效率

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： ...

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。 ...

我目前每月花 $80 订阅了两个 GitHub Copilot Pro+ 账号。这个数字初看不小，但用了 3 个月后，我认为这是我所有 AI 订阅里 ROI 最高的。 这篇文章把账算清楚，让你自己判断值不值。 Copilot Pro+ 是什么 GitHub Copilot 有三个档位： 档位 月费 核心区别 Copilot Free 免费 基础补全，每月 2000 次补全 Copilot Pro $10 无限补全，GPT-4o 模型 Copilot Pro+ $19 无限补全 + 高级模型额度 Pro+ 的关键差异： 每月 1500 次高级模型使用：包括 Claude Sonnet 4.6、Claude Opus 4.6、o3 等 在 VS Code / JetBrains / Vim 里直接调用这些模型做代码生成 支持 Claude Code CLI 作为后端（OpenClaw 接入也是这个方式） 我的使用场景 我用 Copilot Pro+ 主要做两件事： ...

很多人试过语音输入，然后放弃了——说出来的东西乱糟糟的，还要花时间整理，反而更慢。 这是旧时代语音识别的问题。Typeless 在识别后加了一层 AI 处理，基本解决了这个问题。用下来三个场景受益最明显。 场景一：技术文章起草 写技术文章最费时间的不是打字，是「从想法到第一稿」这个过程。脑子里有结构，但要把它变成文字就会卡住，反复删改，越写越慢。 换成语音之后，我的流程变成了： 在脑子里过一遍文章结构（30 秒） 开 Typeless，对着 Obsidian 口述全文 AI 自动整理段落、列表、要点 检查一遍，补细节 口述完一篇千字文章大概需要 5-8 分钟，然后花 10 分钟打磨，全程 20 分钟以内。以前单纯用键盘要 40-60 分钟。 关键是：说话比打字更接近思维速度，中间不会因为手速不够而打断思路。 场景二：写代码注释和 PR 描述 这个场景有点出人意料，但效果很好。 代码注释大家都知道该写，但实际上很多人（包括我）经常偷懒不写，原因就是打字麻烦。换成语音之后，写注释变成了：光标放到函数前，说一句"这个函数用来处理 Binance API 返回的持仓数据，计算实盘净值并写入 KV"，Typeless 自动格式化成注释。 PR 描述也一样：打开 PR 界面，口述 What / Why / How，Typeless 输出结构化的 Markdown 描述。 Typeless 支持 VS Code 和 GitHub，直接在编辑器里用，不用跳到其他应用。 ...

打字太慢是我长期的生产力瓶颈。写文章、回邮件、记录想法，不是脑子跟不上，是手速跟不上。 直到我开始用 Typeless。 Typeless 是什么 Typeless 是一款 AI 驱动的语音输入工具，支持 macOS、Windows、iOS、Android。核心逻辑很简单：你说，它写。但和十年前那种粗糙的语音识别不同，Typeless 在识别的基础上加了一层 AI 处理： 自动删除"嗯"“啊"“那个"“就是说"等口头禅 识别自我纠正（你说"明天……不对，后天”，只输出"后天”） 根据上下文整理格式，自动识别列表、步骤、要点 根据当前应用调整语气（在 Slack 里偏口语，在 Word 里偏正式） 速度差距有多大 官方数据：键盘平均 45 WPM，语音输入 220 WPM，快将近 5 倍。 我自己测了一下，写一篇 800 字的技术笔记： 键盘打字：约 25 分钟 Typeless 语音：约 8 分钟 差距主要来自两块：一是语音本身比打字快，二是不用停下来想怎么拼、怎么切换输入法。 中英文混输体验 这是我最担心的点，结果是最惊喜的。 我平时写东西中英文混得很厉害，比如： “用 Claude Code 跑 backtest，发现 equity curve 的 drawdown 有点大，需要调一下 stop loss 参数。” ...