AI 工作流

Anthropic 目前的主力模型線：Opus 4.6（最強）、Sonnet 4.6（均衡）、Haiku 4.5（最快最便宜）。很多人用 Claude 的時候不管什麼任務都用 Opus，結果 API 賬單高出 3-5 倍。 這篇文章從實際使用角度講清楚：什麼情況用 Opus，什麼情況用 Sonnet，Haiku 什麼時候值得考慮。 價格對比（2026年4月） 模型 輸入價格 輸出價格 相對成本 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 貴將近 20 倍。 同樣的任務，如果 Sonnet 能解決，用 Opus 就是純粹浪費。 透過 GitHub Copilot Pro+ 訂閱（$19/月）可以用有限額度的 Sonnet 和 Opus，超出額度後按 API 計費。 ...

OpenClaw 預設配置跑一段時間會遇到兩個問題：額度消耗太快、長會話超時崩潰。這篇文章記錄我實際調優的 8 個引數，以及背後的原因。 先說清楚架構 我用的組合： GitHub Copilot Pro+：月付 $19，提供 1500 次/月的 premium request 額度 Claude Opus 4.6：透過 Copilot 的模型路由訪問，模型 ID github-copilot/claude-opus-4.6 OpenClaw：負責 Telegram 互動、Skill 呼叫、定時任務 額度計算邏輯：每次 AI 助手回覆 = 1 次 premium request（包括 tool call 後的回覆）。1500 次聽起來很多，但沒最佳化的話很快就不夠用。 8 項標準最佳化 1. 模型只保留 Copilot，清空 fallbacks 問題：預設配置有多個 model provider 做 fallback，一旦主模型超時，會依次嘗試所有 fallback，每次嘗試都消耗額度。 最佳化： { "agents": { "defaults": { "model": { "primary": "github-copilot/claude-opus-4.6", "fallbacks": [] } } } } fallbacks 清空後，失敗直接報錯，不會觸發 2-3 次無效重試。每月節省約 50 次。 ...

如果你用過 Claude Code，OpenClaw 可以理解成它的"非同步版本"——Claude Code 適合你坐在電腦前互動式幹活，OpenClaw 適合讓 AI 在後臺持續幫你做事，即使你不在電腦旁。 OpenClaw 的核心定位 一句話：讓 AI 助手能訪問和操作外部工具，並透過 Telegram 等渠道跟你互動。 它解決的問題： AI 模型本身無法主動觸達你（你要開口問，它才回答） AI 模型沒有持久狀態（每次對話從頭開始） AI 模型無法直接操作外部系統（GitHub、Notion、伺服器） OpenClaw 透過 Skill 系統 解決這三個問題。 Skill 系統 Skill 是 OpenClaw 的核心概念：一個 Skill 就是給 AI 掛載一個工具。 已有的 Skill 舉例： Skill 功能 github 讀寫 Issue、PR、Actions obsidian 讀寫 Obsidian 筆記庫 weather 查詢天氣（open-meteo） notion Notion 頁面/資料庫操作 healthcheck 系統安全巡檢 skill-creator 建立自定義 Skill 安裝一個 Skill： ...

用 OpenClaw 跑自動化任務，最麻煩的不是配置，而是"跑著跑著突然不工作了"。這篇文章整理我遇到過的故障和解決方法。 Gateway 相關 Gateway 服務未啟動 症狀：Telegram 發訊息沒反應，AI 助手不回覆。 檢查： openclaw gateway status 常見原因和解法： 原因 解法 程序掛了 openclaw gateway restart Bot Token 過期 去 BotFather 重新獲取 token，更新配置 埠衝突 lsof -i :埠號 找佔用程序，kill 掉 Windows 開機未自啟 任務計劃程式加入自啟 Windows 特別注意：Windows 上 Gateway 不會隨系統自動啟動，每次重啟後需要手動執行： openclaw gateway start 建議做成 Windows 任務計劃程式的開機自啟任務。 Gateway 啟動後幾小時自動斷開 症狀：剛開始好的，過一段時間 Telegram 又不響應了。 原因：Telegram 的 long-polling 連線超時，Gateway 沒有自動重連。 解法：用 cron 或 systemd 做保活： ...

Claude API 的成本很容易超出預期——模型能力越強，每次呼叫越貴，上下文越長越貴。這篇文章分享我控制成本的方法。 Claude 各模型價格對比（2026） 模型 輸入 $/MTok 輸出 $/MTok 適用場景 claude-opus-4-6 $15 $75 複雜推理、程式碼生成 claude-sonnet-4-6 $3 $15 日常任務、寫作 claude-haiku-4-5 $0.8 $4 簡單分類、摘要 MTok = 百萬 token。1 個 token ≈ 0.75 個英文單詞 ≈ 0.5 個漢字。 同樣的任務，Haiku 比 Opus 便宜約 15-20 倍。 最有效的省錢手段：Prompt Cache Anthropic 的 Prompt Cache 功能：對同一個長系統提示詞，第一次收費，後續命中快取只收 10% 的價格。 # 開啟 Prompt Cache 的寫法 response = client.messages.create( model="claude-sonnet-4-6", system=[ { "type": "text", "text": "你的長系統提示詞...", "cache_control": {"type": "ephemeral"} # 標記為可快取 } ], messages=[{"role": "user", "content": "使用者問題"}] ) 實際效果：我的量化運維 Skill，系統提示詞約 2000 token，一天呼叫 50 次： ...

我從去年開始用 Claude Code（就是 Anthropic 出的那個 CLI 工具）管理我的一堆伺服器，用下來感覺這才是 AI 應該有的使用方式——不是聊天，而是真正在幫你幹活。 我的使用場景 9 臺海外 VPS（AWS / DMIT / 騰訊雲），分佈在美國、香港、日本、新加坡，跑著： 代理節點（Xray + Hysteria2） 量化交易策略 監控系統（Prometheus + Grafana） 各種自動化指令碼 以前這些機器要靠手動 SSH 進去一臺臺操作，現在我直接跟 Claude Code 說"把日本那臺機器的 Xray 配置更新一下"，它就幫我 SSH 進去、修改配置、重啟服務、驗證狀態。 Skill 系統：讓 AI 有專業知識 Claude Code 支援自定義 Skill（類似系統提示詞），我給不同的任務場景都寫了專門的 Skill： 伺服器運維 Skill # 伺服器運維助手 你負責管理以下 VPS： - aws-us: 13.x.x.x（美國） - aws-hk: 43.x.x.x（香港） - aws-jp: 3.x.x.x（日本） SSH 埠統一 18022，使用者名稱 ubuntu，使用 PEM 檔案認證。 標準操作流程： 1. 連線前先檢查機器是否線上（ping 測試） 2. 操作前備份配置檔案 3. 修改後驗證服務狀態 4. 如有異常立即回滾 這樣 Claude 就有了我的基礎設施上下文，不需要每次都重複說一遍。 ...