文章

羊羽的AI-Native周报(3)

发表于
作者 羊羽
13 分钟阅读
羊羽的AI-Native周报(3)

GPT Image 2.0 真不错！

  
GPT Image 生成图1GPT Image 生成图2

每天都有免费额度！

chatgpt.com

打不开？

ChatGPT打不开提示

参考羊羽4个月前的文章：科学上网的原理和Gemini Chat的使用

知识和技巧

iTerm2 快捷打开 ClaudeCode

陆续帮几个产品、运营同学做了 Claude Code 的安装和调试——他们也想试试 Claude Code。

但我发现 Claude Code 这种 TUI（终端用户界面）类型的产品，对他们来说非常不友好。

让他们打开一个终端、新建 tab、输入命令回车启动——这套流程对非技术背景的同学来说，认知负担是很重的。

就算是程序员群体里，也有相当一部分人对终端并不熟悉，日常更习惯 high-level 的 GUI 或 IDE。

但是我找了一圈也没有啥比较好的 Claude Code GUI 应用，所以这件事需要自己想办法做一些适配。

后来我想到了一个非常取巧的办法：给非技术背景的同事装 iTerm2，通过预定义设置，把它变成一个「点击即进入 Claude Code」的受限终端启动器。

好处

  1. 降低操作门槛：他们日常没有「黑屏操作」的需求，不需要理解终端本身
  2. 明确功能定位：打开 iTerm2 这个应用的唯一目的就是使用 Claude Code
  3. 简化认知：对他们来说，iTerm2 就是一个 Claude Code 启动器

配置步骤

  1. 安装 iTerm2：brew install --cask iterm2（或从 iterm2.com 下载安装包）
  2. 打开 iTerm2 → Settings → Profiles，点击 + 新建一个 Profile，命名为「Claude Code」
  3. 在 General 标签中，将 Command 选为 Login Shell，并在 Send text at start 中填入 claude
  4. 在 Window 标签中，按需设置窗口大小、透明度等外观参数
  5. 保存后，这个 App 打开就是 Claude Code 界面啦~

iTerm2 Profile配置1

ClaudeCode搭配使用Codex

Claude Code 作为 TUI 界面的 AI 辅助编程工具，已经是事实上的统治者了——大家一说起 AI 编程，首先想到的就是 Claude Code。

但 OpenAI 在后面紧追不舍。

Codex 很早就推出了，配合最新的 GPT-Codex 模型（针对 AI 编程做了专门的定制优化），不管是使用体验还是编程效能，都已经非常有吸引力，最近使用量和用户接受度也越来越高。

为了方便大家在保持 Claude Code 使用习惯的同时逐步迁移，Codex 提供了一个 skill，可以在 Claude Code 编码工作流程中集成 Codex：

  1. 直接在 Claude Code 里做代码变更
  2. 通过这个 skill 委托 Codex 进行交叉的代码验收、测试或 Code Review

Codex Skill 截图

命令说明
/codex:setup检查本地 Codex CLI 是否已就绪
/codex:review对当前仓库的本地 git 状态执行 Codex 代码审查
/codex:result查看当前仓库中已完成 Codex 任务保存的最终输出结果
/codex:status查看当前仓库中正在运行和最近的 Codex 任务状态
/codex:cancel取消当前仓库中正在执行的后台 Codex 任务
/codex:rescue通过子代理将任务委托给 Codex 处理

https://github.com/openai/codex-plugin-cc

jina-web-skills

skill 安装引导：yungyu16/skills

一个轻量级 Claude Code 自定义 Skill，通过 Jina AI OpenAPI 实现网页内容读取和网络搜索功能。

可作为 Claude Code 内置 WebFetch 和 WebSearch 工具的高效替代方案，零第三方依赖，支持并发操作。

什么是 Jina AI

Jina AI 是一家专注于多模态 AI 基础设施的公司，提供 Reader、Search、Embeddings 等 AI 服务和 API。

本 Skill 使用了其 Reader 和 Search 两大 OpenAPI，为 AI Agent 提供网络信息获取能力。

为什么要用这个 Skill？

Claude Code 内置的 WebFetch 和 WebSearch 工具需要付费订阅才能使用。

如果你没有订阅，或者需要更强大的网络信息获取能力，这个 Skill 是一个高效的替代方案：

对比项Claude Code 内置工具Jina Skill
可用性需要 Claude Code 付费订阅只需 Jina API Key（Reader API 免费）
网页读取一次读取单个 URL多 URL 并发读取
网络搜索基础搜索支持时间/地域过滤
PDF 支持不支持支持
灵活度固定行为可控制结果数、输出文件、提取链接/图片

功能特性

  • 网页内容读取：将网页或 PDF 转为干净的 Markdown，支持提取链接和图片
  • 网络搜索：实时互联网搜索，支持时间过滤、地域/语言设置
  • 认证管理：支持环境变量和持久化文件两种认证方式
  • 并发操作：多个 URL 或关键词自动并行处理，保持结果顺序

大模型 Token 计费逻辑

最近 DeepSeek V4 发布了，一个非常大的卖点就是成本极低——百万 Token 的单价可能只有国外同类型模型（比如 Claude 系列模型）的十分之一。

我在看它的产品 Spec 时，发现里面标注了输入 Token 单价、输出 Token 单价、命中缓存和未命中缓存的价格差异……各种维度的价格差异看得人眼花，所以我研究了一下，这里做个总结。

Token计费表格

前置概念：

大模型 API 是无状态的 request-response 模型。 给大模型（或 API 网关）发一个请求，大模型在线推理后返回一个响应。

在这个过程中，Token 分两类：

  1. 输入 Token：请求中的提示词（Prompt）和上下文内容
  2. 输出 Token：响应中模型推理生成的内容（无论流式还是非流式）

ReAct 循环下的 Token 累加

在 Agent 或 Agentic App 的场景下（包括 Claude Code、Codex 等），大多采用 ReAct 架构——核心是「观察 → 动作 → 推理（Reasoning）→ 响应 → 再观察」的循环。

每一轮的请求和响应会拼接起来，作为下一轮的输入：第 n 轮的输入 Token + 输出 Token，共同转化为第 n+1 轮的输入 Token

Cache（缓存）机制

Cache 只对输入 Token 生效，输出 Token 不会有缓存（因为输出是模型即时推理出来的）。

但输出 Token 在后续轮次中角色会变化：

  1. 第 n 轮的输出 Token，变成第 n+1 轮的输入 Token
  2. 随后，它可能成为第 n+2 轮的 Cache Token

简单说：Cache Token 这个概念只针对输入 Token，即请求中带来的上下文和提示词。

定价的大致概念

  1. 输入 Token 的计费单价至少是输出 Token 的 1/2（比例约 1:2）
  2. 命中 Cache 的输入 Token 价格，是没有命中 Cache 的输入 Token 价格的 10%（即 1/10）

言论和想法

跟 Gemini 唠了唠职场困惑

跟 Gemini 聊了聊最近的一些职场困惑，我感觉它说得好有道理。正着肯定我、反着批判我，都让我心服口服！

  
Gemini对话1Gemini对话2
Gemini对话3Gemini对话4

Node.js 才是最高效的 Agent 开发平台

我觉得 Node.js 才是最合适的 Agent 开发平台，四个理由：

协程 + 异步，天生适合流式场景

大模型 API 都是 SSE 流式返回，Node.js 的异步模型处理起来非常自然。反观 Java 对接 LLM 简直折磨，WebFlux 写起来也一言难尽；Python 生态虽强，但前端侧的工具体验还是差一截。

前后端一把梭

谁都会点 JS，没人不会 JS。Agent 应用往往是前后端一体的，用一套语言从头写到尾，省心智负担。

TypeScript 强类型，扛得住高频重构

AI 写的代码变脸比翻书还快。TS 的好处：

  • 改接口签名，编译器直接标红，不用跑测试撞大运
  • 类型就是活文档，AI 改代码时歧义少、幻觉也少
  • 对比 Python，项目一大、AI 参与度一高，重构就是扫雷

成熟的 AI 开发生态

后端有 Vercel AI SDK 这类 LLM 抽象层，界面侧用 React 就能写 TUI。Claude Code、Gemini CLI 这些你正在用的 AI Agent 终端产品，全是 Node.js / TypeScript 写的。

Node.js生态截图

TypeScript 好啊，TypeScript 得学啊。又能干前端、又能干后端！一般的 FaaS/BaaS 平台也是拿 JavaScript 作为一等公民来支持！

有 AI 了，更累了

累了

我发现，尽管 AI 写代码确实很快——只要你愿意，代码行数可以像往硬盘里写无用数据一样瞬间填满。

但这种速度的提升，反而让开发者的工作变得更累了。

工作性质的转变

  • 以前：我们是自己在打磨和创造代码，里面融入了心思和创意
  • 现在：更多是在看 AI「表演」，然后帮它做审核和善后

枯燥的审核过程

这种状态有点像「数据标注师」或者「鉴黄师」——机械地面对一张图片，标注哪里是猫、哪里是狗。非常枯燥，缺少了以前那种获得感和成就感。

所以体感上，比以前还要累一些。大概就是这样。

AI-Native 工具
本文由作者按照 CC BY 4.0 进行授权