Hi, 请登录     我要注册     找回密码

人在外面代码照跑：用 ccgram 手机遥控工作机上的 Claude Code

分类：未分类 阅读() 评论(0)

科技论坛 Linux.do 发布一篇实战教程，介绍如何借助开源工具 ccgram，通过手机 Telegram 远程控制工作电脑上的 Claude Code 与 codex-cli/">Codex CLI，实现外出时也能监控和管理 AI 编程任务。ccgram 是一款 Telegram 与 tmux 之间的桥接工具，支持监控输出、响应提示、管理并行会话，可从手机直接控制 AI 编程智能体。部署流程包括：在 Telegram 通过 BotFather 创建机器人获取 token，借助 userinfobot 获取个人用户 ID；随后创建启用话题功能的 Telegram 群组，将机器人拉入并设为管理员，获取以 -100 开头的群 ID。工作机端通过 uv tool install 安装 ccgram，运行 ccgram doctor 自检 tmux、claude、codex 环境是否就绪，再配置 ~/.ccgram/.env 文件，写入 bot token、允许的用户 ID 与群 ID。为保证断电或重启后进程自动恢复，教程给出 systemd user service 配置，将 ccgram 设为常驻服务，代理设置通过环境变量注入，避免污染 shell 全局配置。此外，ccgram doctor –fix 可自动安装 Claude Code hooks，在任务完成或等待输入时向手机推送状态通知。部署完成后，用户在手机端群组新建话题，选择工作目录与开发工具，即可开启远程开发工作流。

事件分析

该方案的核心看点在于以极低成本解决了 AI 编程智能体的长任务管理痛点：Claude Code、Codex CLI 等命令行智能体执行周期长，开发者需随时响应权限确认或补充指令，ccgram 借助 tmux 的会话保持能力与 Telegram 的消息通道，将桌面终端延伸至手机端，构成一个轻量的远程控制平面。相比厂商自带的云端远程方案，这种自托管桥接方式规避了订阅依赖，systemd 常驻与 hooks 状态推送则保障了链路可靠性。这一玩法折射出 AI 编程工具正从辅助补全走向异步托管阶段，开发者与智能体的交互界面开始从终端向即时通讯软件迁移。后续可关注 Anthropic 官方远程开发功能的演进，以及此类 agent 远程管理方案是否会沉淀为开发者工具链的标准组件。

核心观点：AI 编程的竞争焦点正从代码生成转向任务托管，手机遥控智能体是异步开发时代的第一块拼图。

原文链接：Linux.do

C code80.ai · AI 编码 API 聚合 Claude / GPT 多模型统一接入,稳定不限速,按量计费,几行配置接入 Claude Code。 了解一下 ›

相关推荐

抢沙发

评论前必须登录！

立即登录   注册

易安
易安作者
长期关注 AI Agent、软件工程、自动化工作流与个人生产力系统。喜欢把复杂技术拆成普通人也能上手的实践教程,也记录自己在工具链、编程、内容创作和知识管理上的真实折腾。
  • 分享 AI 工具、Agent 工作流与提示词工程的实战经验
  • 记录从想法到产品、从代码到上线的完整实践过程
  • 关注普通人如何用 AI 放大能力,而不是被工具牵着走
阅读作者的全部文章 ›
文章目录

    置顶推荐

    Code80 · AI 编程巴士

    前沿哨所

    • 开源项目llmdoc：为AI Agent构建代码库记忆，直击AI编程六大痛点

      V2EX用户分享了一个名为llmdoc的开源项目，旨在解决AI编程中Agent缺乏代码库记忆的问题。项目已在GitHub开源，作者曾在原公司负责AI与Agent体系建设，并深度参与业务开发，对人机协作中的开发痛点有切身观察。作者总结了AI辅助编程中的六大典型问题：AI生成的代码不沿用项目既有技术框架；编码前需反复输入和纠正指令；已有的函数、库未被复用，重复造轮子；纠正过多次的错误仍会重犯；Agent使用的memory缺乏版本化管理，代码回滚或合并后memory未同步更新；AI完成任务前读取大量文件、消耗过多context，超过最佳窗口阈值后才开工，产出质量低下。作者提出context floor概念，认为Agent工作质量取决于与目标相关context的丰富程度，理想状态是将代码库、架构、数据库、UI和产品需求文档全部纳入上下文，而稳定地为Agent提供高质量context路径是提升其效率的关键。llmdoc的核心思路是让AI自动维护一套高于代码抽象层次的文档，这些文档具备良好的可读性与可理解性，能够指导AI写代码，并在代码更新后自动同步维护，从而形成可持续演进的代码库记忆。

      事件分析

      llmdoc切中的是AI编程领域最棘手的工程化难题之一：Agent的长时记忆与代码库状态同步。与传统的RAG代码片段检索不同，llmdoc选择让AI维护高抽象度的文档作为中间层，这一思路与社区流行的CLAUDE.md、AGENTS.md等约定文件一脉相承，但更进一步引入了自动化维护与版本联动机制。从产业视角看，AI编程工具的竞争焦点正从模型能力转向上下文工程，Cursor、Claude Code等主流工具均在rules和memory机制上持续布局，llmdoc这类独立方案若能与主流编码工具深度集成，有机会形成新的工作流标准。其潜在挑战在于：自动生成文档的准确性如何保障、文档与代码漂移如何治理、多Agent协作时的记忆一致性问题。随着企业代码库规模膨胀，此类结构化memory方案或将成为AI编程规模化落地的标配基础设施。

      核心观点：Agent编程的瓶颈不在模型智力，而在稳定供给高质量代码库上下文，memory管理正成为AI编程的新基础设施。

      原文链接：V2EX 分享发现

    • OpenAI官方确认：Codex长上下文超272K不加价，缓存写入免费

      围绕OpenAI Codex平台长上下文计费规则的争议有了官方结论。此前，OpenAI企业级Token定价体系对超过272K输入词元的长上下文设有额外计费乘数，但该规则是否同样适用于Codex平台，官方一直未给出明确说明，开发者社区对此议论纷纷，担心在Codex中处理大型代码库时会触发双倍计费。近日，OpenAI官方帮助中心更新了一篇关于GPT-6 Astra与Codex长上下文例外的说明文档，明确指出：在Codex中使用GPT-6 Astra模型时，输入词元超过272K不会产生额外的长上下文计费乘数；同时，Codex也不会对缓存写入收取费用。这一说明意味着开发者可以在Codex中放心处理超长上下文任务，例如大型代码仓库的分析与重构，而不必担心长上下文溢价推高成本。缓存写入免费则进一步降低了重复调用场景下的实际开销，对频繁进行多轮对话和代码迭代的工作流尤为有利。该说明发布在OpenAI官方企业级Token定价费率卡页面上，属于官方正式计费文档，具有一定权威性。不过，文档仅针对GPT-6 Astra模型作出例外说明，其他模型在Codex中是否同样豁免长上下文加价尚无明确表述，官方文档与实际账单扣费是否完全一致，仍有待开发者实际使用验证。

      事件分析

      长上下文计费是当前大模型定价体系中最易被忽视的成本项。272K阈值是超长上下文区间的分界线，超过后价格翻倍的设计初衷是抑制滥用，但该规则在API、ChatGPT订阅与Codex等不同入口之间如何套用，长期缺乏统一口径，此次官方文档的明确相当于填补了规则空白。从产业角度看，AI编程工具的竞争已从模型能力延伸至计费透明度。Claude Code、Cursor等竞品均在计费策略上持续调整，OpenAI主动澄清不加价与缓存免费，实质是降低重度用户的成本预期门槛，争夺大型代码库场景下的开发者心智。后续值得关注的走向有三：一是其他模型能否获得同等豁免；二是实际扣费数据与文档的一致性验证；三是缓存免费策略是否扩展至API侧。若账单与文档出现偏差，相关争议可能再度发酵。

      核心观点：计费规则模糊是AI编程工具的信任黑洞，官方文档补位只是第一步，账单一致性才是留住重度开发者的关键。

      原文链接：Linux.do

    • 开源工具 QuotaView 0.4.5 发布：灵动岛实时呈现 Codex 任务进度

      开源工具 QuotaView 发布 0.4.5 版本，这是一次较大规模的更新，安装包已推送至 GitHub 和 appcast 更新通道，旧版本用户可直接在软件内完成升级。QuotaView 是一款将 OpenAI Codex 任务进度以 macOS 灵动岛形式实时展示的工具，新版本带来多项改进：一是适配最新版 Codex，采用全新数据桥机制，全新安装无需再配置 hook，实现真正的即开即用；二是进度模式新增当前轮次 token 消耗显示，会话结束后新增剩余额度显示，帮助开发者实时掌握用量；三是精简软件结构，移除灵动岛 AI 球模式，仅保留信息量更丰富的进度模式；四是交互优化，鼠标悬浮灵动岛时触发淡出效果，不再遮挡后方信息与按钮；五是优化多步任务的 plan 获取，任务进入多步模式后灵动岛可准确显示当前任务进度；六是新增带确认的强提醒功能，当前任务卡在等待确认状态超过十秒后触发灵动岛提醒模式。开发者表示感谢社区反馈，开源项目需要大家的持续反馈才能越做越好，欢迎更多朋友试用并给出意见，项目已在 GitHub 上开源。

      事件分析

      技术层面，此次更新最关键的是全新数据桥替代了原有 hook 方案，免配置即开即用显著降低使用门槛，说明工具与 Codex 会话数据的对接已从外部侵入式转向更稳定的原生集成。功能取舍上，开发者砍掉 AI 球模式、保留信息密度更高的进度模式，反映出工具正从视觉炫技向实用监控演进。等待确认超时强提醒与多步任务进度追踪，针对的正是 AI Agent 长时间自治运行中的“失控盲区”问题。产业视角看，围绕 Codex、Claude Code 等编程代理的第三方可观测性工具正在快速涌现，额度监控与进度可视化源自真实开发痛点，这类小而美的开源项目有望成为 AI 编程工作流的标准配件，也可能推动官方将类似遥测能力纳入产品本体。

      核心观点：AI 编程代理走向长时自治运行，额度与进度的可观测性正成为开发者工作流的新刚需。

      原文链接：V2EX 分享发现

    • ChatGPT Pro额度大盘点：Pro 20x周均逾千次，Pro 5x周限仅50条

      根据OpenAI官方帮助文档，ChatGPT各Pro档位的对话额度差异显著。高级Pro模型方面，GPT-6 Astra与GPT-6 Pro设有独立的周限额，为每周200条；普通Pro模型GPT-5.6 Sol Pro则按日计算，每日170条。对Pro 20x档位用户而言，普通Pro模型仅受日限约束，按每周七天计算，Sol Pro累计可用约1190次；同时Astra与Sol Pro全部Pro模型合计日限为200条。相比之下，Pro 5x档位额度明显收紧，Astra与Sol Pro全部Pro模型合计限制仅为每周50条。文章作者据此测算，从单位订阅成本可换取的有效对话次数来看，Pro 20x在当前官方规则下是性价比最高的选择。该整理信息源自OpenAI官方说明页面，各档位在计量方式上的差别值得注意：高级模型走周限、普通模型走日限，且两套额度相互独立。这意味着重度使用者需要同时规划两类模型的使用节奏，避免单周或单日触顶。对于在Pro 5x与Pro 20x之间犹豫的潜在订阅者，上述数据可直接作为决策参考，两档实际可用量差距达到数量级水平。

      事件分析

      分层限额已成为头部AI厂商管理算力成本的主流手段。OpenAI将高级模型与普通模型拆分为独立额度池，并以日限、周限混合计量，本质上是对稀缺推理资源做精细化配给：高级模型单次推理开销大，采用周限控制总量；普通模型单位成本低，放宽至日限以改善使用感知。Pro 20x与Pro 5x之间二十余倍的额度差距，暴露出低档位订阅更多承担体验入口的角色，高频生产力用户被引导向高价位档位迁移。后续值得关注的方向包括：额度数值是否随推理成本下降而放宽、官方是否会引入按量付费作为订阅制的补充、以及竞品在定价与限额策略上的跟进动作。对用户而言，订阅前按自身调用频率反推所需档位，比单纯比较订阅价格更具实际意义。

      核心观点：额度分层实为算力配给，Pro档位间的数量级差距折射出AI订阅正从普惠定价转向重度用户溢价模式。

      原文链接：Linux.do

    • 国内创业公司30-40k招Agent测试研发，AI编程工具使用成硬性门槛

      国内一家创业公司近日在Linux.do社区发布招聘信息，招募Agent测试研发工程师，月薪30k至40k。该公司正在开发自己的Agent智能体产品，产品不仅支持对话，还能调用工具、处理文件、执行任务，并可在长对话中持续工作。该岗位以测试为主，同时参与研发。核心职责包括：负责Agent产品的功能测试、接口测试、回归测试和自动化测试；从用户实际使用角度设计测试场景，验证对话、工具调用、任务执行和异常处理；理解上下文组装、历史对话、记忆、任务状态、上下文压缩与恢复等机制；结合日志、接口和代码定位并复现Bug；编写Python、JavaScript或TypeScript测试代码与自动化脚本；参与前后端开发及产品逻辑调整。任职要求方面，候选人需具备软件测试或测试研发经验，至少精通Python、Go、Java其中一门，熟悉JavaScript和TypeScript，且需长期使用Codex、Claude Code或其他主流Agent编程工具中的至少一种。加分项包括拥有公开的GitHub开源项目、具备Agent或LLM应用经验、熟悉React、Electron、WebSocket、SQLite等技术，以及有科研软件、数据分析或生物医学项目经验。团队以95后为主，管理扁平，公司将提供充足的Token额度及AI Agent工具使用支持。

      事件分析

      这一招聘信息折射出AI Agent产业链的分工正在细化：传统软件测试岗位与LLM工程深度融合，催生了对既掌握测试方法论、又理解上下文管理、工具调用链路的复合型人才需求。值得关注的是两个信号：其一，长期使用Codex、Claude Code等Agent编程工具被列为硬性要求，而非加分项，说明AI辅助开发正从个体技能演变为岗位准入标准；其二，充足的Token额度被明确写入团队福利，AI工具开销已成为创业公司的常规成本项。薪资定位30k-40k处于测试岗位中高端水平，反映具备Agent产品经验的测试人才在当前市场上供给稀缺。随着Agent产品在多轮对话一致性、长任务执行等维度复杂度持续提升，针对性的测试框架与评估体系有望逐步成熟，此类岗位需求或将进一步扩容。

      核心观点：当熟练使用Claude Code成为招聘门槛、Token额度写进员工福利，AI原生工作流正从尝鲜走向行业标配。

      原文链接：Linux.do

    • 谷歌 Antigravity 浏览器智能体实测：注册选课、申请教育优惠全程自动完成

      一位用户在 Linux.do 论坛分享了对谷歌 Antigravity 浏览器智能体（Browser Agent）的实测体验，称其几乎可以完成 Chrome 浏览器上的一切自动化操作。发帖人列举了多项真实任务：大学注册、课程选择、向 SheerID 发送邮件以验证学生身份，以及申请 ChatGPT 教育优惠和甲骨文免费云服务器，并表示各项任务均顺利完成。这些操作涉及网页表单填写、邮件交互、多网站跳转等复杂流程，展示了浏览器智能体在端到端任务执行上的能力。此外，作者提到以不到 10 元人民币的价格获得了一整年的 Google AI Pro 订阅，认为性价比突出。该话题引发了社区讨论，共 13 个帖子、8 位参与者参与交流。Antigravity 是谷歌随 Gemini 3 一同推出的智能体开发平台，内置浏览器操控能力，可将自然语言指令转化为实际的网页操作。此次实测属于个人使用体验分享，提供了浏览器自动化技术在教育注册、身份验证、云服务申请等日常场景落地的具体案例，也反映出此类工具正从演示走向实际可用。

      事件分析

      浏览器智能体正成为大模型落地的关键方向。该实测案例显示，具备视觉理解与操作规划能力的智能体已能处理注册、验证、申请等多步骤网页流程，此类任务此前通常需要专门的 RPA 脚本或人工完成，技术门槛显著降低。值得注意的是，案例中的学生身份验证、教育优惠申请等环节涉及账号操作与个人信息提交，凸显了浏览器自动化在凭证安全、行为合规方面的潜在风险，平台方如何识别和规范智能体操作将成为焦点。随着谷歌、OpenAI 等厂商将 Agent 能力深度嵌入开发工具与浏览器，’让模型替人上网’的商业闭环正在加速形成。后续竞争预计将集中在操作成功率、任务可靠性、成本控制，以及与网站反自动化策略的持续博弈上。

      核心观点：浏览器智能体把大模型从对话推向实操，自动化红利与账号安全、平台合规的博弈将决定其落地速度。

      原文链接：Linux.do

    最新文章

    热门专题

    热门标签

    AI编程claude大模型AIAI Agent人工智能开源项目Gemini开发者工具开源GitHubClaude Code开源工具AI工具开发工具谷歌openaideepseek提示词工程cursoranthropic网络安全AI应用ChatgptAI开发agentAI安全自动化智能体AI智能体

    网站统计

    • 日志总数：28348
    • 评论总数：7
    • 标签总数：17872
    • 用户总数：3675
    • 最后更新：2026-09-04