 问题：默认配置有多个 model provider 做 fallback，一旦主模型超时，会依次尝试所有 fallback，每次尝试都消耗额度。 优化： { "agents": { "defaults": { "model": { "primary": "github-copilot/claude-opus-4.6", "fallbacks": [] } } } } fallbacks 清空后，失败直接报错，不会触发 2-3 次无效重试。每月节省约 50 次。 ...

如果你用过 Claude Code，OpenClaw 可以理解成它的"异步版本"——Claude Code 适合你坐在电脑前交互式干活，OpenClaw 适合让 AI 在后台持续帮你做事，即使你不在电脑旁。 OpenClaw 的核心定位 一句话：让 AI 助手能访问和操作外部工具，并通过 Telegram 等渠道跟你交互。 它解决的问题： AI 模型本身无法主动触达你（你要开口问，它才回答） AI 模型没有持久状态（每次对话从头开始） AI 模型无法直接操作外部系统（GitHub、Notion、服务器） OpenClaw 通过 Skill 系统 解决这三个问题。 Skill 系统 Skill 是 OpenClaw 的核心概念：一个 Skill 就是给 AI 挂载一个工具。 已有的 Skill 举例： Skill 功能 github 读写 Issue、PR、Actions obsidian 读写 Obsidian 笔记库 weather 查询天气（open-meteo） notion Notion 页面/数据库操作 healthcheck 系统安全巡检 skill-creator 创建自定义 Skill 安装一个 Skill： ...

用 OpenClaw 跑自动化任务，最麻烦的不是配置，而是"跑着跑着突然不工作了"。这篇文章整理我遇到过的故障和解决方法。 Gateway 相关 Gateway 服务未启动 症状：Telegram 发消息没反应，AI 助手不回复。 检查： openclaw gateway status 常见原因和解法： 原因 解法 进程挂了 openclaw gateway restart Bot Token 过期 去 BotFather 重新获取 token，更新配置 端口冲突 lsof -i :端口号 找占用进程，kill 掉 Windows 开机未自启 任务计划程序加入自启 Windows 特别注意：Windows 上 Gateway 不会随系统自动启动，每次重启后需要手动运行： openclaw gateway start 建议做成 Windows 任务计划程序的开机自启任务。 Gateway 启动后几小时自动断开 症状：刚开始好的，过一段时间 Telegram 又不响应了。 原因：Telegram 的 long-polling 连接超时，Gateway 没有自动重连。 解法：用 cron 或 systemd 做保活： ...

Claude API 的成本很容易超出预期——模型能力越强，每次调用越贵，上下文越长越贵。这篇文章分享我控制成本的方法。 Claude 各模型价格对比（2026） 模型 输入 $/MTok 输出 $/MTok 适用场景 claude-opus-4-6 $15 $75 复杂推理、代码生成 claude-sonnet-4-6 $3 $15 日常任务、写作 claude-haiku-4-5 $0.8 $4 简单分类、摘要 MTok = 百万 token。1 个 token ≈ 0.75 个英文单词 ≈ 0.5 个汉字。 同样的任务，Haiku 比 Opus 便宜约 15-20 倍。 最有效的省钱手段：Prompt Cache Anthropic 的 Prompt Cache 功能：对同一个长系统提示词，第一次收费，后续命中缓存只收 10% 的价格。 # 开启 Prompt Cache 的写法 response = client.messages.create( model="claude-sonnet-4-6", system=[ { "type": "text", "text": "你的长系统提示词...", "cache_control": {"type": "ephemeral"} # 标记为可缓存 } ], messages=[{"role": "user", "content": "用户问题"}] ) 实际效果：我的量化运维 Skill，系统提示词约 2000 token，一天调用 50 次： ...

我从去年开始用 Claude Code（就是 Anthropic 出的那个 CLI 工具）管理我的一堆服务器，用下来感觉这才是 AI 应该有的使用方式——不是聊天，而是真正在帮你干活。 我的使用场景 9 台海外 VPS（AWS / DMIT / 腾讯云），分布在美国、香港、日本、新加坡，跑着： 代理节点（Xray + Hysteria2） 量化交易策略 监控系统（Prometheus + Grafana） 各种自动化脚本 以前这些机器要靠手动 SSH 进去一台台操作，现在我直接跟 Claude Code 说"把日本那台机器的 Xray 配置更新一下"，它就帮我 SSH 进去、修改配置、重启服务、验证状态。 Skill 系统：让 AI 有专业知识 Claude Code 支持自定义 Skill（类似系统提示词），我给不同的任务场景都写了专门的 Skill： 服务器运维 Skill # 服务器运维助手 你负责管理以下 VPS： - aws-us: 13.x.x.x（美国） - aws-hk: 43.x.x.x（香港） - aws-jp: 3.x.x.x（日本） SSH 端口统一 18022，用户名 ubuntu，使用 PEM 文件认证。 标准操作流程： 1. 连接前先检查机器是否在线（ping 测试） 2. 操作前备份配置文件 3. 修改后验证服务状态 4. 如有异常立即回滚 这样 Claude 就有了我的基础设施上下文，不需要每次都重复说一遍。 ...