消耗 5000 美金 Token，我用 AI 做了什么

5000 美金 Token 换来的系统清单

1 个月时间，花了大约 5000 美金 AI 相关订阅和 API（Claude Pro + Claude API + OpenAI API + Copilot Pro+ + Codex + Paseo + 杂项），独立搭起了 18 大类系统，总代码量粗略估计 5 万行以上（不含 AI 生成的自动化脚本）。

作为对比：同样的功能如果招 2 个全栈工程师从零开发，保守估计 6-12 个月，成本至少 30-60 万人民币。

本文是清单，按类别梳理每个系统做什么、解决什么问题、如果人工开发需要多少时间。不讲具体技术细节（想看的点进每个链接的详细文档），只讲规模和效率。

一、量化交易系统（核心板块）

北极星策略家族（polaris 1/5/6 三个策略共存）：

BTC 趋势跟踪 / 多币种组合 / 合约 + 现货套利
实盘双机热备（主备自动切换）
所有策略统一 Telegram 信号推送
北极星策略介绍

回测实验室（两代）：

v1（Streamlit 8501）：Python 基础回测，单币种单参数
v2（Streamlit 8502，Numba JIT 加速）：多币种组合、Walk-Forward 验证、蒙特卡洛模拟、参数网格搜索
自动和 aws-sg 实盘机同步 K 线数据

策略运维工具链：

自动参数优化（夜间 cron 跑网格搜索）
每日复盘报告（aws-sg/jp 向量化计算后 AI 生成摘要推送 TG）
策略 A/B/C 对比看板（Grafana）
Mac 本机脱敏备机（5 层安全锁 + 每小时从 aws-sg pull）

如果人工开发：这一套至少 3-4 个月。量化系统从回测到实盘、从参数搜索到双机热备，每一环都是一个中等项目。

想试水量化又不想写代码？Pionex 内置 16 种机器人，零代码 1 小时上手。

二、panshi.io 博客 + 引流系统

Hugo 博客 + PaperMod 定制：

64 篇技术文章，覆盖量化/代理/AI 工具/VPS 等
3 列响应式卡片 grid，默认暗色（消白屏闪烁）
每篇独立 OG 卡片 + hero 图（AI 生成品牌统一风格）
列表缩略图 + 文章详情页 hero

多端部署：

双活 aws-hk + aws-us（rsync 秒级同步）
Cloudflare CDN 前置，md5 三方校验
自定义 Worker 10+（polaris-api / aff-tracker / vps-stock-api / freemail-w3fomo 等）

AFF 变现系统：

14 个 AFF 渠道统一 tracker 短链
按文章归因（?ref=/posts/xxx/）
按 X 来源归因（?ref=x-slug）
Prometheus 每 5 分钟采集 + Grafana 面板

Umami 自建事件追踪：

访问量/来源/设备
AFF 点击事件（aff-click 自定义）

如果人工开发：博客本身 2 周，但 AFF tracker + 多端部署 + 自动化监控，至少 1 个月。图片系统又是 1 个月（见下）。

三、发布管理系统（9891 · 独立 Web 应用）

一个本机 Web 应用（http://localhost:9891），专门管理 panshi.io 的发布和运营：

10+ 管理页面：

文章列表 + AFF 归因 + 筛选（全部/已发布/草稿）
内嵌 Markdown 编辑器（EasyMDE）+ 实时预览
草稿/AI 请求队列
OG 卡片预览（发前看 X 分享长啥样）
X 推文管理（列表/刷新/删除）
AFF 点击看板
图片库（本地 + Unsplash/Pexels/Pixabay + AI 生成）
设置页（API key + 开关）
发布历史 + 健康 dashboard

7 步发布流水线：

Pre-flight 检查（frontmatter / 敏感词 / AFF 裸链 / 结构 lint）
自动生成 OG + hero 图
Tweet 预览
Hugo build
rsync 双活 + md5 三方校验
发 X（三种模式：短推 / Premium 长推 / Thread digest）
Telegram 通知 + 归因刷新

10 个定时任务（全部通过 job_runner 纳入监控）：

文章索引刷新、链接健康扫描、部署漂移检测、AFF 统计同步
推文历史快照、原始 AFF 链接扫描、AFF exporter 健康、OG 图健康
互动数据分析（最佳发布时间 + Evergreen 候选）、发布监控服务常驻

品牌统一 AI 图片生成：

Flux Schnell 生成 64 张 hero 图，深蓝紫渐变品牌风
本机 PIL 生成 OG 卡片（标题 + 品牌条）
自动压缩 WebP + 多尺寸（首屏 7MB → 80KB，90x 提速）

发布监控系统详细架构

如果人工开发：这一套独立系统至少 2 个月。

四、备份容灾系统（3-2-1 架构）

三层备份：

L1 Mac SSD：秒级恢复、短期历史
L2 iCloud 2TB：跨设备、中期
L3 AWS S3 Deep Archive 东京：灾备、月 ¥0.15 左右

20+ 备份任务覆盖：

openclaw 工作区（每天 + 每小时）
Obsidian vault（笔记）
Mac 系统配置（LaunchAgents 等）
量化代码和数据
Cloudflare KV / Workers / DNS
远程 VPS 配置（cron / systemd）
Prometheus 配置 + Grafana dashboards
panshi.io 站点 + nginx 配置
周度 git bundle（跨机器容灾）
月度 S3 归档

独立 Web 状态页（9890）：每个任务的健康度（green/yellow/red）+ 错误详情 + Telegram 告警。

开机补跑机制：Mac 休眠错过定时任务时，启动后自动补跑遗漏的任务。

如果人工开发：完整 3-2-1 备份 + 统一监控至少 1 个半月。

五、Mac 定时任务监控（9888）

所有 Mac 本机的 cron / launchd 任务（目前 34 个）统一心跳机制：

job_runner.sh 包装所有任务，成功写心跳时间戳
Prometheus textfile + node_exporter 采集
独立监控服务器 Grafana 可视化（监控 Mac 本机）
状态变化实时推 Telegram
任务出现/消失自动检测

如果人工开发：监控基础设施 + 状态页至少 3 周。

六、网关 / 代理架构（家庭办公 + 量化出口）

双网关冗余：

主网关：OpenWrt + passwall（2026-04-13 新部署）
备网关：mihomo（原主，现降级为备用）
故障自动切换

家宽代理链路：

7 节点自动 fallback（美国 / 日本 / 香港家庭宽带）
用于 AI 工具（ChatGPT / Claude / Gemini 防封号）
住宅 IP 出口保障量化策略不被交易所风控

Surge fail-closed 监控：

Surge 崩了自动激活 PF 防火墙 killswitch
境外流量全封禁，确保不走国内直连
状态栏显示当前保护状态（自研 Swift 程序）

协议栈：

Xray VLESS + XTLS + Reality
Hysteria2（QUIC，高速）
Cloudflare Workers VLESS（零成本节点）

住宅 IP 出口完整配置 · VPS 买 DMIT · IPRoyal 住宅 IP

如果人工开发：网关 + 代理 + fail-closed 监控 1 个月+。

七、NetworkGuard 状态栏应用（Swift 原生）

Mac 状态栏独立小程序：

实时监控 Surge 进程和 PF 防火墙状态
状态栏图标：绿（保护中）/ 红（已失守）
Web dashboard 展示详细数据
防"出门 Macbook 连 AIGC API 误走国内 IP 被封号"

参考我在 Mac 状态栏做了一个网络安全卫士。

如果人工开发：Swift + PF 交互 2 周。

八、OpenClaw 系统（AI 工具链编排）

核心：Claude Code + 外部系统联动平台

Telegram 消息触发 AI 任务链
多 Agent 协作（一个查 API，一个分析，一个推送）
Skill 系统扩展（我有 10+ 自定义 Skill）
量化工作流集成（“检查所有账户风险"一条指令 3 秒完成）

九、AI 工具生态（Claude Code / Codex / Copilot / Paseo）

双通道 Claude Code：

官方 Claude Pro 通道（固定月费）
Copilot Pro+ 后端通道（搭车免费）
Alias 一键切换

模型策略：

默认 Sonnet（性价比）
Opus 只在质量不够时回退
Haiku 做批处理（省 90%）
三档混合月均 API 成本降 60%

会话管理：

Paseo 多 agent 模式
Claude Code 长会话断点救援
图片累积爆 bug 自动清理

用量监控：

Copilot usage 每小时 + 每天汇总
OpenRouter 每天余额检查

十、cmux 会话管理

多进程 Claude Code 并行（这篇文章就是其中一个会话在写），每个会话独立工作区 + 独立 git worktree，避免互相干扰。

十一、VPS 库存实时监控（panshi.io/stock 页）

监控 5 家 VPS 商（搬瓦工/RackNerd/CloudCone/DMIT/Akile）热门套餐库存
主备 checker 冗余（国内家庭 VPS + 海外 VPS）
CF Worker 聚合 + 5 分钟前端自动刷新
订阅用户缺货 → 有货时 Telegram 推送

VPS 选购矩阵完整对比。

如果人工开发：反爬 + 主备切换 + 订阅通知 1 个月。

十二、Telegram Bot 生态

7+ 个独立 bot 分工：

as_monitor：运维告警（网关 / 备份 / 量化）
polaris-signal-to-x：策略信号 → X 推文
as_fam：家庭设备监控
SSH 登录通知：每次 SSH 登录记录 + TG 推送
还有几个各司其职

每个 bot 独立 token + 独立群 chat_id + 独立告警路径，互不干扰。

十三、监控告警链路（独立监控服务器）

全栈监控：

Prometheus（指标采集）
Grafana（可视化，13 个 dashboard）
Alertmanager + tg-webhook（Telegram 告警）

监控对象：

10+ 台 VPS（CPU/内存/磁盘/网络/SSH 登录）
Mac 本机 34 个定时任务
量化策略 P&L 实时曲线
线路监控（Hysteria2 UDP / Xray TCP / 家宽代理）
网关状态总览
AFF 点击 / 订阅数（新上）
发布系统任务健康

十四、Obsidian + Mac 配置自动备份

笔记 git 自动 commit + 每小时 + 每天 tag
Mac 系统配置（LaunchAgents / 自定义脚本 / Surge profile 等）每日自动 commit 到 iCloud
自动恢复流程文档

十五、iPhone / iPad / Mac Surge 配置同步

三端 Surge profile 版本管理：

Mac 为主编辑器
iPhone / iPad pull 时自动诊断域名 vs IP 问题
避免"某端没同步导致漏出口”

十六、远程桌面 + SSH 巡检

RustDesk 8K 方案：

开源 + 自建中继
替代 TeamViewer / 向日葵（更便宜 + 更私密）

SSH 连接巡检：

每日 AI 自动巡检 10+ 台机器
报告每台资源使用 / 异常日志 / 待处理事项
摘要发 Telegram

十七、X 相关系统

X 收藏同步：每天抓新收藏整理到 Obsidian
X API 发布（polaris-signal-to-x bot）
X thread digest 发布（新）：Markdown 文章 → AI 生成 5-10 条 thread

十八、公开 GitHub 项目

已在 GitHub 开源的工具（已脱敏）：

claude-code-image-rescue：Claude Code 长会话图片内存爆 bug 修复工具

更多还在规划。

AI 开发范式的三个变化

做完这些之后我对"AI + 独立开发"有几个结论：

1. 代码不再是瓶颈，需求定义是

用 Claude Code 写个 500 行的 Python 脚本，一般对话 20-40 分钟搞定。但"我到底要什么" 这件事 AI 没法帮你决定。

写清楚需求 + 用 AI 生成代码 + 人工审核 = 最佳节奏。

2. 部署和维护比初次开发更值钱

上面 18 类系统，70% 的工作量不是"把代码写出来"，是：

放到哪？（Mac / 服务器 / CF Worker）
怎么守护进程？（launchd / systemd / cron）
怎么监控？（Prometheus + Grafana + 告警）
怎么备份？（失败时怎么恢复）

AI 在这些系统集成场景帮助巨大，因为它不会忘记加错误处理、日志、健康检查。

3. 一致性比个人偏好更重要

所有系统都遵循同一套约定：

日志：~/.openclaw/workspace/state/
心跳：Prometheus textfile
告警：Telegram bot 分类
备份：3-2-1 三层
文档：Obsidian Infra-OPS/ 64 份

Claude Code 有记忆系统能跨会话保持这些约定，比我自己记得还牢。

成本拆解（5000 美金花在哪）

项	约占比
Claude API（Anthropic 直接扣费）	~40%
ChatGPT Plus + OpenAI API	~25%
GitHub Copilot Pro+ × 2（两个账号）	~20%
Cursor / Codex / 其他订阅	~10%
杂项（Replicate / Cloudinary / etc）	~5%

实际上前 3 项（Claude + OpenAI + Copilot）占 85% — Claude 是主力。

对于想复制这个模式的朋友

第一步：先有一个"真的要解决的问题"

我上面 18 类系统，每一个都对应具体痛点（量化被封号 / 备份丢数据 / 定时任务漏跑 / X 发布效率低）。没有痛点而为 AI 工具买单，很快就会放弃。

第二步：选一个工具深用，不要同时四五个

我的组合：

Claude Code（主力，80% 时间在用）— 省钱指南
GitHub Copilot Pro+ 备选通道 — Claude Code 双通道切换
ChatGPT Plus 偶尔用数据分析 + 图片生成

不推荐同时订 Cursor + Copilot + ChatGPT + Claude，成本和切换心智都太高。

第三步：把基础设施标准化

日志路径统一
定时任务标准 wrapper（我的是 job_runner.sh）
Telegram 通知统一格式
文档放在同一 Obsidian vault

标准化后，Claude Code 能跨任务迁移经验（它看到一个任务的结构就知道下一个怎么做）。

第四步：允许自己"不完美实现"

我很多系统都是"够用版"，而不是"工程完美版"。例如备份监控 web 9890 就是几百行 Python，没用框架。AI 生成 + 我审核 + 跑起来 = 上线。不要过度设计。

如果你也想折腾

推荐的工具组合：

想试量化交易顺便理解整个链路（最佳练手场景）：

Pionex 网格机器人教程（零代码）
用 Claude Code 给 Pionex 加监控（30 分钟实战）
开个 Pionex 账户跑 $100 一个月，你会对 AI 辅助量化的价值有具象感知

基础设施辅助工具：

DMIT VPS（香港 / 日本线路稳定）
IPRoyal 住宅 IP（AI 工具 + 量化必备）
Google One AI Premium（Gemini Advanced + 2TB 云存储）

一个诚实的对比

人们常问"AI 到底有没有用"。我的答案：

项	不用 AI	用 AI（我的经验）
写一个新脚本	3-8 小时（查文档/Stack Overflow/踩坑）	20-40 分钟（描述需求 → 审核 → 测试）
调试一个报错	偶尔 1 整天	10 分钟内定位
维护 30+ 定时任务	每月 10 小时消防	每月 1-2 小时（大部分 AI 自动处理）
写一篇技术博客	3-4 小时	1 小时（大纲人定 + AI 填内容 + 人审）
学一个新领域	1-2 周入门	半天（AI 陪读答疑）

乘上 18 大类系统 + 365 天，这就是 100x 效率的来源。

不是 AI 替代人，是**“懂业务 + 会用 AI"的一个人等于过去一个小团队**。

想聊 AI 工作流 / 量化 / 独立开发：Telegram @panshi8848，或 X @panshi8848 私信。

延伸阅读：

一、量化交易系统（核心板块）#

二、panshi.io 博客 + 引流系统#

三、发布管理系统（9891 · 独立 Web 应用）#

四、备份容灾系统（3-2-1 架构）#

五、Mac 定时任务监控（9888）#

六、网关 / 代理架构（家庭办公 + 量化出口）#

七、NetworkGuard 状态栏应用（Swift 原生）#

八、OpenClaw 系统（AI 工具链编排）#

九、AI 工具生态（Claude Code / Codex / Copilot / Paseo）#

十、cmux 会话管理#

十一、VPS 库存实时监控（panshi.io/stock 页）#

十二、Telegram Bot 生态#

十三、监控告警链路（独立监控服务器）#

十四、Obsidian + Mac 配置自动备份#

十五、iPhone / iPad / Mac Surge 配置同步#

十六、远程桌面 + SSH 巡检#

十七、X 相关系统#

十八、公开 GitHub 项目#

AI 开发范式的三个变化#

1. 代码不再是瓶颈，需求定义是#

2. 部署和维护比初次开发更值钱#

3. 一致性比个人偏好更重要#

成本拆解（5000 美金花在哪）#

对于想复制这个模式的朋友#

第一步：先有一个"真的要解决的问题"#

第二步：选一个工具深用，不要同时四五个#

第三步：把基础设施标准化#

第四步：允许自己"不完美实现"#

如果你也想折腾#

一个诚实的对比#