Posts

Claude、ChatGPT、Perplexity 这类 AI 服务对出口 IP 质量非常敏感。如果你用普通 VPS（数据中心 IP）挂代理访问，经常会遇到： 账号登录触发验证码 被要求重新验证身份 某些功能被限制（Claude Projects、ChatGPT Plus 功能等） 请求被静默降速 原因是这些服务的风控会识别 IP 来源，数据中心 IP 是已知的"代理流量"特征，住宅 IP 则不是。 解决方案：AI 流量单独走住宅代理，普通流量继续走 VPS 节点。 架构概览 本机 ├─ AI 服务请求（api.anthropic.com / api.openai.com / ...） │ └─ Surge → 住宅代理（SOCKS5/HTTP，家宽出口） └─ 其他流量 └─ Surge → VPS 节点（REALITY / Hysteria2） 住宅代理可以是： 家里的软路由 + 公网 IP（最优，完全真实住宅 IP） 商业住宅代理服务（IPRoyal、BrightData 等，按量计费） 本文以第一种（软路由转发）为例，第二种逻辑完全相同，只是替换代理地址。 ...

上一篇讲了 Xray REALITY 服务端的部署。这篇专门讲客户端配置——收集到各平台的用户名、服务器地址、公钥等信息后，怎么在不同客户端里配置。 你需要准备好以下信息（从服务端配置里获取）： 参数 说明 服务器地址 VPS 的公网 IP 端口 服务端监听的端口（推荐 443） UUID 服务端配置的 client id Public Key xray x25519 生成的公钥 Short ID 服务端配置的 shortIds 之一 SNI 服务端配置的 serverNames（如 www.apple.com） mihomo（Clash Meta） mihomo 原生支持 REALITY，配置放在 proxies: 节点： proxies: - name: "us-reality" type: vless server: 你的VPS_IP port: 443 uuid: 你的UUID network: tcp tls: true udp: true flow: xtls-rprx-vision reality-opts: public-key: 你的公钥 short-id: "55470656" servername: www.apple.com client-fingerprint: chrome 参数说明 client-fingerprint：客户端 TLS 指纹伪装，推荐选项： ...

这篇是 OpenClaw 入门教程 的续集，假设你已经装好了 OpenClaw，跑通了基本的 Telegram 交互。这里讲的是真正把它用起来之后的进阶技巧。 多 Agent 任务分工 OpenClaw 支持在同一个 Telegram 群里配置多个 Agent，各自负责不同领域，这是它最容易被忽视的功能。 为什么要分 Agent 不分 Agent 时，你的 AI 助手是个通才——什么都能问，但没有专门的上下文和工具。问运维问题时它不知道你的服务器架构，问量化策略时它不知道你的持仓逻辑。 分 Agent 后，每个 Agent 有自己的： 系统提示词：注入对应领域的背景知识 Skill 集合：只挂载相关的工具 独立对话历史：不会被其他任务干扰 配置示例 在 ~/.openclaw/config.yml 里定义多个 Agent： agents: - name: "ops" description: "服务器运维助手" skills: - healthcheck - ssh-tools system_prompt: | 你是专门负责管理服务器基础设施的运维助手。 你熟悉 Nginx、Docker、系统监控等运维工作。 遇到需要执行命令的任务，先解释再操作。 - name: "quant" description: "量化策略助手" skills: - binance-watcher - grafana-query system_prompt: | 你是专门负责量化策略监控的助手。 你了解趋势跟踪策略的基本逻辑，能解读持仓信号和收益数据。 不公开具体策略参数。 - name: "writer" description: "写作助手" skills: - obsidian system_prompt: | 你是博客写作助手，帮助整理思路、起草文章、整理笔记。 写作风格：直接、有观点，不废话。 在 Telegram 里通过 /agent ops 切换到对应 Agent，之后的对话都走那个 Agent 的配置。 ...

GitHub Copilot（特别是通过 Claude Code + Copilot 通道使用时）每月有请求次数限制。OpenClaw 支持多 agent 并发，很容易在不知不觉中把配额消耗掉。 这篇文章整理了 8 个实用技巧，帮你更有效地管理用量、减少浪费。 1. 追踪当前 Copilot 用量 方式一：GitHub 设置页面 直接访问 GitHub Copilot 用量页面查看当月消耗（Premium Request 数量）。不同模型消耗倍率不同： 模型 消耗倍率 GPT-4o 1x Claude Sonnet 1x Claude Opus 10x o1 10x o3 更高 方式二：命令行查看（通过 API） # 获取当前 Copilot 套餐信息 curl -H "Authorization: token your-github-token" \ https://api.github.com/user/copilot_billing/seats 方式三：计划用量估算 大概规律： 一次完整代码生成对话：1-3 requests 一次文件重构任务（带多轮修改）：5-15 requests OpenClaw 多 agent 并发任务：每 agent 独立计算 2. OpenClaw 合理配置 agent 数量 OpenClaw 默认可以开多个 subagent 并发执行，但并不是越多越好。 ...

OpenAI 在 2025 年初发布了 Codex CLI——一个在终端里直接用 AI 写代码、改文件、执行命令的工具。跟 ChatGPT 网页版不一样，Codex CLI 的核心是直接操作你本地文件系统，让 AI 真正帮你干活，而不是给你贴代码让你自己粘。 这篇文章覆盖完整的入门流程，从安装到能用，大约 10 分钟。 准备工作 需要两样东西： Node.js 18+（node --version 确认） OpenAI API Key（platform.openai.com 获取） API Key 需要绑定了付费方式，免费额度不支持 Codex 用的模型。 安装 npm install -g @openai/codex 安装完验证： codex --version 认证配置 有两种方式配置 API Key： 方式一：环境变量（推荐） export OPENAI_API_KEY="sk-xxxx..." 加到 ~/.zshrc 或 ~/.bashrc 让它持久化： echo 'export OPENAI_API_KEY="sk-xxxx..."' >> ~/.zshrc source ~/.zshrc 方式二：运行时输入 直接运行 codex，第一次会提示你输入 API Key，会保存到 ~/.codex/config.json。 ...

最近一年用 AI 工具碰到一个高频问题：机场的共享节点 IP 被 AI 平台标记，登录时要求验证、限制功能、甚至封号。根本原因是这些 IP 被太多人用过，平台的风控系统认为是"异常流量"。 解决方案：用住宅 IP作为出口。住宅 IP 来自真实家庭宽带，对平台来说跟普通用户一样，通过率高得多。 这篇文章讲怎么在 mihomo（原 Clash Meta）里配置住宅 IP 出口，以 IPRoyal 为例。 住宅 IP 和机场节点的区别 对比 机场节点（VPS） 住宅代理 IP IP 类型 数据中心 IP 真实家庭宽带 IP 被风控概率 高（共享 IP，大量请求） 低（看起来像真实用户） 速度 快（专线） 中等 价格 按月订阅，便宜 按 GB 计费，贵一些 适合场景 日常浏览、流媒体 AI 工具、账号注册、数据采集 住宅 IP 不适合替代机场做所有流量，太贵了。正确用法是：只让需要住宅 IP 的流量走住宅代理，其余走正常节点。 IPRoyal 住宅 IP 配置 我用的是 IPRoyal，按 GB 计费，用多少买多少，不需要月付，质量稳定。 ...

Hysteria2 基于 QUIC 协议（UDP），理论上在高延迟、高丢包网络里比 TCP 类协议快得多。但很多人部署完发现速度一般，原因通常是带宽参数没配对或者拥塞控制算法没选对。 这篇文章专门讲调优。假设你已经跑通了基础部署（参考 Hysteria2 搭建教程），现在想把速度榨出来。 带宽参数：最影响速度的配置 Hysteria2 的带宽参数控制着它的发送速率，没配或配错是速度差的最常见原因。 服务端 bandwidth /etc/hysteria/config.yaml： bandwidth: up: 1 gbps # 服务端上行（客户端下载方向） down: 1 gbps # 服务端下行（客户端上传方向） 这里填的是服务端（VPS）的实际带宽上限，不是你家宽带的速度。 常见 VPS 带宽： DMIT HK/US Premium：1 Gbps 端口，但共享，实际峰值 200-500 Mbps AWS t3 类型：5-25 Gbps（burst） 低价 VPS：通常 100-500 Mbps 怎么测 VPS 实际带宽： # 在 VPS 上安装 speedtest curl -s https://packagecloud.io/install/repositories/ookla/speedtest-cli/script.deb.sh | bash apt install speedtest-cli -y speedtest 根据测速结果填带宽值。 ...

Google One AI Premium 是 Google 把旗下 AI 产品打包卖的订阅方案，$19.99/月，主要包含三样东西： Gemini Advanced：Google 最强 AI 模型（Gemini 1.5 Pro/Ultra 级别），无使用量限制 2TB Google 云存储：覆盖 Google Drive、Gmail、Google 相册 NotebookLM Plus：Google 的 AI 笔记/知识库工具，Plus 版无使用量上限 如果你本来就需要大容量 Google 云存储，这个订阅的 AI 功能相当于免费附赠。 Gemini Advanced 能做什么 Gemini Advanced 背后是 Google DeepMind 的旗舰模型，主要亮点： 长上下文处理：上下文窗口达 100 万 tokens，理论上可以一次性处理整本书或整个代码库。 多模态：图片、PDF、视频（YouTube 链接）都可以直接输入，跟文本一起分析。 Google Workspace 集成：可以直接在 Gmail 里用 Gemini 起草邮件、在 Google Docs 里辅助写作、在 Google Sheets 里分析数据。 ...

💡 国内提示：Binance 官网在中国大陆无法直连，访问需自备网络工具；法币入金不支持银行卡，主要走 C2C（USDT↔CNY）通道完成。 合约交易里，盈利策略和亏损策略的区别，很多时候不是信号对不对，而是风控做没做。 一个好的入场信号配上差的风控，会在一次大波动里把所有收益吐回去。这篇文章专门讲合约风控的框架：你需要在哪些层次做控制，每层具体怎么设置。 三个层次的风控 层次 1：仓位管理 — 每次开多大的仓 层次 2：止损设置 — 单笔交易最多亏多少 层次 3：熔断机制 — 连续亏损后强制暂停 这三层缺一不可。仓位管理控制单次风险暴露，止损控制单笔最大损失，熔断防止在策略失效时持续亏损。 层次 1：仓位管理 固定比例法（推荐） 每次开仓金额 = 账户总权益 × 固定比例 def calc_position_size(equity: float, risk_pct: float, leverage: int, entry_price: float) -> float: """ equity: 账户总权益（USDT） risk_pct: 单次风险比例，如 0.02 = 2% leverage: 杠杆倍数 entry_price: 开仓价格 返回: 合约张数（BTCUSDT 每张 = 0.001 BTC） """ risk_amount = equity * risk_pct # 实际愿意亏的金额 notional = risk_amount * leverage # 对应名义价值 qty = notional / entry_price return qty 为什么用固定比例而不是固定金额？ ...

💡 国内提示：Binance 官网在中国大陆无法直连，访问需自备网络工具；法币入金不支持银行卡，主要走 C2C（USDT↔CNY）通道完成。 Binance API 是量化交易的起点。如果你想让策略自动执行——自动买入、自动止损、自动监控仓位——都需要通过 API 实现。 这篇文章从零开始，覆盖申请 API Key、安全配置、Python 环境搭建，到发出第一个查询和第一笔（测试）订单。不假设你有量化经验，跟着做能跑通。 准备工作 已完成 Binance 账号 KYC 实名认证 Python 3.8+（python --version 确认） 已完成双重验证（2FA），建议用 Google Authenticator Binance 注册：→ 注册 Binance（通过推荐链接注册可享手续费返佣） 申请 API Key 步骤 登录 Binance，点击右上角头像 → API 管理 点击"创建 API" 选择"系统生成（推荐）" 输入 API 标签（名称），点击下一步 完成 2FA 验证 保存 API Key 和 Secret Key 重要：Secret Key 只显示一次，页面关闭后无法再次查看。必须立即保存到安全位置（密码管理器）。 ...

用代理节点访问 Claude、ChatGPT 时，可能遇到过这些情况： 登录时反复弹出验证码 账号被提示"unusual activity" 某些功能被悄悄限制 API 调用稳定性差，偶尔 403 这些问题的根源通常不是代理协议，而是出口 IP 的质量。 IP 质量的分类 互联网上的 IP 地址大致分为三类，对应不同的"可信度"： 住宅 IP（Residential IP） 由 ISP（电信、联通等）分配给普通家庭宽带用户 使用场景：正常家庭上网 被 AI 服务认为是真实用户 数据中心 IP（Datacenter IP） AWS、GCP、Azure、Vultr、DigitalOcean 等云厂商的 IP 段 这些 IP 段是公开已知的，任何服务都可以查询某个 IP 是否属于云服务商 特征明显：大量不同账号从同一 /24 网段访问 代理/VPN IP 商业代理服务的 IP 池 被高强度使用，信誉最差 AI 服务的风控逻辑 AI 服务的风控通常不是简单的"封 IP"，而是基于 IP 质量做差异化对待： 请求进来 → IP 质量检查 ├─ 住宅 IP → 正常处理 ├─ 数据中心 IP → 提高 CAPTCHA 频率 / 限制某些功能 └─ 已知代理 IP → 拒绝 / 要求重新验证 这就是为什么即使你的节点"能连上"，使用体验也可能很差：功能在降级运行，不是完全封锁。 ...

Claude Code 在 2025 年做了一个不太起眼但很重要的更新：支持接入 GitHub Copilot Pro+ 作为后端。这意味着你可以用 $19/月 的 Copilot Pro+ 跑 Claude Code，而不需要单独订阅 $20/月 的 Claude Pro。 但两个通道有明显差异，不了解的话会踩坑。这篇文章讲清楚两者的区别，以及我现在用的一套 alias 方案，让切换变成一条命令的事。 两个通道的核心差异 对比维度 官方通道（Claude Pro） Copilot 通道（Pro+） 月费 $20 $19（Copilot Pro+） 最大上下文 200k tokens 128k tokens 模型选择 Sonnet / Opus 自由选 每月 1500 次高级模型额度 网络要求 需要访问 claude.ai 需要访问 github.com 适合场景 大型项目、长对话 日常任务、成本控制 关键差距是上下文窗口：官方通道 200k，Copilot 通道 128k。 对于大多数日常任务（改一个文件、写一个脚本），128k 完全够用。但如果你要让 Claude Code 理解整个项目的代码库，或者对话轮数很多，200k 的差距就体现出来了。 ...