效率

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： ...

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： ...

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。 ...

打字太慢是我長期的生產力瓶頸。寫文章、回郵件、記錄想法，不是腦子跟不上，是手速跟不上。 直到我開始用 Typeless。 Typeless 是什麼 Typeless 是一款 AI 驅動的語音輸入工具，支援 macOS、Windows、iOS、Android。核心邏輯很簡單：你說，它寫。但和十年前那種粗糙的語音識別不同，Typeless 在識別的基礎上加了一層 AI 處理： 自動刪除"嗯"“啊"“那個"“就是說"等口頭禪 識別自我糾正（你說"明天……不對，後天”，只輸出"後天”） 根據上下文整理格式，自動識別列表、步驟、要點 根據當前應用調整語氣（在 Slack 裡偏口語，在 Word 裡偏正式） 速度差距有多大 官方資料：鍵盤平均 45 WPM，語音輸入 220 WPM，快將近 5 倍。 我自己測了一下，寫一篇 800 字的技術筆記： 鍵盤打字：約 25 分鐘 Typeless 語音：約 8 分鐘 差距主要來自兩塊：一是語音本身比打字快，二是不用停下來想怎麼拼、怎麼切換輸入法。 中英文混輸體驗 這是我最擔心的點，結果是最驚喜的。 我平時寫東西中英文混得很厲害，比如： “用 Claude Code 跑 backtest，發現 equity curve 的 drawdown 有點大，需要調一下 stop loss 引數。” ...