工作流

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： ...

很多人試過語音輸入，然後放棄了——說出來的東西亂糟糟的，還要花時間整理，反而更慢。 這是舊時代語音識別的問題。Typeless 在識別後加了一層 AI 處理，基本解決了這個問題。用下來三個場景受益最明顯。 場景一：技術文章起草 寫技術文章最費時間的不是打字，是「從想法到第一稿」這個過程。腦子裡有結構，但要把它變成文字就會卡住，反覆刪改，越寫越慢。 換成語音之後，我的流程變成了： 在腦子裡過一遍文章結構（30 秒） 開 Typeless，對著 Obsidian 口述全文 AI 自動整理段落、列表、要點 檢查一遍，補細節 口述完一篇千字文章大概需要 5-8 分鐘，然後花 10 分鐘打磨，全程 20 分鐘以內。以前單純用鍵盤要 40-60 分鐘。 關鍵是：說話比打字更接近思維速度，中間不會因為手速不夠而打斷思路。 場景二：寫程式碼註釋和 PR 描述 這個場景有點出人意料，但效果很好。 程式碼註釋大家都知道該寫，但實際上很多人（包括我）經常偷懶不寫，原因就是打字麻煩。換成語音之後，寫註釋變成了：游標放到函式前，說一句"這個函式用來處理 Binance API 返回的持倉資料，計算實盤淨值並寫入 KV"，Typeless 自動格式化成註釋。 PR 描述也一樣：開啟 PR 介面，口述 What / Why / How，Typeless 輸出結構化的 Markdown 描述。 Typeless 支援 VS Code 和 GitHub，直接在編輯器裡用，不用跳到其他應用。 ...

買了 VPS、寫了量化策略程式碼，但怎麼讓它"自動跑起來"並且"隨時告訴你發生了什麼"？這是大部分人卡住的地方。 我用 OpenClaw 解決了這個問題。 OpenClaw 是什麼 簡單說：一個讓 AI 助手能呼叫各種工具的框架。 它的核心能力是： 提供 CLI 工具（openclaw message send），可以從任何指令碼里發 Telegram/Discord 訊息 有 Skill 系統，可以給 AI 掛載各種能力（GitHub、Notion、天氣、自定義指令碼） 支援 cron 定時任務和遠端觸發 對量化來說，最有用的就是訊息推送這一塊。 我的量化訊號推送架構 cron（每30分鐘） ↓ signal_monitor.py（拉資料 → 計算訊號 → 對比上次狀態） ↓ 有新訊號？ ├── 是 → generate_report.py（生成 PDF） │ ↓ │ openclaw message send（發 Telegram） │ ├── 群組（@ 訊號通知） │ └── 私信（附 PDF + 耗時統計） └── 否 → openclaw message send（私信巡檢報告） 跑在區域網的 Linux 機器上，24 小時不間斷。 ...

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。 ...