AI 工作流

1 個月時間，花了大約 5000 美金 AI 相關訂閱和 API（Claude Pro + Claude API + OpenAI API + Copilot Pro+ + Codex + Paseo + 雜項），獨立搭起了 18 大類系統，總程式碼量粗略估計 5 萬行以上（不含 AI 生成的自動化指令碼）。 作為對比：同樣的功能如果招 2 個全棧工程師從零開發，保守估計 6-12 個月，成本至少 30-60 萬人民幣。 本文是清單，按類別梳理每個系統做什麼、解決什麼問題、如果人工開發需要多少時間。不講具體技術細節（想看的點進每個連結的詳細文件），只講規模和效率。 一、量化交易系統（核心板塊） 北極星策略家族（polaris 1/5/6 三個策略共存）： BTC 趨勢跟蹤 / 多幣種組合 / 合約 + 現貨套利 實盤雙機熱備（主備自動切換） 所有策略統一 Telegram 訊號推送 北極星策略介紹 回測實驗室（兩代）： v1（Streamlit 8501）：Python 基礎回測，單幣種單引數 v2（Streamlit 8502，Numba JIT 加速）：多幣種組合、Walk-Forward 驗證、蒙特卡洛模擬、引數網格搜尋 自動和 aws-sg 實盤機同步 K 線資料 策略運維工具鏈： ...

⚠️ 註冊門檻：Pionex 不支援中國大陸身份證透過 KYC，需持有臺灣 / 新加坡 / 馬來西亞 / 美國等地有效證件。參考 Pionex 受限地區官方說明。 說明：下面展示的資料模式和分析結論基於典型的網格機器人日誌樣本（非某一個特定賬戶的真實資料），演示 AI 分析量化日誌時會得出的發現型別，幫你瞭解：值得讓 AI 分析什麼、能得到哪種可操作結論。 實盤跑久了會積累海量資料——Pionex 一個機器人 4 個月通常 1000+ 筆成交。人看 Excel 抓不出規律，AI 看 CSV 卻能很快找到你看不見的模式。這篇演示用 AI 分析網格機器人日誌能得到的 3 類實盤最佳化機會。 把日誌匯出 Pionex App → 我 → 訂單 → 歷史訂單 → 匯出 CSV（最多 90 天） CSV 長這樣： 時間,機器人ID,訂單型別,方向,價格,數量,手續費,總額 2026-01-15 14:23:01,GRID-BTC-001,LIMIT,BUY,64850.00,0.00015,0.0486,9.73 2026-01-15 14:45:22,GRID-BTC-001,LIMIT,SELL,64950.00,0.00015,0.0487,9.74 ... 90 天資料大約 2-3 MB，7000 行左右。 給 AI 的 Prompt 直接上傳 CSV 到 ChatGPT（帶資料分析能力）或用 Claude Code 本地分析。核心 prompt： ...

💡 國內提示：Binance 官網在中國大陸無法直連，訪問需自備網路工具；法幣入金不支援銀行卡，主要走 C2C（USDT↔CNY）通道完成。 加密圈有句話：“爆倉不是突然的事，是慢慢惡化的結果”。爆倉前 2-4 小時維持保證金率（MMR）通常已經很危險了，但很多人因為手機沒通知，等看到時已經被強平。 這篇用 Claude Code 寫了一個小指令碼監控 Binance U 本位合約賬戶的保證金健康度，低於閾值時立即 Telegram 推送。完整程式碼 + 部署。 需求描述（給 Claude） 寫一個 Python 指令碼監控 Binance 合約賬戶： 1. 用 Binance API Key（只勾"讀取"許可權）查 U 本位合約賬戶 2. 算每個開倉的 "維持保證金率" 維持保證金率 = 維持保證金 / 賬戶餘額 3. 整個賬戶的健康度： - 安全：賬戶餘額/總維持保證金 > 5 - 警戒：2-5 - 危險：< 2（大機率爆倉程序啟動） 4. 危險時立即 Telegram 推送（含倉位明細 + 當前 MMR） 5. 每 10 分鐘跑一次 6. 用環境變數存 API key，不寫死在程式碼裡 一稿即可用的程式碼 binance_risk_monitor.py： ...

⚠️ 註冊門檻：Pionex 不支援中國大陸身份證透過 KYC，需持有臺灣 / 新加坡 / 馬來西亞 / 美國等地有效證件。參考 Pionex 受限地區官方說明。 Pionex 網格機器人跑了 4 個月，最大的痛點是到達區間邊沿時沒有預警。價格上穿 / 下穿區間機器人會自動停，但你不知道什麼時候需要手動干預（重配區間或暫停）。 解決方法：寫一個小指令碼監控價格，到達邊沿前預警。我用 Claude Code 從零寫到跑起來花了 25 分鐘，把過程和最終程式碼都放出來。 為什麼要 Claude Code 寫 比起自己從頭想： 我不熟悉 Pionex API（Claude 查文件比我快） Telegram Bot API 我記不住細節（Claude 會直接出正確程式碼） 我傾向於過度設計，Claude 會給"最小可用"版本 除錯環節 Claude 看報錯直接改 整個過程就是對 Claude 說人話，它輸出程式碼 + 解釋。 需求定義（我給 Claude 的） 寫一個 Python 指令碼： 1. 每 5 分鐘查 BTC/USDT 和 XAU/USDT 的當前價格 2. 如果價格接近預設區間的上沿或下沿（10% 以內），推送 Telegram 3. 推送內容含：當前價、區間、距離邊沿百分比 4. 配置放在環境變數：TG_TOKEN, TG_CHAT_ID, BOT_CONFIGS 5. BOT_CONFIGS 是 JSON，格式： [ {"symbol": "BTC/USDT", "low": 60000, "high": 70000, "name": "BTC 網格"}, {"symbol": "XAU/USDT", "low": 3400, "high": 3600, "name": "黃金網格"} ] 6. 用 Binance 公開 API 查價格（Pionex 用的價格源和 Binance 一致） 7. 部署到 Mac，用 launchd 每 5 分鐘跑 Claude 輸出的程式碼（幾乎一稿過） 檔案 1：pionex_monitor.py ...

最近在 Claude Code 裡遇到一個讓人懵的錯： An image in the conversation exceeds the dimension limit for many-image requests (2000px). Start a new session with fewer images. 我當時貼的是一張完全正常的 100×200 小圖。按直覺這應該是"最後那張圖超大"，但實際不是。這是一個累積性 bug，觸發時機、原因、解法都反直覺，一旦踩到還會反覆踩。這篇文章把規則、原理、可直接用的工具都講清楚。 現象 一次典型觸發路徑： 某個 Claude Code 會話裡，你聊了半天，中途貼過幾張截圖（假設有一張是 2500×1800，Retina 截圖很容易超過 2000 px）。 繼續往下聊，又貼了一張新的截圖（不管多大）。 這次請求 直接失敗，報上面那個 dimension limit。 之後你純文字發訊息也會失敗。會話徹底卡住，除了開新會話沒別的選項。 如果你用的是 Paseo（多 tab 聚合 Claude Code / Codex 的客戶端），一個 tab 掛掉不影響別的，但那個 tab 裡一整段有價值的上下文基本就廢了。 原因：Anthropic API 的多圖分檔規則 Anthropic 的 Messages API 對圖片有兩檔尺寸規則： ...

管理多臺 VPS 時，每天檢查一遍狀態是剛需：磁碟快滿了、某個服務掛了、記憶體用量異常……這些如果不主動檢查，可能等到出了問題才發現。 這篇文章講一個實際方案：Python 指令碼 SSH 到各臺伺服器採集指標 → Gemini CLI 分析異常 → Telegram Bot 推送日報。 整個流程每天定時跑一次，不需要手動干預。 架構 定時任務（cron） └─ Python 巡檢指令碼 ├─ SSH 到每臺伺服器 │ └─ 採集：CPU / 記憶體 / 磁碟 / 服務狀態 / 近期錯誤日誌 ├─ 彙總成文字報告 ├─ 呼叫 Gemini CLI 分析報告（找異常、給建議） └─ 傳送到 Telegram Bot 前置準備 1. 安裝 Gemini CLI npm install -g @google/gemini-cli gemini auth # 用 Google 賬號登入 驗證： ...

這篇是 OpenClaw 入門教程 的續集，假設你已經裝好了 OpenClaw，跑通了基本的 Telegram 互動。這裡講的是真正把它用起來之後的進階技巧。 多 Agent 任務分工 OpenClaw 支援在同一個 Telegram 群裡配置多個 Agent，各自負責不同領域，這是它最容易被忽視的功能。 為什麼要分 Agent 不分 Agent 時，你的 AI 助手是個通才——什麼都能問，但沒有專門的上下文和工具。問運維問題時它不知道你的伺服器架構，問量化策略時它不知道你的持倉邏輯。 分 Agent 後，每個 Agent 有自己的： 系統提示詞：注入對應領域的背景知識 Skill 集合：只掛載相關的工具 獨立對話歷史：不會被其他任務干擾 配置示例 在 ~/.openclaw/config.yml 裡定義多個 Agent： agents: - name: "ops" description: "伺服器運維助手" skills: - healthcheck - ssh-tools system_prompt: | 你是專門負責管理伺服器基礎設施的運維助手。 你熟悉 Nginx、Docker、系統監控等運維工作。 遇到需要執行命令的任務，先解釋再操作。 - name: "quant" description: "量化策略助手" skills: - binance-watcher - grafana-query system_prompt: | 你是專門負責量化策略監控的助手。 你瞭解趨勢跟蹤策略的基本邏輯，能解讀持倉訊號和收益資料。 不公開具體策略引數。 - name: "writer" description: "寫作助手" skills: - obsidian system_prompt: | 你是部落格寫作助手，幫助整理思路、起草文章、整理筆記。 寫作風格：直接、有觀點，不廢話。 在 Telegram 裡透過 /agent ops 切換到對應 Agent，之後的對話都走那個 Agent 的配置。 ...

GitHub Copilot（特別是透過 Claude Code + Copilot 通道使用時）每月有請求次數限制。OpenClaw 支援多 agent 併發，很容易在不知不覺中把配額消耗掉。 這篇文章整理了 8 個實用技巧，幫你更有效地管理用量、減少浪費。 1. 追蹤當前 Copilot 用量 方式一：GitHub 設定頁面 直接訪問 GitHub Copilot 用量頁面檢視當月消耗（Premium Request 數量）。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：命令列檢視（透過 API） # 獲取當前 Copilot 套餐資訊 curl -H "Authorization: token your-github-token" \ https://api.github.com/user/copilot_billing/seats 方式三：計劃用量估算 大概規律： 一次完整程式碼生成對話：1-3 requests 一次檔案重構任務（帶多輪修改）：5-15 requests OpenClaw 多 agent 併發任務：每 agent 獨立計算 2. OpenClaw 合理配置 agent 數量 OpenClaw 預設可以開多個 subagent 併發執行，但並不是越多越好。 ...

OpenAI 在 2025 年初發布了 Codex CLI——一個在終端裡直接用 AI 寫程式碼、改檔案、執行命令的工具。跟 ChatGPT 網頁版不一樣，Codex CLI 的核心是直接操作你本地檔案系統，讓 AI 真正幫你幹活，而不是給你貼程式碼讓你自己粘。 這篇文章覆蓋完整的入門流程，從安裝到能用，大約 10 分鐘。 準備工作 需要兩樣東西： Node.js 18+（node --version 確認） OpenAI API Key（platform.openai.com 獲取） API Key 需要繫結了付費方式，免費額度不支援 Codex 用的模型。 安裝 npm install -g @openai/codex 安裝完驗證： codex --version 認證配置 有兩種方式配置 API Key： 方式一：環境變數（推薦） export OPENAI_API_KEY="sk-xxxx..." 加到 ~/.zshrc 或 ~/.bashrc 讓它持久化： echo 'export OPENAI_API_KEY="sk-xxxx..."' >> ~/.zshrc source ~/.zshrc 方式二：執行時輸入 直接執行 codex，第一次會提示你輸入 API Key，會儲存到 ~/.codex/config.json。 ...

Google One AI Premium 是 Google 把旗下 AI 產品打包賣的訂閱方案，$19.99/月，主要包含三樣東西： Gemini Advanced：Google 最強 AI 模型（Gemini 1.5 Pro/Ultra 級別），無使用量限制 2TB Google 雲端儲存：覆蓋 Google Drive、Gmail、Google 相簿 NotebookLM Plus：Google 的 AI 筆記/知識庫工具，Plus 版無使用量上限 如果你本來就需要大容量 Google 雲端儲存，這個訂閱的 AI 功能相當於免費附贈。 Gemini Advanced 能做什麼 Gemini Advanced 背後是 Google DeepMind 的旗艦模型，主要亮點： 長上下文處理：上下文視窗達 100 萬 tokens，理論上可以一次性處理整本書或整個程式碼庫。 多模態：圖片、PDF、影片（YouTube 連結）都可以直接輸入，跟文字一起分析。 Google Workspace 整合：可以直接在 Gmail 裡用 Gemini 起草郵件、在 Google Docs 裡輔助寫作、在 Google Sheets 裡分析資料。 ...

Claude Code 在 2025 年做了一個不太起眼但很重要的更新：支援接入 GitHub Copilot Pro+ 作為後端。這意味著你可以用 $19/月 的 Copilot Pro+ 跑 Claude Code，而不需要單獨訂閱 $20/月 的 Claude Pro。 但兩個通道有明顯差異，不瞭解的話會踩坑。這篇文章講清楚兩者的區別，以及我現在用的一套 alias 方案，讓切換變成一條命令的事。 兩個通道的核心差異 對比維度 官方通道（Claude Pro） Copilot 通道（Pro+） 月費 $20 $19（Copilot Pro+） 最大上下文 200k tokens 128k tokens 模型選擇 Sonnet / Opus 自由選 每月 1500 次高階模型額度 網路要求 需要訪問 claude.ai 需要訪問 github.com 適合場景 大型專案、長對話 日常任務、成本控制 關鍵差距是上下文視窗：官方通道 200k，Copilot 通道 128k。 對於大多數日常任務（改一個檔案、寫一個指令碼），128k 完全夠用。但如果你要讓 Claude Code 理解整個專案的程式碼庫，或者對話輪數很多，200k 的差距就體現出來了。 ...

我目前每月花 $80 訂閱了兩個 GitHub Copilot Pro+ 賬號。這個數字初看不小，但用了 3 個月後，我認為這是我所有 AI 訂閱裡 ROI 最高的。 這篇文章把賬算清楚，讓你自己判斷值不值。 Copilot Pro+ 是什麼 GitHub Copilot 有三個檔位： 檔位 月費 核心區別 Copilot Free 免費 基礎補全，每月 2000 次補全 Copilot Pro $10 無限補全，GPT-4o 模型 Copilot Pro+ $19 無限補全 + 高階模型額度 Pro+ 的關鍵差異： 每月 1500 次高階模型使用：包括 Claude Sonnet 4.6、Claude Opus 4.6、o3 等 在 VS Code / JetBrains / Vim 裡直接呼叫這些模型做程式碼生成 支援 Claude Code CLI 作為後端（OpenClaw 接入也是這個方式） 我的使用場景 我用 Copilot Pro+ 主要做兩件事： ...