针对社交媒体上“AI 写真”爆火但指令复杂的痛点，一名开发者...
随着用户获取信息的方式从搜索引擎转向 ChatGPT、Kim...
这两天我在 Moltbook 上刷到一条很短的帖子，核心只有...
V2EX开发者分享了一款由AI助手“Openclaw”主导开...
本文是一位独立开发者对过去一年“Vibe Coding”项目...
近日，Linux.do论坛一位开发者发帖讨论多设备环境下AI工具配置同步的难题。该开发者的常用工作环境包括公司Linux代码服务器、公司办公电脑和个人电脑三类设备。在实际使用中，其为AI工具配置API密钥、技能和MCP服务器时发现，部分配置需要根据不同环境进行微调，无法通过cc-switch、magpie等工具自带的云同步功能直接解决。例如，API密钥在不同设备上可能涉及权限与安全隔离，MCP服务器配置也可能因操作系统或网络环境差异而需要调整。为解决这一问题，该开发者曾尝试利用git分支功能管理不同环境的配置差异，但未能成功实施，因此在论坛向社区求助，希望获得可行的方案或思路。目前该话题尚处于讨论初期，参与回复有限。这一讨论反映出，随着AI编程工具在日常开发中的深度普及，开发者往往需要在工作与个人设备间频繁切换，配置管理正从单机问题演变为多环境协同问题。如何在保证密钥安全的前提下实现配置的差异化同步，已成为AI工具生态中一个尚待完善的环节，也可能催生新的工具需求。
核心观点：AI编程工具的普及让配置管理成为新基建短板，环境感知的分层同步能力将是工具链下一轮竞争点。
原文链接：Linux.do
一年下来，为几款海外 AI 工具付的钱里，月费占了九成六。剩下那 4% 不痛，痛的是每个月都要重新确认一次：这张卡今天还能不能过。
价格取自各厂商官方定价页与第三方 App Store 区域价目（2026-10-23 至 10-30），汇率按 1 美元 ≈ 7.1 元、1 元 ≈ 9.5 比索折算；通道成本按 3.5% 计，含充值费、场外溢价、链上费和跨区汇差。
大多数人把海外订阅理解成一次付款：点一下，额度到账，就能用。真正付过一年的人知道，它其实是三件事叠在一起——账号归谁、支付通道归谁、地区归谁。三件事只要有一件错位，钱付得出去也未必用得安稳。
账号归谁，决定了你能不能用回自己的历史。这里的差别不是软性的：如果账号是别人替你开的，你的对话、项目、配置、上下文，全在别人的邮箱后面。换一家服务商，能换；换个号，换不回来。
支付通道归谁，决定了每次扣款会不会失败。海外订阅的支付校验比国内严得多，它同时看发卡国家、账单地址、卡类型，甚至看这张卡过去的拒付率。一项对不上，页面就给你一句「你的卡被拒绝了」，不告诉你哪一项错了。
地区归谁，决定了你付多少钱。同一款产品在不同国家的标价能差三成，这个差价是真实存在的，但它从来不是免费的午餐——想拿到低价，你得先在那个地区有一个「像本地人」的身份。
要点：把这三件事分开看，很多纠结就没有了：便宜不便宜，是第三层的事；能不能一直续上，是第二层的事；号还是不是你的，是第一层的事。顺序反了，省下的钱最后都用来买教训。
把两款主力产品的主力档位摆在一起，差异比想象中更没规律。以菲律宾区和美国区为例，ChatGPT 的低价档几乎打了七折，Claude 的 Max 档反而贵了近两成——同样的「区域定价」，方向完全相反。
这件事最容易被误读成「切到便宜区就对了」。实际上区域定价是按各地购买力定的，不是给你留的后门：某些产品在某些地区便宜，另一些产品在同样的地区更贵。切之前先查，别默认。
| 档位 | 菲区（元/月） | 美区（元/月） | 差额 |
|---|---|---|---|
| Claude Pro | 136 | 142 | −6 |
| Claude Max 5x | 843 | 710 | +133 |
| Claude Max 20x | 1,582 | 1,420 | +162 |
| ChatGPT Plus | 105 | 142 | −37 |
| ChatGPT Pro 100 档 | 677 | 710 | −33 |
| ChatGPT Pro 200 档 | 1,043 | 1,420 | −377 |
月费折人民币，不含支付通道成本；菲区取 App Store 区域标价，美区取官网价。
菲区在 ChatGPT 上省下近四千七，在 Claude 上多付一千七。区域定价的方向不一致，所以没有「哪个区最便宜」这个答案。
结论不是「去菲区」，而是先算再切。同一张账单上，有两个档位切过去是省钱的，有两个切过去是亏的，还有一个几乎没差。把六档一起拉平看，会发现自己凭直觉选的那一档，恰好是最不划算的那个。
把一笔订阅的成本拆到底，会发现月费之外的部分小得几乎看不见。以月费 100 美元为例，附加的全部通道成本加起来不到 30 元，占 4% 左右。这意味着两件事：一是别为了省 2% 的手续费折腾半个月；二是当有人告诉你「某条通道只要 1%」，省下的钱也就十几块，不值得为它承担任何额外风险。
真正的结构性成本在别处：一次性开卡费、卡内必须常留的缓冲金、以及失败一次之后的重来成本。这三样都不体现在费率表里，却构成你每个月的真实负担。缓冲金尤其容易被忽略——它不算费用，但它长期占着你的钱，而且一旦不够，一次扣款失败就足以让整张卡作废。
月费占 89%，其余加总不到 11%。这个比例说明：为省通道费做的所有努力，天花板就是这 11% 里的一小块。
| 项目 | 首月 | 第二个月起 |
|---|---|---|
| 订阅月费 | 710 元 | 710 元 |
| 开卡费 | 57 元 | — |
| 充值费 2% | 20 元 | 15 元 |
| 场外换汇溢价 1% | 10 元 | 7 元 |
| 链上转账费 | 1 元 | 1 元 |
| 合计 | 798 元 | 733 元 |
以月费 100 美元、汇率 7.1 计；卡内另压 30 美元缓冲（约 213 元），属占用而非支出。
首月因为开卡费略高，之后每月固定在 733 元，全年落在 8,860 元附近。这条曲线几乎是直线——说明成本是可以提前一年算死的。
一、高价位档位往往只能月付。低价档能年付，一次扣款锁一年；顶配档偏偏强制月付，于是你的风控暴露从一年一次变成一年十二次。厂商这么设计有它的道理——用量最难预测的用户，应该按需调整。代价由用户承担。
二、余额只能进不能出。很多跨境支付工具的钱是单向的：充进去、花掉，退不回来。这意味着它永远不能当钱包用，只能当管道用。把三个月的生活费放进去，等于给自己埋一个雷。
三、拒付是要罚款的。余额不足导致扣款失败，不只是这次没付上，还会有一笔罚金，严重的直接封卡。而封卡之后，重新绑卡本身就是一次新的风控暴露。所以「留足缓冲」不是谨慎，是硬要求。
四、区域价需要一整套配套。想拿到便宜三成的价格，往往要同时具备当地账号、当地账单地址、当地支付方式，三者缺一不可。补齐这三样的成本，经常超过省下的钱。
五、便宜的东西，通常不归你。市面上那些远低于官方价的「套餐」，共同点是账号不在你手里、或者被多人共用。省下的钱是真的，随时失去使用权也是真的。
六、每个环节都会变。卡段会被上游清退，区域定价会被调整，支付规则会被收紧。你今年摸索出来的那套方法，明年可能整个失效——所以任何一次「一次付清一年」的决定，都是在赌明年的政策。
注意：把这几条放在一起看，会发现它们有一个共同结构：省钱的路径，几乎都在某一层放弃控制权——放弃账号、放弃币种、放弃地区、放弃可撤销性。省下的钱是确定的，放弃的那部分风险是不确定的。人总是低估不确定的那一边。
真正让人焦虑的不是每月那 733 元，是某天早上打开工具，发现它要求重新验证支付方式。那种感觉很具体：你知道问题在支付，但你不知道是哪一环——卡被冻结了、地址对不上了、还是上游直接把这一批卡段清掉了。三种原因的解法完全不同，而页面给你的提示是同一句话。
更麻烦的是迁移成本。一个用了一年的账号，里面是项目上下文、提示词模板、几十次调优留下的偏好。这些不是数据，是时间。换一个号，等于把这些时间重新付一遍——按每小时算，通常比一年的订阅费贵得多。
所以「稳定」这件事的价值，不在于它让你少折腾，而在于它让前面所有投入不会归零。为稳定多付的那几十块，买的是「不用重来」。这也是为什么费率最便宜的那条路，往往不是最优解。
还有一种痛是安静的：你会不自觉地不敢深度使用。不敢把重要的工作流搭在上面，不敢把项目交给它跑整夜，因为你心里知道随时可能断。工具用到这个份上，其实已经失去了它一半的价值。
| 指标 | 数值 | 说明 |
|---|---|---|
| 全年支出（月费 100 美元档） | 8,860 元 | 含开卡、通道费与换汇溢价，不含缓冲金占用 |
| 其中非月费部分 | 340 元 | 占比 4%，单项最大的是开卡费 |
| 一次性断供的代价 | 150 元起 | 首月白付、重开卡、重新绑卡与半天到两天的时间 |
| 账号迁移的隐性成本 | 难以计价 | 上下文、模板与调优经验无法继承 |
第一，先定账号归属，再谈价格。账号必须开在自己的邮箱下，这条不让步。所有省钱的方案，只要牵扯到「账号由对方持有」，直接排除——它省的是钱，赌的是你一年积累的全部工作痕迹。
第二，把三件套锁死。账号注册地区、网络出口地区、支付账单地区，写成一份记录，三者对齐后永不混用。地址逐字保存，换卡时复制粘贴，不要重打。这一条能消掉大部分莫名其妙的拒付。
第三，卡内常留一点五倍月费。一百美元的订阅，卡里放一百五；两百的放三百。多出来的部分不是浪费，是防止加税、补差、汇率浮动导致扣款失败的保险。它的机会成本一年不到二十块。
第四，把换汇和充值拆开。人民币换外币是低频高风险动作，外币进卡是高频低风险动作。按季度换一次、按月充一次，总成本不变，但暴露次数从十二次降到四次。
这四件事做完，订阅这件事就退回到了它本来的样子：每月一笔固定支出，不用再想。剩下的精力可以放回工作里——毕竟订阅工具的目的是干活，不是维护订阅本身。
如果只能记住一句话：能提前一年算死的成本，都不是成本；算不死的那部分，才是。月费是前者，断供是后者。人会为前者斤斤计较，却对后者毫无准备。
英文 VPS 站的配置单不是在考英语，是在考你知不知道每个词对应账单上的哪一项。同一张卡片，unmetered 说的是不按流量收钱，10Gbps port 说的是物理上限，fully scalable 说的是加钱才能加。把 GreenCloud 四个页面上的词逐个对照一遍，下次看配置单只需要三十秒。
词条与价格取自已发布的 greencloudvps.com 首页、KVM VPS、Windows VPS、Dedicated Server 四个页面，抓取日为 2026-10-31；文中价格为该页面展示的月付起价，不含机房差价、促销与年付折扣。端口流量为按 30 天满速换算的理论值，不是供应商承诺。
英文 VPS 站的首页很少在介绍产品，它是在用一组固定名词给产品分层。看不明白的地方通常不是句子，而是名词：同样一台机器，写成 VPS 是共享内核，写成 VDS 是资源独占，写成 Dedicated Server 是整机归你。GreenCloud 首页把四条产品线并排摆出来——Windows VPS、KVM VPS、macOS VPS、Dedicated Servers——差别几乎全藏在这些名词里。
最容易被跳过的是 IaaS。首页第一句写的是 Infrastructure as a Service provider，意思是它卖的是算力基础设施这一层，不是应用、也不是托管网站。往下才落到具体的 VPS 上。所以看到 IaaS 不必理解成云平台，它只是在说：机器归你折腾，系统和软件你自己装。
VDS 与 VPS 的分界值得单独说。GreenCloud 的 EPYC VDS 卡片第一行是 Dedicated resources，KVM VPS 卡片写的是 Fully scalable。前者卖的是资源不被邻居抢，后者卖的是可以随时加内存加盘。同一个价位带上，这两句话指向完全不同的场景：跑数据库、跑编译要前者；跑站点、跑小服务后者够用。
| 英文词 | 中文 | 页面上的原话 | 该不该在意 |
|---|---|---|---|
| VPS | 虚拟专用服务器 | Virtual Private Server | 基础形态，内核与相邻租户共享 |
| VDS | 资源独占型虚拟服务器 | Dedicated resources | 在意性能抖动时必看 |
| Dedicated Server | 独立服务器 | Bare-metal dedicated servers | 整机独占，价格跳一个数量级 |
| Bare-metal | 裸金属 | Unmanaged Dedicated Servers | 无虚拟化层，也没有人替你运维 |
| IaaS | 基础设施即服务 | Infrastructure as a Service provider | 只是定位描述，不含托管 |
| Shared Hosting | 共享主机 | — | 只有面板没有 root，不适用 |
| Clearance Server | 清仓机 | Clearance Server | 老配置低价，库存不定 |
同一个供应商的四条产品线，命名差别指向的是资源是否独占、是否有人代运维。
背景：名字不必逐个纠结，认两行字就够：有没有 Dedicated resources，有没有 Managed。前者决定性能会不会被邻居拖累，后者决定出事时谁来修。其余形容词都可以先放一边。
虚拟化方式是配置单里最像技术细节、实际最影响可用性的一栏。KVM 是 Linux 内核自带的虚拟化模块，给你的是真正的虚拟机：能换内核、装任意系统、开 TUN/TAP、跑 Docker。Hyper-V 是微软的 hypervisor，GreenCloud 的 Windows 产品线全部走它，好处是 Windows 授权与远程桌面开箱可用，代价是你能改的边界被 hypervisor 收住了。
VMware 与 Parallels 出现在 macOS VPS 那一条上，这不是排版选择。苹果的授权只允许在苹果硬件上虚拟化 macOS，所以这条线本质是租一台 Mac Pro 的一个角落，价格和可得性都由硬件供给决定，跟 KVM 那套成本结构完全不通用。
面板名字 SolusVM 和 VirtFusion 也常被当成产品名，其实它只是控制台。但它决定了很多日常动作：重装系统要不要开工单、能不能自己看 VNC、能不能挂 ISO、能不能改 rDNS。买之前值得确认一次，面板是不是自助的，这比多看两个形容词有用。
| 英文词 | 中文 | 实际含义 |
|---|---|---|
| KVM | 基于内核的虚拟机 | 完整虚拟机，可自定义内核与网络 |
| Hyper-V | 微软虚拟化平台 | Windows 线主力，授权与 RDP 现成 |
| VMware | VMware 虚拟化 | macOS 线的底层之一 |
| Parallels | Parallels 虚拟化 | macOS 另一套底层，偏桌面场景 |
| SolusVM | 控制面板 | 重装、VNC、开关机、rDNS |
| VirtFusion | 控制面板 | 同类替代，功能覆盖相近 |
| OS Template | 系统模板 | 一键装系统的预置镜像 |
| Reinstall | 重装 | 自助重装，通常几分钟 |
| VNC | 远程控制台 | 网络不通时唯一能进系统的方式 |
| Snapshot | 快照 | 改配置前先留一份，能否回滚看面板 |
| ISO | 安装镜像 | 挂自定义系统时必须有 |
| TUN/TAP | 虚拟网卡 | 做隧道、组网、科学上网的前提 |
前四项是虚拟化层，后八项是控制台能力。前者决定能做什么，后者决定做起来有多麻烦。
注意：Full root access 是营销话术里最容易被读错的一句。在 KVM 上是真 root；在 Windows 线上它指的是 Administrator 加远程桌面；在 Managed 方案里，root 有可能被服务商收回。看到这句话，先确认它修饰的是哪条产品线。
配置单第一行通常是 CPU 与内存，这一行信息密度最低、误读率最高。vCPU 是调度单位，不是物理核；Fully scalable 说的是可以加，不是已经给足。真正决定体感的是三件事：单核频率、盘的类型、内存够不够。
GreenCloud 把 CPU 分成三类，正好对应三种负载。Ryzen AM4/AM5 是高频路线，单核强，适合编译、单线程重的业务；EPYC Milan/Genoa 是核心数与内存通道的路线，适合并发多、容器多；Xeon E5 是上一代平台，出现在 Forex VPS 与双路裸机上，胜在便宜和核多。卡片上写 High Frequency CPU 就是前者，写 EPYC 就是后者。
存储这一栏的坑全在缩写里。NVMe 4.0 是走 PCIe 4.0 通道的固态，随机读写比 SATA 固态高一档；SATA 出现在 Storage VPS 与清仓机上，容量便宜；RAID-10 是镜像加条带，代价是可用容量只有一半。DualE-2 那张卡写 4x 1.6TB SSD，实际可用是 3.2TB，不是 6.4TB。ECC 内存是服务器与台式机的分界线，长跑不崩靠它。
| 英文词 | 中文 | 读法 |
|---|---|---|
| vCPU | 虚拟核 | 调度单位，不等于物理核 |
| Dedicated Resources | 资源独占 | 不被同宿主机其他租户争抢 |
| High Frequency CPU | 高频 CPU | 单核性能优先，Ryzen 线 |
| EPYC Milan / Genoa | AMD 服务器平台 | 多核与内存通道优先 |
| Ryzen AM4 / AM5 | AMD 桌面平台 | 高频，单线程表现好 |
| Xeon E5 | 英特尔上代服务器 | 核多价低，平台较老 |
| NVMe 4.0 | PCIe 4.0 固态 | 随机 IO 最好的一档 |
| SATA | SATA 接口盘 | 容量便宜，随机 IO 一般 |
| RAID-10 | 镜像加条带 | 容错好，可用容量减半 |
| ECC | 纠错内存 | 长时间运行不因位翻转崩 |
| Scalable / Upgrade | 可升级 | 加钱才加，不是现值 |
十一行里只有 RAID-10 需要动一次除法，其余靠接口和平台代际就能判断档次。
要点：读存储行只做两步：先看接口是 NVMe 还是 SATA，再看阵列要不要除以二。这两步做完再谈价格，否则 4x 1.6TB 这种写法很容易被当成 6.4TB 买回来。
网络是英文配置单里歧义最重的一段，因为 bandwidth 这一个词在三种语境里指三件不同的事：端口速率、月流量配额，以及共享出口的带宽池。GreenCloud 首页写 unmetered bandwidth at 1Gbps and 10Gbps，这一句同时用了前两种含义：流量不计费，但被 1Gbps 或 10Gbps 的端口封顶。
把这个说法翻译成可比较的量：1Gbps 满速跑 30 天是 125MB/s 乘 86400 秒乘 30 天，约 324TB；10Gbps 是 3,240TB。所谓 unmetered，说的是不按 GB 收钱，不是能跑出无限流量。绝大多数供应商的条款里还有一条 fair use，长期跑满端口会被限速。
端口速率还要分清是上限还是保证。10Gbps port 指的是网卡与交换机端口的能力，跨境高峰能不能跑满取决于上游。首页给的 600+ Gbps 是全站聚合容量，配合 Tier-1 上游名单（Arelion、Lumen、NTT、IIJ 等）与 multi-homed 网络，这些词的作用是说明它不是单线小机房，但不构成对你这一台机器的带宽承诺。
还有几个词属于买了才知道要的类别：IPv4 数量决定能挂几个独立站点，rDNS 决定发信会不会进垃圾箱，DDoS Protection 要问清洗阈值而不是问有没有。这三项在中文教程里出现得少，在英文订购页上却是一行行独立计价的选项。
按 30 天满速换算的理论月流量上限：倍率是线性的，端口翻十倍，流量上限也翻十倍。图上的数字是换算值，不是供应商承诺的可用流量。
| 英文词 | 中文 | 容易误读成 | 实际含义 |
|---|---|---|---|
| Bandwidth | 带宽 | 无限流量 | 端口速率或流量配额，看上下文 |
| Unmetered | 不计流量 | 不限速 | 不按 GB 计费，仍受端口与 fair use 限制 |
| Port Speed | 端口速率 | 保证速度 | 物理上限，跨境看上游质量 |
| Uplink | 上行链路 | 单线 | 机房到上游的链路，通常多条 |
| Multi-homed | 多线接入 | 多机房 | 同时接多个上游，故障可切换 |
| Tier-1 | 一级运营商 | 最高等级服务 | 指上游运营商层级，不是服务等级 |
| BGP | 边界网关协议 | 自带 IP 段 | 路由宣告方式，多线切换靠它 |
| Aggregated Capacity | 聚合容量 | 单机带宽 | 全站所有链路加总的容量 |
| NOC | 网络运营中心 | 客服 | 盯链路与设备，不处理账单 |
| DDoS Protection | 抗攻击 | 打了就不死 | 要看清洗阈值与是否常开 |
| IPv4 / IPv6 | 地址族 | 随便加 | IPv4 稀缺，通常单独计价 |
| rDNS | 反向解析 | 可有可无 | 发信与部分服务校验依赖它 |
十二个词里，前三个是每天被误读的，后九个是下单时才会被问到的。
注意：看到 unmetered 别当成不限速。先找端口速率，再看条款里的 fair use，两件事都确认了，这条带宽才算读懂。
服务条款那一栏的英文词最像废话，实际决定了出问题时你能不能索赔。Uptime 是可用率，99.99% 换算成年度预算是 52.6 分钟停机（525,600 分钟乘 0.01%）；SLA 是把这句话写进合同并约定补偿方式。两者经常只出现一个，出现的是 uptime 那多半只是宣传口径。
Managed 与 Unmanaged 是价格差最大的一个词。Unmanaged 的意思是机器归你、系统归你、出事你修；Managed 的意思是有个人替你装、替你打补丁、替你重启。GreenCloud 的 Dedicated Server 页明写 unmanaged Dedicated Servers，而 Managed Windows VPS 是 $40 起。同一个供应商，两种责任边界，差价就是这么来的。
售后承诺里可以量化的部分写在首页：平均工单响应 9 分钟、24/7/365、Live Chat 与 Ticket System。响应时间不等于解决时间，这是两个指标，前者是最常见的话术替换。
顺手记一个观察：首页写 4 continents, 30 locations，KVM 与 Windows 内页写 presences in 3 continents。同一家站点两处不一致，说明这类数字是文案而不是合同条款。下单前以订购页实际可选的机房列表为准，那才是能下单的东西。
| 指标 | 数值 | 说明 |
|---|---|---|
| 承诺可用率 | 99.99% | 年停机预算约 52.6 分钟 |
| 工单平均首响 | 9 分钟 | 响应时间，非解决时间 |
| 机房位置 | 30 个 | 横跨 32 个数据中心 |
| 聚合网络容量 | 600+ Gbps | 全站加总，非单机带宽 |
| 覆盖国家 | 150+ | 按首页表述 |
| 支持时段 | 24/7/365 | Live Chat 与工单 |
| 英文词 | 中文 | 要点 |
|---|---|---|
| Uptime | 可用率 | 自报指标，未必带补偿 |
| SLA | 服务等级协议 | 带补偿条款的可用率承诺 |
| Managed | 代运维 | 管到系统层，应用层多半仍归你 |
| Unmanaged | 自助运维 | 便宜，出事自己修 |
| In-house Support | 自有团队 | 非外包，工单质量通常更稳 |
| Ticket / Live Chat | 工单与在线客服 | 前者留痕，后者求快 |
| Deployment | 交付部署 | 裸机按小时计，VPS 按分钟计 |
| Provisioning | 开通 | 自动开通还是人工审核 |
| Add-on | 附加项 | 额外 IP、备份、控制面板单独计价 |
| License / CAL | 授权与客户端许可 | Windows 线必须问清是否含授权 |
| TOS / AUP | 服务条款与可接受使用 | 限速、封号的实际依据 |
这一栏不留痕，出了纠纷只能靠工单记录，所以下单前把 Managed 与 Unmanaged 确认清楚最省事。
把起价放在同一张图上，能看出每条产品线在为什么收费。KVM 三档都从 $6 起，EPYC VDS $10，Storage VPS $12，Budget Windows $8，Managed Windows $40，Xeon E-1 裸机 $110。起价不是同配置比价，它只标出这条线的最低门槛在哪。
差价的来源可以逐个点名：Storage VPS 贵在盘，RAID-10 的 SATA 大容量；EPYC VDS 贵在资源独占；Managed Windows 贵在人；裸机贵在整机与 20TB 流量。买之前先问自己一句：这部分钱买到的是频率、是盘、是端口，还是人。
各产品线展示的最低月付价格，单位美元。同一档内的配置差异很大，起价只说明门槛，不构成同配置比价。
| 英文词 | 常见误读 | 实际含义 |
|---|---|---|
| Fully scalable | 已经给了很多资源 | 可以加，加钱才加 |
| Unmetered | 不限速不限量 | 不计流量，仍受端口与 fair use 限制 |
| 10Gbps Port | 保证 10Gbps | 端口上限，跨境高峰看上游 |
| Dedicated Resources | 独立物理机 | 资源不共享，仍在虚拟化层内 |
| Bare-metal | 免运维 | 无虚拟化层，运维仍是你 |
| Managed | 什么都管 | 管到系统层，应用层通常仍归你 |
| 99.99% Uptime | 不会宕机 | 年停机预算约 52.6 分钟，且要配 SLA 才有补偿 |
| Clearance | 二手有风险 | 清库存的老配置，价低但扩展性差 |
这张表可以直接当采购前的一次自检，八行里能答对六行，配置单基本读得下来了。
要点：判断一条产品线贵在哪，只需要三问：CPU 是高频还是多核，盘是 NVMe 还是 SATA，有没有人替你运维。三问答完，价差基本能对上，剩下的形容词都只是补充说明。
词义部分以站点当前文案为准，价格是页面展示的起价，机房差价与年付折扣未计入。条款类表述（fair use、限速、退订）请以订购页与 TOS 原文为准，那才是能执行的东西。
10 月 31 日，DeepSeek 发了一篇 Super-agent 设计长文。同一条赛道上，这已经是 71 天里的第五份答卷。把五份并排放，会发现一件比“谁更强”更值得说的事：骨架已经收敛了。
时间线与产品能力取自各家官方发布页与公开报道，截至 2026-10-31。DeepSeek 的实验数据引自其公开长文第 7 节，数字未做二次加工；产品侧描述以官方页面为准，未验证的功能不予采信。
10 月 31 日，DeepSeek 产品部与 Harness 团队发了一篇长文，《Super-agent 设计探索》。开头先压预期：这是面向工程实践的架构思路探讨，不是产品介绍。文末又补一句，相关实现只是验证技术路线的原型，不是正式产品。
往回倒 71 天，这条赛道上已经站了四家。8 月 11 日 Grok Bot 进入测试，9 月 8 日 Meta 的 Muse 上线，9 月 29 日 OpenAI 的 Dots 发布，10 月 21 日 Anthropic 的 Claude Duet 开放研究预览。DeepSeek 是第五个，也是唯一一个用一篇长文、而不是一个产品来表态的。
把这五份放在一起，第一反应不是“谁更强”，而是“怎么长得这么像”。四家产品对外披露的能力项几乎可以逐条对齐；DeepSeek 那篇长文里画的架构图，也能和 Duet 的产品说明一一映射过去。
这种相似不是抄来的。它来自同一组约束：环境事件是持续到达的，人的注意力是稀缺的中断源，上下文窗口是有限的缓存。约束一样，就导出相近的结构，这在工程史上反复发生过。当年从单机进程到多线程、从单体到服务网格，走的也是这条路。
| 指标 | 数值 | 说明 |
|---|---|---|
| 71 天 | 四家入场 | 从 Grok Bot 到 Claude Duet |
| 5 份 | 同一道题 | 含 DeepSeek 的设计长文 |
| 6,000+ | 连接器 | Duet 官方口径可调用数量 |
| 40 条/分 | Router 压测 | DeepSeek 单次实验的触发速率上限 |
条形长度按距 8 月 1 日的天数计，标签为实际发布日。四家用 71 天完成入场，节奏是 28 天、21 天、22 天；DeepSeek 在第 81 天发出一篇长文。
Duet 和 Super-agent 分处产品与原型两端，但只要把两边的公开描述并排放，会发现它们回答的是同一串问题，而且答案高度重合。
Duet 的路子是：云端独立虚拟机上跑一个常驻 Agent，自带浏览器，继承你原有账户里的记忆、技能和授权应用，每天早上推一份晨报，白天持续监控，只在需要你拍板时出声，发消息、付款、签字、删除这类动作一律先给审批。
Super-agent 的路子是：常驻的 Router 会话负责承接人类交互与全局记忆，上下文隔离的 Worker 各自订阅事件流并行执行，执行环境留在用户原来的机器上，端侧只放一个不保存状态的 daemon。
两套话术背后，是同一张图。
| 问题 | Claude Duet | DeepSeek Super-agent |
|---|---|---|
| 常驻在哪 | 云端独立虚拟机 + 自带浏览器 | 云端无状态容器，执行环境留在原地 |
| 记忆从哪来 | 继承 Claude 账户的记忆与技能 | 常驻 Router 会话 + 引用图链式召回 |
| 被什么驱动 | 晨报 + 全天后台监控 | 环境事件 Trigger + 两级过滤 |
| 何时打断人 | 只在需要决策时出声 | 有价值才交付，否则保持安静 |
| 谁能动手 | 发消息、付款、签字、删除均需批准 | 未展开，归入开放问题 |
| 凭证怎么管 | 由 Managed Agents 托管，模型不见密码 | 列为 8.4 开放问题 |
左列为共同问题，中右两列为两家各自的答案。前四项同构，第五项开始分叉。
六行里前四行几乎同构，连措辞都能对上。“只在需要你拍板时出声”和“没有价值就保持安静”，说的是同一件事；一个用了晨报加监控，一个用了事件驱动加两级过滤，抽象掉实现细节也是同一件事。
后两行开始分叉，而且分叉的位置很关键：一个把它写成了上线的前提，另一个把它写进了待解决问题清单。这个差别比架构图上的任何一处都更值得说。
主动式 Agent 真正难的不是干活，是决定“现在要不要找你”。这件事做不对，产品就退化成一天推八十条通知的看板，用户三天就关掉。
Anthropic 的处理是把判断实体化：一个专门的分类器加一套安全系统提示词，逐条检查消息；模型侧则靠 Opus 5.5 的判断力。他们在发布里引了内部一句话，说这是他们第一个“有足够判断力、能以合适方式主动做事”的模型。同时也很坦白地写了限制：可能误读对话线索，可能把紧急程度判断错。
DeepSeek 走的是另一条路：把判断拆成两层。程序层用确定性规则先滤掉大部分噪音，剩下交模型判语义；确定归属的后续事件由程序直接发往对应的 Worker，不再经过中心节点。它甚至做了一组压测，证明单个 Router 会话扛得住——触发速率从每分钟 1 条升到 40 条，单次请求耗时只从 2.5 秒涨到 3.9 秒，摊到每个决定上是 6.4 秒降到 1.6 秒。
但真正值得看的是另一组数据。
DeepSeek 公开的消融实验原始结果。同一场景、同一个模型，只换提示词，5 次运行里一次都没主动派活；换成系统层的订阅分派，不需要模型自觉。编码工作被替换成只消耗时间的工具，所以衡量的是调度能力。
左侧那根柱子是 0。中性提示下，模型在 5 次运行里一次都没有调用子 Agent，所有活都在主会话里干，不断被新消息打断，p95 完成时间 29.5 分钟。改成明确要求优先委派之后，4 次派了，但还有 1 次它判断“这活很小”又自己干了，形成长尾。
这一组数字真正说清的事是：分工不是意愿问题，是机制问题。你可以在提示词里写一百遍“请优先委派”，它每次都会重新判断一遍；而如果归属关系落在库里、事件直接路由过去，就不需要它判断。
我在自己的体系里踩过同一个坑。曾经把“什么时候该派给子 Agent”写成提示词规则，结果它每次都觉得“这活不大，我自己来”，然后在主循环里被后续事件打断。后来改成任务归属落库、新事件按订阅直接进对应执行单元，这个问题才消失——不是模型变自觉了，是它不再有机会偷懒。
要点：一个能干活的 Agent，和一个能自己组织工作的系统，中间隔的不是模型能力，是机制。模型再强，也不该被要求每一轮都重新回答“这件事该谁做”。
第二处是安全，也是我更在意的。
Anthropic 把安全写在了功能前面。凭据由 Managed Agents 托管，模型从头到尾看不到密码和登录令牌；发消息、动钱、签文件、删数据一律弹审批；prompt injection 的防御来自他们做浏览器操作时积累的那套研究；上线前过了内部红队、一家外部渗透测试公司，再加公开漏洞赏金。分类器的职责也写得很具体：检查每条消息里有没有信用卡号这类高敏信息被带出来。
DeepSeek 的处理更诚实，也更刺眼。它在 8.4 节自己写下了这两句：一旦云端的 Agent Loop 遭遇服务端入侵或提示词注入而被攻破，其连接的全部端侧设备都面临被控制的潜在风险；即使云端没被攻破，只要端侧环境中的凭据能够进入模型上下文，正常执行过程中同样存在凭据泄露的风险。
写得很准。然后它把这一段归进了“开放问题”。
注意：我不认为这是开放问题，这是这套形态唯一的否决项。BYOM 把执行权铺到用户每一台机器上，攻击面随设备数量线性放大，而整个设计里没有一处是默认安全的——它的安全性全部押在“云端那个 loop 不被攻破”这一件事上。押注型的架构可以拿来做原型，不能拿来做产品。
这不是说 DeepSeek 想得少。恰恰相反，它把风险描述得比谁都清楚——清楚到能直接当作攻击方的路线图。问题在于它选择了先证明调度可行，把信任问题留到下一阶段。这是个合理的工程排序，但它决定了两篇文章的读者不是同一批人。
四家交出来的是产品：有候补名单、限定国家、限定订阅档位、真实用户在用、误判有真实代价。Duet 的公开演示里，那位咖啡品牌老板要为一个 640 美元的卫生许可在支付链接上点批准，要点头一封录用邮件的措辞，要决定要不要试两周包邮。这些动作做错了，损失是真金白银和真人员工。
DeepSeek 交出来的是原型加一篇长文。它的验证范围写得同样清楚，藏在实验小节的小字里：编码工作用一个只消耗时间的工具代替，因此实验衡量的是系统的调度与协作能力，而非对单个任务的执行能力。
这句话很关键。它意味着那组 12.4 分钟的中位数、15.7 分钟的 p95，证明的是“这套调度比单会话调度得好”，而不是“这套东西能把活干对”。前者是系统问题，后者是模型问题，两者不该混为一谈。
所以这两件事的性质不同：一个在验证产品能不能交付，一个在验证架构成不成立。拿长文的深度去要求产品，或者拿产品的完成度去要求原型，都是错位的比较。
顺带说一个容易被忽略的细节。那篇长文的成本数字并不好看：同样一次实验，完整方案的读缓存 token 是 2323 万；去掉订阅直通后涨到 3177 万，增加 37%，而任务完成时间几乎没变。多会话各自维护上下文，这是纯粹的增量开销。文章自己也承认，这是用更多 token 换更短更稳的完成时间。这笔账在团队规模内可以不算，规模化之后会是主要成本项。
我同意一个判断：这五家的实现，本质上是差不多的。
但这个“差不多”不是贬义。骨架收敛是必然结果——约束相同，最优结构就那么几个。真正的问题是，当骨架不再构成差异，选型该看什么。
我看两处，都是可校准性。
第一处是判据能不能被你调。什么叫急、什么值得打断你、哪些事它自己决定就好——这些不该是模型出厂时的一次性判断，应该是你能看见、能改、改完立刻生效的配置。DeepSeek 那套两级过滤里，语义层被明确设计成“面向人类的自然语言扩展点”，这一点比它的架构图更值得抄。
第二处是权限能不能被你收。哪些动作必须过你的手，是产品设计问题，不是模型能力问题。把审批门做在动作层，比写在提示词里可靠得多——同一个道理，分工不该靠自觉，放权也不该。
至于 DeepSeek 这篇长文真正的价值，我认为不在它提出了什么。它提出了五个模块，每一个都能在操作系统教科书里找到出处，作者自己也这么说。它的价值在于把“人的注意力是瓶颈”这句体感，写成了一条可测量的工程约束：一个人同时只能跟进 3 到 5 个活跃会话，所以多任务的上限不在模型，在人。然后用一组能复现的实验补了一刀：靠提示词管不住分工。
这两件事，比任何一张架构图都有用。
要点：骨架已经收敛，接下来比的不是谁的架构更漂亮，而是谁敢让用户把判据和权限都握在自己手里。前者是论文，后者才是产品。
我想知道自己一个月在 WorkBuddy 上用了多少，以及这些 token 到底值多少钱。查完发现两件事：数字比想象的大得多，钱比想象的少得多。
统计区间 2026-10-01 至 10-31，数据来自本机 WorkBuddy trace 记录，共 142 个会话。价格取自厂商公开价目，积分倍率取自客户端配置。所有数字可复现，方法见最后一节。
一个月，142 个会话，2041 次模型调用，合计 2.89 亿 token。
这个数字第一次看到会吓一跳。我把它按天摊开，发现分布极不均匀：10 月 10 日一天就跑了 7800 万，而 10 月 26 日只有 28 万。大部分天在几百万的量级，少数几天集中干了大活。
单位为百万 token。10 月 9 日至 11 日三天占了全月的四成，那几天在跑长文档处理任务。空白日期当天没有使用。
| 指标 | 数值 | 说明 |
|---|---|---|
| 总 token | 2.89 亿 | 289,096,757 |
| 会话 / 调用 | 142 / 2041 | 平均每次调用 14 万 token |
| 活跃天数 | 25 天 | 日均 1156 万 |
| 模型数 | 7 个 | 主力是 deepseek |
这是理解费用的关键一步。2.89 亿不是 2.89 亿次有效阅读。
Agent 每调用一次模型，都要把之前的全部对话历史重新发一遍。同一个 20 万 token 的系统提示词，跑 50 轮就是 1000 万 token 的输入。这不是浪费，是 Agent 的工作方式决定的。
拆开看：输入 2.326 亿，输出 110 万。输入是输出的 210 倍。而在输入的 2.326 亿里，2.306 亿命中了缓存，占 99.15%。
缓存的意思是：这段内容之前处理过，服务器直接复用计算结果，不用重新算。所以真正「新读进去」的内容只有 197 万 token。
背景：2.89 亿 token 里，真正新增的信息是 197 万输入加 110 万输出，合计约 300 万，占 1%。剩下 99% 是上下文重发和缓存复用。
各家 API 基本都按「百万 token」报价，但分成三档，价格能差一个数量级。
第一档缓存命中输入，最便宜。DeepSeek 每百万 0.003 美元，只有未命中价的五十分之一。
第二档缓存未命中输入，正常价。DeepSeek 0.15 美元，GPT-6.1 Sol 2 美元。
第三档输出，最贵。DeepSeek 0.6 美元，GPT-6.1 Sol 10 美元。输出成本通常是输入的 5 到 20 倍。
另外 DeepSeek 还有分时定价。工作日北京时间 9 点到 12 点、14 点到 18 点是高峰，价格翻倍；其余时间包括周末全按闲时算。
| 模型 | 缓存命中 | 缓存未命中 | 输出 |
|---|---|---|---|
| deepseek 闲时 | 0.003 | 0.15 | 0.60 |
| deepseek 高峰 | 0.006 | 0.30 | 1.20 |
| gpt-6.1-sol | 0.10 | 2.00 | 10.00 |
| step-5-preview | 0.05 | 1.00 | 2.70 |
| kimi-k3.1-highspeed | 0.20 | 4.00 | 20.00 |
| kimi-k3.1-pro | 0.20 | 2.00 | 10.00 |
单位美元每百万 token。取自厂商官方页面，核对日期见文末。
算一笔具体的账。一次调用，输入 20 万 token（其中 19.8 万命中缓存），输出 500 token，用 deepseek 闲时价。
19.8 万除以 100 万乘 0.003，是 0.00059 美元。0.2 万除以 100 万乘 0.15，是 0.0003 美元。500 除以 100 万乘 0.6，是 0.0003 美元。合计不到 0.0012 美元。
一次调用不到一分钱。这就是为什么 2.89 亿 token 听起来很多，实际不贵。
按上面的方法把 142 个会话逐条算一遍，考虑了缓存命中率、模型单价、高峰加价：全月合计 13.31 美元，约合 94 元人民币。
如果所有输入都按未命中价算，也就是完全没有缓存优惠，同样这些用量要 129.37 美元。缓存省掉了 90% 的钱。
| 项目 | 金额 USD | 占比 | 说明 |
|---|---|---|---|
| 闲时时段 | 7.10 | 53.4% | 含缓存命中与未命中 |
| 高峰时段 | 6.20 | 46.6% | 同一模型价格翻倍 |
| 合计 | 13.31 | 100% | 约 94 元 |
按发生时段拆分。高峰时段指工作日北京时间 9 到 12 点、14 到 18 点。
有个细节：高峰只占约三成时间，却贡献了近一半费用。因为高峰价是闲时的两倍，而我有相当一部分任务是在工作时段跑的。
同样一批任务挪到晚上跑，能省掉这部分差价。
把 7 个模型拆开看，结论和直觉相反：用得最多的不是最烧钱的。
deepseek 占了 80.8% 的 token，只占 15.1% 的成本。gpt-6.1-sol 只用了 8.2% 的 token，却占掉 55.8% 的成本，是最贵的一项。
单位美元。gpt-6.1-sol 一项 7.43 美元，超过其余六个模型的总和。
| 模型 | token 量 | token 占比 | 成本 USD | 成本占比 |
|---|---|---|---|---|
| deepseek-v4.1-flash | 233,678,216 | 80.8% | 2.02 | 15.1% |
| gpt-6.1-sol | 23,829,061 | 8.2% | 7.43 | 55.8% |
| step-5-preview | 21,062,006 | 7.3% | 1.70 | 12.8% |
| kimi-k3.1-highspeed | 4,189,465 | 1.4% | 1.12 | 8.4% |
| kimi-k3.1-pro | 3,378,900 | 1.2% | 0.90 | 6.7% |
| space-bunny | 2,633,601 | 0.9% | 0.04 | 0.3% |
| hy4-preview | 325,508 | 0.1% | 0.09 | 0.7% |
同一批数据两种排序。左边看用量，右边看钱，顺序完全不同。
换成「每百万 token 实际花多少钱」，差距更直白：deepseek 是 0.0086 美元，gpt-6.1-sol 是 0.3119 美元，差 36 倍。
这个差距来自两头。一是挂牌价本身差，0.15 对 2 美元。二是缓存命中率差，deepseek 99.15%，gpt 91.34%。缓存率越低，越多输入按原价计费。
上面算的是「如果直接调 API 要花多少钱」。但 WorkBuddy 不按 token 收费，它用的是积分。
每个模型有个积分倍率，deepseek 是 0.11，kimi-k3.1-highspeed 是 1.56。实际扣的积分等于倍率乘以用量。倍率只是单价系数，不管总量，一个低倍率模型跑长任务照样能把积分烧完。
按客户端里的真实倍率折算，我全月大约消耗 1.02 万积分。
折成钱要看怎么买。加量包是 1000 积分 50 元，1 万积分就是 500 元。如果积分来自套餐（高级版 199 元 9000 积分），同样这些只要 225 元左右。
所以这一个月真实支出大概在 200 到 500 元之间，取决于积分是补量买的还是套餐含的。
注意：13 美元和 500 元差 5 倍多，这不是平台在宰人。裸 API 价只含推理，平台这边还包了 Agent 编排、工具调用、上下文存储和界面。两个数不能直接比，但知道各自代表什么，比只记住一个有用。
以某次 419 万 token 的任务为基准换算成积分，差 28 倍。这不是说贵的不该用，是说派活前心里有个数。
这些数据一直都在你本机，只是客户端不显示。位置在 ~/.workbuddy/traces/，每个会话一个文件。
每个文件里有一段 modelInfo，四个字段决定一切：totalInputTokens 是输入 token，totalOutputTokens 是输出，totalCachedTokens 是缓存命中，callCount 是调用次数。
把同一个文件的 startedAt 也读出来，就能按天汇总。价格从各家官网查，倍率在客户端的 ~/.workbuddy/local_storage/ 里。
1. 扫 trace 读出每个会话的 modelInfo 四个字段
2. 按天汇总 用 startedAt 归日，注意 trace 是 UTC 时间
3. 套价目 命中、未命中、输出三档分开乘，别用均价
4. 判峰谷 DeepSeek 高峰加价，逐条按时间戳判断
我把自己这套统计流程做成了一个开源工具，四个脚本对应上面四步，直接跑就能出结果。
它做的就三件事：读本地 trace、按价目算钱、按倍率算积分。只读本地文件，不联网。
这篇每个数字都有出处。把这套流程复现给别人之前，先交代清楚我用了什么。
用量：本机 ~/.workbuddy/traces/ 下 142 个会话文件。读取 modelInfo 里的输入、输出、缓存、调用次数，加 startedAt 时间戳。按 traceId 去重，按 UTC+8 归日。
价格：DeepSeek 官方定价页、OpenRouter 的 GPT-6.1 Sol 页面、Moonshot 的 Kimi K3.1 定价页、阶跃星辰 Step 5 Preview 的海外档。核对日期在 2026 年 9 月到 10 月之间。
倍率：本机客户端配置 ~/.workbuddy/local_storage/entry_*.info 里的 models[].credits 字段。这里有个坑，网上文章写的倍率经常和客户端实际值不一致，我实测过某模型文章写 0.43，客户端里是 0.33。所以倍率只信客户端。
积分换算系数：官方没公开「1.0 倍率等于多少积分」。我是用一次实测反推的：某次 kimi-k3.1-highspeed 会话花了约 2000 积分，用量 419 万 token，倍率 1.56，倒推出系数约 306 积分每倍率每百万 token。这是近似值，误差大概正负 10%，只能看量级，不能当账单。
整个分析是和 WorkBuddy 对话完成的，实际用到的提问大致是这几句。
「结算下我们在 deepseek-v4.1-flash 生成每日用量，大概合计 token 的报告图」。第一次只想要一个模型的量。
「可以把所有模型搞出来」。从单一模型扩到全量，这一步才发现有 7 个模型在跑。
「大概按照 token 合集大概多少钱」。从用量转到费用，也是这一步逼着我去查真实价目。
「拿积分点数有么」。发现客户端是积分制，于是去找倍率。
「按照官方的逻辑 1000 积分 50 块 rmb 来算」。定下积分折钱的汇率口径。
问题都很短，每次只推进一步。真正花时间的不是提问，是每拿到一个数就去核一遍原始字段。
Runner 是一款开源桌面应用，用于统一管理 Claude Code、Codex 等 CLI AI 编程代理，开发者可在同一应用内运行多个 agent，或将不同 agent 组成 crew 协同执行任务，通过 runner 命令互相通信。0.19.0 版本对分屏和新建会话界面进行了重构：分屏中每个聊天和终端面板独立成卡片，状态、停止与恢复按钮直接置于标题栏，会话停止后中间显示停止原因和 Resume 按钮，可继续原对话；Mission 模式的内容区、成员侧栏和终端抽屉也分别独立成卡片，并优化了浅色主题配色。新建会话方面，⌘N 快捷键、侧栏、项目页和空面板等多个入口统一为同一个启动器，支持搜索 agent 和 role，显示最近使用的四项，按 1-4 直接启动并沿用保存的配置。此前 0.18.2 版本已开始提供 Linux beta 支持，包含 ARM64 和 x86_64 安装包，Debian/Ubuntu 可安装 .deb 包，其他发行版可解压 .tar.gz 运行 install.sh 安装到 ~/.local，后续支持在设置中更新，下载包会验证签名。此外，新版本修复了 Windows 上 Claude Code 状态 hook 因 shell 启动慢报两秒超时错误的问题，修复共享主账号配置的额外账号在 mission 启动时卡住的问题，Mission 的 inbox 通知改为等 agent 进入 Idle 后再投递。项目目前支持 macOS（Apple Silicon）、Windows x64 和 Linux（beta），采用 MIT 许可证开源。
核心观点：CLI 编程 agent 爆发后，管理 agent 本身成了新赛道，多 agent 编排层正成为 AI 开发工作流的下一个竞争焦点。
原文链接：V2EX 分享发现