👤 同一博主

🎬 Cherry Studio V2 来了，超详细攻略 + 真实使用场景分享

🚀 核心观点 Cherry Studio V2.0 完成全面重构，从单纯的聊天客户端升级为具备自主执行能力的 Agent 一站式 AI 工作台。其最大特色在于极高的自由度，支持自由选择模型、配置 Skill/MCP 及联网搜索引擎，并移除了 Agent 只能对接特定端点的限制。 📊 关键事实与功能亮点 基础概况：开源免费的全能 AI 工作站，GitHub Star 数达 48k。V2.0 版本重点强化了 Agent 自主规划、工具调用及文件读写能力。 模型接入与测试：覆盖国内外主流模型及本地推理框架。用户可通过 Postman 或 Cherry Studio 快速测试 API 连通性与推理速度，支持查看 Token 消耗、首次时延及输出速度。 Agent 实战场景： 自动化办公：结合 EXA 搜索引擎（每月2万次免费调用）与 Playwright CLI 技能，可自动搜索并下载电子教材（如人教版物理必修二）。 内容生成：读取本地文件仿照格式编写教学材料，交付 Word/PDF 双格式；利用 KIMI K3 模型生成可交互的 3D HTML 网页（如火车转弯受力分析），支持实时调节参数。 多模型协同写作：对话功能无内置编程提示词干扰，适合纯文字工作。支持一次性勾选十几个模型同时回答，便于对比挑选最佳标题或脚本；具备“对话分支”功能，可保留历史并尝试不同风格，实现工程化管理。 知识库（RAG）： 支持全文检索与向量数据库语义匹配两种方案。 配置免费嵌入模型（如 BGE-M3）和重排序模型（如 BGE Reranker V2M3）可提升检索精度，解决关键词不匹配的痛点。 支持 Word、Excel 及 Markdown 目录导入，Agent 可自主调用知识库补充知识。 💡 结论 Cherry Studio V2.0 凭借高自由度的 Agent 配置、多模型并行对比能力及完善的本地知识库体系，成为适合普通人搭建个人 AI 工作流的高效工具，尤其在文档处理、自动化操作及复杂任务规划场景中表现优异。

🎬 阿里除夕开源千问3.5，原生多模态，全网第一手实测

📢 核心观点 阿里在除夕当天开源了新一代多模态大模型千问3.5，主打极致稀疏的MoE架构与原生多模态能力。 该模型在编程速度、视觉智能体操作、长视频理解及3D代码生成方面表现突出，性能与千问3基座持平但吞吐量提升显著。 千问3.5支持201种语言，坚持开源全尺寸模型，采用Apache协议，API价格极具竞争力。 📊 关键事实与论据 架构参数：开源版本为397B A17B，总参数量3970亿，激活参数仅170亿，属于极致稀疏MoE架构。 多模态突破：支持原生多模态，在文本和视觉混合数据上联合学习，不依赖编码器，可实现像素级精确定位。 编程效率：在256K长上下文下，解码吞吐量激增19倍；实测中26.1秒完成Agent代码编写，速度极快。 Agent能力：通过视觉识别自动化操作电脑，如删除回收站文件、使用VSCode提交代码至GitHub，任务执行精准且无报错。 视频理解：能理解长达两小时的视频，精准定位事故时间（1分14秒）及足球比赛开球时间（1分59秒），并识别地点（南非德班）。 代码生成：使用Three.js复刻金门大桥3D模型，交付770行代码，效果媲美一线大模型；还能用HTML复刻坦克大战游戏。 语言支持：支持语言数量从119种跃升至201种。 成本优势：阿里云百炼平台每百万token输入低至0.8元，是GPT-5.2的1/15，Gemini 3 Pro的1/18。 💡 结论 千问3.5凭借原生多模态和高效推理，在视觉智能体和复杂任务自动化方面展现出强大潜力。 其开源策略和低廉的API成本，使其成为开发者部署本地模型或调用云端服务的优选方案。 模型在保持高性能的同时，显著提升了推理速度，适合对实时性和多模态交互有高要求的应用场景。

🎬 Gemini 3.0 API对接编程实战，是夯还是拉？

📊 核心观点 Gemini 3.0 Pro 在视觉推理、数学测试及屏幕理解方面表现强劲，多项基准测试领先幅度显著。 该模型前端编程能力与审美设计处于顶级水平，但在后端复杂代码理解及综合编程测试（SWE-bench）上略逊于 GPT 5.1 和 Claude 4.5。 提示词工程策略需调整，建议保持简洁，并将具体指令置于上下文末尾以引导模型输出。 🔍 关键事实与论据 API 变更：新增 Think Level 参数替代旧版 Think Budget；引入媒体分辨率参数控制多模态 Token 上限；Function Call 增加签名机制以提升工具调用能力。 定价与配置：上下文窗口与 2.5 Pro 一致，知识截止至 2025 年 1 月，定价较上一代上涨 60%。 实测案例： Java 后端：在 Redis 缓存代码审查中，Gemini 3 未能识别核心逻辑缺陷，表现不如 ChatGPT；在 Kafka 消息队列开发中，存在事务回滚范围过大、JSON 拼接易出错及异步处理不当等问题。 前端开发：成功生成包含昼夜光照变化的 3D 山脉场景、3D 建造游戏及复古风格“你画我猜”游戏，视觉效果与交互体验极佳，仅存在鼠标坐标偏移的小 Bug。 接入流程：需通过 AI Studio 创建 API Key，绑定支付方式（如信用卡）并设置结算信息以获取免费额度（如 300 美元），随后使用 Gemini CLI 进行对接测试。 💡 结论与建议 适用人群：强烈推荐给从事前端开发、UI 设计或需要高审美视觉输出的用户。 不适用场景：主要工作涉及后端编程、复杂系统架构或需要极高代码逻辑严谨性的开发者，建议保留 GPT 5.1 或 Claude 4.5 作为主力模型。 使用技巧：若需验证模型版本，可询问 DeepSeek 最新版本且不联网搜索，若回答正确则为 Gemini 3；引导模型时可采用“友善助理”身份设定以提升回答详细度。

🎬 6大MCP协作开发电商业务网站，真实编程场景实测GLM-4.6

🎯 核心观点 海外主流编程工具（如 Cursor、Windsurf）被指基于中国开源大模型 GLM-4.6 微调，以降低成本并提升效率。 GLM-4.6 在复杂后端开发、全栈应用构建及多工具协作场景中表现强劲，具备处理真实业务逻辑的能力。 结合 MCP（Model Context Protocol）工具链，AI 能高效完成从设计稿还原、数据库操作到支付集成的全流程开发。 📊 关键事实与论据 电商网站实战： 集成 Figma、Supabase、Stripe、Replicate 等 6 个 MCP 工具。 成功实现用户注册登录、商品展示、AI 生成商品图及 Stripe 支付流程。 利用视觉理解 MCP 修复了界面中文显示 Bug，并通过联网搜索 MCP 生成 Stripe 集成文档。 订单状态在沙盒环境中从 pending 成功更新为 success。 Java 后端任务： 场景：基于 Spring Boot 实现定时扫描预约表，通过 Kafka 消息队列削峰填谷，触发邮件提醒。 结果：GLM-4.6 在 2 分钟内完成代码编写，结构包含 Controller、Service、Repository 三层。 缺陷：代码采用批量更新状态，存在单条数据异常导致整批失败的风险，建议改为逐条更新。 全栈游戏开发： 使用 Next.js 构建“你画我猜”游戏，调用 Gemini API 进行图像识别。 通过 Context7 MCP 获取最新技术文档，成功更新项目依赖并优化配置。 💡 结论 GLM-4.6 在工具调用能力上表现优异，能熟练配合多个 MCP 工具完成复杂开发任务。 对于纯前端简单页面，当前编程 Agent 已能轻松应对；在后端复杂业务逻辑中，其代码结构工整，但需人工审查细节逻辑（如数据库更新策略）。 该模型在性价比和实际工程落地能力上具有显著优势，适合用于快速原型开发及全栈应用构建。

🎬 AI编程，我找到了性价比平替，前后端真实编程场景实测

🎯 核心观点 针对 Claude 模型输出质量下降及高昂定价问题，Kimi K2 是具备高性价比的编程模型平替方案。 Kimi K2 在 Agentic Coding 能力、工具调用及结构化输出方面表现优异，适合复杂长任务。 在 AI 辅助编程中，人类应侧重系统架构设计与意图纠正，而非陷入代码细节，以实现效率最大化。 📊 关键事实与论据 性能与成本：Kimi K2 上下文长度达 250k，超越 Claude Sonnet 4；API 价格仅为后者的六分之一。实测后端 Java 任务消耗约 120 万 Token，成本约 3 元，远低于 Claude 的 3.78 美元。 工具调用测试： Chrome MCP：成功定位 GitHub 上 Star 数最高的开源项目（2.6k Star），展现强组合调用能力。 Excel MCP：准确提取 1-9 月编程语言趋势数据（如 Python 5 月趋势 25.35），结构化输出能力强。 后端实战：在 Spring Boot 项目中实现 Kafka 消息队列与邮件提醒功能，耗时不到 3 分钟。虽出现序列化及 Offset 提交冲突报错，但经人工纠正后成功调通。 前端对比：在“你画我猜”案例中，Kimi K2 正确引用 Tailwind CSS v4，文件结构工整，评分 95 分；优于 Claude 4 Sonnet（交互缺陷）、Gemini 2.5 Pro（画板透明 Bug）及 GLM 4.5（后台逻辑未跑通）。 💡 结论与建议 适用场景：适合需要低成本处理复杂后端逻辑、长上下文任务及多工具协同的开发者。 操作建议： 配置时需区分环境变量名与具体值（如 Codex 配置）。 遇到 AI 偏离意图（如过度设计工厂类）时，应立即打断并明确纠正方向。 利用 Kimi K2 Turbo 限时半价活动，可显著降低编程辅助成本。

🎬 无限免费Claude Code，免费模型有满血版几成功力？

🛠️ 免费接入方案与配置 核心工具：使用开源项目 `cloudcode router` 将任意大模型 API 接入 Claude Code，以替代昂贵的官方订阅。 支持模型： 千问 Code：通过 ModelScope 社区获取，每日提供 2000 次免费 API 调用。 Gemini：需通过 Google AI Studio 申请 Key，推荐配置 Gemini 2.5 Flash 为执行模型，Gemini 2.5 Pro 为思考模型；国内用户需配置中转地址。 GLM 4.5：通过 OpenRouter 接入，新注册用户可获 500 万免费 Token，至尊包提供 1 亿 Token 额度。 原生 Claude：通过 OpenRouter 充值 Credits 后接入 Claude Sonnet 模型。 配置步骤：安装 Node.js 及 Claude Code，创建 `config.json` 配置文件，填入对应提供商的 API Key 及模型名称，修改端口（如 23456）以解决权限冲突，最后通过 `ccr start` 启动服务。 📊 编程能力评测对比 测试项目：使用 Next.js 开发“你画我猜”网页游戏，需调用后台 API 识别图像。 评分结果： Claude (90分)：功能完整，交互逻辑最佳，但存在缺少提交按钮的小瑕疵，成本约 0.7 美元。 Gemini (85分)：功能跑通，但画板背景透明导致识别困难，需手动添加白色背景；页面美观度一般。 千问 Code (80分)：功能跑通，但 CSS 未生效（缺少 Tailwind 配置），且出现重复循环调用工具的问题。 GLM 4.5 (75分)：页面美观且新增玩法，但后台逻辑未实现（使用模拟返回），项目框架非脚手架生成且写法老旧。 结论：各模型差距不大，Gemini 和千问 Code 表现较好；若使用 Gemini 2.5 Pro 可配置负载均衡以增加免费额度。 💡 高效使用技巧 关键命令： `/init`：通读项目并生成 `cloud.md` 知识文件，帮助 AI 快速了解项目结构。 `/compact`：压缩历史对话记录，减少 Token 消耗。 `/clear`：清除上下文，确保新任务不受旧内容干扰。 模式切换：按 `Alt+M` 切换普通模式（需人工审阅）、AutoAccept 模式（自动接受修改）和 Plan 模式（仅规划不修改）。 多模态交互：支持拖入图片进行视觉分析（如修改按钮颜色），支持读取网页内容并总结翻译。 IDE 集成：在 VS Code 中安装 Claude Code 插件，通过 `/ide` 命令打通，实现代码修改的可视化审阅。 联网搜索：若模型支持（如 Gemini），可直接调用网络搜索工具获取最新信息（如 Next.js 15.4 版本）。

🎬 新赛博大善人诞生了! 中国区友好的免费CDN，无限流量，DDoS防护。比cloudflare更好用

🎯 核心观点 腾讯云旗下的 Edge One（爱之万）提供了一款免费且更适合全球访问的网站安全加速服务，被视频内容称为“新的赛博大善人”。 相比 Cloudflare，Edge One 免费套餐在功能覆盖上更具优势，特别是针对中国大陆地区的访问优化及多项付费功能的免费化。 该服务旨在解决网站加载慢、浏览器显示不安全及黑客攻击等问题，适合具有全球访问流量且需要兼顾国内用户体验的网站。 📊 关键事实与论据 性能对比数据：根据谷歌研究，页面加载时间从 1 秒增加到 3 秒，访客流失率增加 32%。 实测延迟提升： 直连服务器：国内平均访问速度 0.06 秒，海外 0.85 秒。 使用 Edge One CDN：国内平均访问速度降至 0.05 秒，海外降至 0.16 秒。 功能免费化对比： CNAME 接入：Edge One 免费套餐支持，Cloudflare 需付费商业版。 自有证书上传：Edge One 免费套餐支持，Cloudflare 需付费。 自定义 404 错误页面：Edge One 免费套餐支持，Cloudflare 需高级会员。 修改 HTTP 响应头（如跨域访问）：Edge One 免费套餐支持，Cloudflare 需付费。 基础服务包含：CDN、DNS、DDoS 防御、边缘函数、静态网页部署等。 接入要求：若需包含中国大陆地区访问，域名需在中国备案；支持 NS 和 CNAME 两种接入方式。 🛠️ 结论与适用建议 适用人群：拥有全球访问流量、受困于 Cloudflare 国内节点绕行导致的高延迟问题、且预算有限的个人开发者或小型网站运营者。 核心优势：在免费层级提供了更完善的全球加速能力（尤其是国内节点直连）和更高级的安全防护自定义规则（如区域拦截、响应头修改）。 注意事项： 免费套餐官方不提供 SLA 服务条款，具体以官网为准。 配置 HTTPS 时，若服务器未配置证书，回源协议需选择 HTTP。 需通过特定渠道领取免费套餐激活码进行兑换。

🎬 全球最强开源模型Qwen3，全场景实测+本地部署教程 #ai #人工智能 #通义千问 #mcp

🚀 核心观点 阿里开源千问3大模型，被视为开源界重磅产品，支持思考与非思考模式一键切换，平衡成本与质量。 千问3提供从0.6B到235B的全尺寸开源模型，覆盖移动端至高性能服务器，本地部署门槛显著降低。 在编程、语言理解及多模态生成等全场景实测中，千问3表现达到一线顶级大模型水平，部分场景优于竞品。 基于Ollama框架，单张4090显卡可流畅运行32B参数模型，显存占用低，适合个人开发者本地部署。 📊 关键事实与论据 模型规格：训练数据达306万亿Token，支持199种语言；旗舰版235B-A22B为混合专家模型，激活参数仅22B，生成速度快。 编程实测： 算法：在LeetCode最新Hard/Medium题目中，千问3在30分钟内一次性通过所有测试，代码简洁且逻辑正确。 前端/游戏：生成HTML动态网页具备科技感；使用Pygame实现超级玛丽游戏，具备Roguelike随机地图特性，优于GPT-4o、DeepSeek及Gemini 2.5 Pro的表现。 3D交互：使用Three.js生成3D迷宫小球运动，虽初版迷宫简单且WASD反向，但经追问优化后逻辑正常，碰撞与惯性处理优于DeepSeek R1。 语言与创意：在“批判现实”风格词汇解释中，对“Up主”、“程序员”等角色的描述风趣且深刻；能识别并解释西非语言卡布维尔迪亚努语。 本地部署数据： 8B模型：显存占用7.4GB，响应速度快。 14B模型：显存占用11.4GB，输出速度约30+ Token/s。 32B模型：显存占用20.4GB，在4090显卡上运行流畅，速度良好。 💡 结论与建议 适用人群：适合追求高性能、低延迟及数据隐私的开发者、极客及企业用户。 部署建议： 推荐工具：Ollama（Windows/Linux通用），配合Cherry Studio等客户端使用。 硬件参考：4090显卡（24GB显存）可完美运行32B模型，仍有显存余量；8B/14B模型对硬件要求更低，适合普通PC。 操作要点：通过API参数或网页按钮切换思考模式；简单问题用非思考模式提速，复杂推理用思考模式提质。 综合评估：千问3在开源模型中具备极强的竞争力，尤其在代码生成和长文本推理方面表现突出，本地部署体验优于多数闭源API方案。