中国开发者的外网与 AI 工具箱：Google、YouTube、ChatGPT、Claude、MiniMax、ZCode、MiniMax Design 实战指南

这不是一篇”教你如何翻墙”的教程,也不是一篇产品广告。

这是一篇站在中国技术开发者视角写的实操手册:先讲清楚”外网”这件事的底层原理(不讲套路,只讲技术),再把 Google、YouTube、ChatGPT、Claude、MiniMax、ZCode、MiniMax Design 这七个工具一个一个拆开,告诉你它们到底解决什么问题、怎么用、多少钱、哪里会踩坑。

我不是老师,只是比你早走了几步路的探索者。这套组合我自己天天在用,踩过的坑都写进来了。

---

〇、先看全景:这套工具箱能帮你干什么

在展开之前,先把七个工具的定位摆清楚,免得你装了一堆结果不知道该用哪个。

工具	一句话定位	核心价值	主要成本
外网(客户端)	底层网络能力	让 Google / YouTube / OpenAI / Anthropic 可达	订阅 + 一点点折腾
Google	搜索引擎 + AI 开发全家桶	找资料、找方案、Gemini API、Colab 免费 GPU	免费层就够用
YouTube	全球技术课程库	免费、无广告的中英技术视频	免费
ChatGPT	通用 AI 助手 + Codex	综合能力最均衡,写代码、查资料、做研究	免费 / $20 / $100+
Claude	长文本 + Claude Code	读大仓库、写代码、Code Review 体验最好	Free / $20 / $100 / $200
MiniMax	国产平替 + 能力补充	人民币结算、国内直连、视频/语音 API	便宜是真便宜
ZCode	智谱的 vibe coding 桌面端	Goal 长任务、多 Agent、远程遥控	¥94 ~ ¥862/月
MiniMax Design	多模态创作工作台	图/视频/音频一体化生产	积分制,¥65 起

如果你只想要一个结论,那就是:

• 想要最稳的通用能力 → ChatGPT Plus
• 想要最好的写代码体验 → Claude Pro/Max + Claude Code
• 想要低成本 + 国内直连 + 不用信用卡 → MiniMax
• 想要”一句话描述需求,AI 自己干完一整个功能” → ZCode
• 想要做图/做视频/做包装/做短剧 → MiniMax Design
• 想要免费的技术资料 → Google + YouTube,这两个是刚需

---

一、外网基础:把原理搞明白,别再瞎折腾

这一节不推荐任何具体的订阅源或机场,只讲技术原理与合规使用方法。工具本身是公开的,怎么用是你的自由,但请遵守所在地区的法律法规和单位的规定。

1.1 你真正在解决的问题

简单说,你的机器访问不了某些境外服务器,问题出在这三段链路的任意一段:

你的应用 (浏览器 / curl / Node)
        │
        ▼
   本地客户端 (mihomo / Clash Verge Rev)
        │  ← 负责:DNS 劫持、规则分流、流量转发、TUN 接管
        ▼
   中转节点 (你的服务商提供的出口)
        │
        ▼
   目标站点 (google.com / api.openai.com)

四个环节,任何一环没配好都会”看起来能上但就是打不开”。所以排查的时候要分段定位,而不是反复换节点。

1.2 客户端怎么选

客户端	平台	内核	推荐度	说明
Clash Verge Rev	Win / macOS / Linux	mihomo	★★★★★	图形界面最成熟,内置订阅管理,新手首选
mihomo Party	Win / macOS / Linux	mihomo	★★★★☆	界面更现代,内置订阅管理,TUN 可视化做得好
mihomo(纯命令行)	全平台	mihomo	★★★★☆	Docker / 服务器 / 极简党,配置全是 YAML
Clash Meta for Android	Android	mihomo	★★★★	手机端主力
Stash	iOS	自研	★★★★	iOS 上少数支持 TUN 的客户端之一

💡 一句话:桌面用 Clash Verge Rev,手机用 Clash Meta for Android,服务器用 mihomo 原生。三个都是 mihomo 内核,配置文件通用。

Linux 命令行安装示例:

# 下载 mihomo 官方 release 并解压,按你的架构选 amd64 / arm64
unzip mihomo-linux-amd64.zip
chmod +x mihomo-linux-amd64

# 前台启动,看日志
./mihomo-linux-amd64 -d ~/.config/mihomo

# 检查内核版本与规则集是否加载成功
./mihomo-linux-amd64 -v

1.3 规则分流:为什么必须开

这是新手最容易忽略、但对体验影响最大的一环。

如果所有流量都走境外出口,会出现这些症状:

• 国内网站(淘宝、京东、公司的内网系统)变慢或直接打不开
• 网银、支付、企业 SSO 频繁风控
• 动态 IP 让同一家公司把你识别成”异常流量”
• 阿里云/腾讯云的服务器 SSH 延迟飙升

规则分流的逻辑:让国内流量走直连,只有”匹配代理规则”的流量走代理。

# mihomo 配置片段示例(放在 rules 之前)
proxy-groups:
  - name: PROXY
    type: select
    proxies:
      - 🚀 节点选择
      - ♻️ 自动选择
      - DIRECT

rules:
  # 1) 内网与私有地址直连
  - IP-CIDR,127.0.0.0/8,DIRECT,no-resolve
  - IP-CIDR,10.0.0.0/8,DIRECT,no-resolve
  - IP-CIDR,192.168.0.0/16,DIRECT,no-resolve
  - IP-CIDR,172.16.0.0/12,DIRECT,no-resolve
  # 2) 局域网服务直连
  - DOMAIN-SUFFIX,local,DIRECT
  # 3) 国内常用服务直连(示例,生产请用 GEOSITE 规则集)
  - GEOSITE,CN,DIRECT
  - GEOIP,CN,DIRECT,no-resolve
  # 4) 私有 API 与流媒体分流
  - DOMAIN-SUFFIX,openai.com,PROXY
  - DOMAIN-SUFFIX,anthropic.com,PROXY
  - DOMAIN-SUFFIX,google.com,PROXY
  - DOMAIN-SUFFIX,youtube.com,PROXY
  # 5) 兜底
  - MATCH,PROXY

1.4 三种接管方式,你需要知道区别

模式	原理	能接管什么	推荐场景
系统代理	设置 HTTP/SOCKS 代理	浏览器、显式支持代理的 App	日常上网,最省心
环境变量	HTTP_PROXY / HTTPS_PROXY / ALL_PROXY	CLI 工具(curl、git、npm、pip)	写代码时最常用
TUN 模式	虚拟网卡,接管所有 TCP/UDP	不支持代理设置的 App、游戏、某些客户端	需要”全都要”时开

命令行工具走代理最常被忽略,结果就是 git clone 卡死、npm install 超时:

# 临时生效
export HTTP_PROXY=http://127.0.0.1:7890
export HTTPS_PROXY=http://127.0.0.1:7890
export ALL_PROXY=socks5://127.0.0.1:7890

# 验证
curl -I https://api.openai.com

# git 单独配置(更常用)
git config --global http.proxy http://127.0.0.1:7890
git config --global https.proxy http://127.0.0.1:7890

# npm
npm config set proxy http://127.0.0.1:7890
npm config set https-proxy http://127.0.0.1:7890

# pip
pip config set global.proxy http://127.0.0.1:7890

⚠️ 别忘了取消:unset HTTP_PROXY HTTPS_PROXY ALL_PROXY,以及 git config --global --unset http.proxy。很多”公司内网访问不了”的锅就是代理没关。

1.5 DNS:80% 的”打不开”都是它

典型症状:浏览器显示 ERR_NAME_NOT_RESOLVED / DNS_PROBE_FINISHED_NXDOMAIN,但节点明明是好的。

# mihomo DNS 配置片段
dns:
  enable: true
  listen: 0.0.0.0:53
  ipv6: false
  enhanced-mode: fake-ip
  fake-ip-range: 198.18.0.1/16
  fake-ip-filter:
    - '*.lan'
    - '*.local'
    - '+.msftconnecttest.com'
    - '+.msftncsi.com'
  default-nameserver:
    - 223.5.5.5
    - 119.29.29.29
  nameserver:
    - https://doh.pub/dns-query
    - https://dns.alidns.com/dns-query
  proxy-server-nameserver:
    - https://doh.pub/dns-query
  nameserver-policy:
    'geosite:cn,private':
      - https://doh.pub/dns-query
    'geosite:geolocation-!cn':
      - https://dns.cloudflare.com/dns-query

三个关键词解释:

• fake-ip:让域名先映射成一个假 IP,由客户端按真实域名转发。优点是分流准确、避免污染。
• nameserver-policy:按域名后缀指定解析器。国内域名走国内 DoH,国外域名走国外 DoH,避免国外 DoH 被干扰导致大量空结果。
• default-nameserver:给上面这些 DoH 域名本身用的解析器,必须是国内可达的 IP,否则会死锁。

1.6 故障排查速查表

症状	最可能的原因	排查动作
浏览器打不开境外站点,国内正常	规则分流把目标域名分到 DIRECT	打开客户端日志,搜域名看命中了哪条规则
ERR_TIMED_OUT 但节点延迟正常	TUN 没开 / 应用不走系统代理	该应用是否支持代理?必要时开 TUN
DNS_PROBE_FINISHED_NXDOMAIN	DNS 被污染或 fake-ip 配置错误	换 DoH,检查 nameserver-policy
CLI 工具超时,浏览器正常	命令行没设代理环境变量	export HTTPS_PROXY=...
视频网站提示”不可用”	出口 IP 被判为机房 IP / 区域限制	换节点类型,选住宅或流媒体解锁
频繁掉线	节点拥塞或 MTU 不合适	换协议,试试调小 MTU 或开启分片
公司内网访问不了	代理没关 / 规则没直连内网网段	取消代理,补 IP-CIDR,10.0.0.0/8,DIRECT

一条万能命令,直接看出请求走到哪了:

# 看 DNS 解析结果和连通性
nslookup github.com

# 详细握手过程(看是否卡在 TLS)
curl -v --connect-timeout 10 https://api.openai.com

# 只看耗时
curl -o /dev/null -s -w 'dns:%{time_namelookup}s tcp:%{time_connect}s tls:%{time_appconnect}s total:%{time_total}s\n' https://api.openai.com

📌 合规提醒:请遵守你所在地区的法律法规、单位网络管理规定与相关服务条款。不要用于任何违法违规用途,不要传播或售卖账号,不要在生产环境里用不合规的出口做业务。

---

二、Google:不只是搜索引擎

对开发者来说,Google 的价值分三层:**搜索(找答案)、AI Studio/Gemini API(调模型)、开发者生态(Colab / Firebase / Cloud)**。

2.1 账号体系先搞清楚

注册一个 Google 账号是第一步,但很多人卡在”注册后收不到验证码”。常见原因和对策:

问题	原因	对策
收不到短信验证码	号码被风控 / 发送频率超限	换号段、隔一段时间重试、优先用语音验证
提示”此浏览器无法验证”	自动化检测	关闭无痕、手动点”我不是机器人”
登录后立刻掉线	Cookie / UA 被识别为脚本	用正常浏览器配置,别在脚本里裸奔
提示”此账号无法使用 Google 付款”	区域策略	见 10.1「账号与区域」

账号安全三件套:

1. 主号 + 找回邮箱 + 备用邮箱 —— 别只留一个
2. 开启两步验证(2FA):优先用 Passkey 或 TOTP 验证器,别只靠短信
3. 开启登录告警:有新设备登录时收到邮件通知

2.2 搜索技巧:把 Google 当数据库用

这是投入产出比最高的一段。学会下面这些,你能少问 AI 一半的问题(因为有些答案你直接搜得到原文)。

语法	作用	例子
"精确短语"	只匹配完整短语	"connection pool exhausted"
site:	限定站点	site:github.com postgres deadlock fix
filetype:	限定文件类型	filetype:pdf system design interview
-关键词	排除	golang 协程 -教程
*	通配	"how to * in postgres"
inurl:	路径包含	inurl:docs python asyncio
related:	相似站点	related:stackoverflow.com
cache:	找缓存快照	cache:site:example.com
OR	逻辑或	postgres OR mysql "connection limit"

开发者最常用的三条组合:

# 找官方文档里的具体段落
site:docs.python.org "asyncio.wait_for"

# 找某个报错的原因(带上完整报错)
"ECONNRESET" "npm install" node 18

# 找 GitHub 上被解决过的 issue
site:github.com/denoland/deno/issues "permission denied" macOS

💡 技巧:搜报错时,把完整错误信息用引号包起来,命中率比用关键词高一个量级。

2.3 Gemini 与 AI Studio:免费拿 API Key

Google AI Studio 是开发者拿 Gemini API Key 最快的入口,通常几分钟就能拿到。

入口:https://aistudio.google.com/
步骤:登录 Google 账号 → 左侧 "Get API Key" → Create API Key
     → 拿到 key 后在 "Try in Google AI Studio" 里直接调模型

免费层的特点(具体额度以官网为准):

项目	免费层情况
Gemini API	有免费层,常用模型可免费调用,速率受限
免费层数据	用于改进产品,敏感项目务必用付费层或 Vertex AI
付费	按 token 计费,输入/输出单价不同
图片/音频/视频	单独计价,比纯文本贵不少

用 curl 调一次,你就知道这套东西怎么接进项目了:

curl -s https://generativelanguage.googleapis.com/v1beta/models/gemini-3-flash:generateContent \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{
      "parts": [{"text": "用三句话解释什么是 Raft 共识算法"}]
    }],
    "generationConfig": {"temperature": 0.3}
  }'

Python SDK 用起来更舒服:

from google import genai

client = genai.Client(api_key="YOUR_KEY")

resp = client.models.generate_content(
    model="gemini-3-flash",
    contents="用三句话解释什么是 Raft 共识算法",
)
print(resp.text)

2.4 Gemini CLI、Antigravity、Jules:Google 的开发者三件套

工具	形态	干什么
Gemini CLI	开源命令行终端	在终端里用自然语言改代码、跑命令、查文档
Antigravity	agentic IDE	Google 新一代 AI IDE,强调 agent 自主编排
Jules	异步 coding agent	丢个 issue 进去,它自己开分支改代码、跑测试、提 PR

Gemini CLI 安装:

npm install -g @google/gemini-cli

# 首次使用会让你用 Google 账号登录授权
gemini

Jules 的心智模型和 Claude Code / Codex CLI 不一样:它是异步的。你提需求 → 它自己在云端 clone 仓库 → 改代码跑测试 → 开 PR 给你审。你不用守着屏幕。

2.5 Colab:白嫖 GPU

Colab 是 Google 提供的免费 Jupyter Notebook 环境,免费版有 Tesla T4 级别的 GPU 时长配额(按时段动态分配,不是固定值)。

开发者常用来做三件事:

1. 验证想法:本地不想装 CUDA,先在 Colab 跑一遍
2. 试用大模型:几行代码调 HuggingFace 上的开源模型
3. 分享环境:把 notebook 链接丢给同事,对方点开就能跑

Colab 里装 PyTorch 的标准姿势:

!pip install -q torch transformers accelerate datasets

import torch
print("CUDA available:", torch.cuda.is_available())
print("Device:", torch.cuda.get_device_name(0) if torch.cuda.is_available() else "CPU")

⚠️ 免费 Colab 有使用限制,不要拿它做长时间训练或当生产推理环境。要长期跑,换 Colab Pro 或直接租 GPU。

2.6 Google for Developers:被低估的资源

如果你做 Android / Cloud / Firebase,Google 的官方文档质量通常高于社区博客:

站点	内容
developers.google.com	Android、Cloud、Firebase、Search API
ai.google.dev	Gemini API 文档与 Cookbook
cloud.google.com/docs	GCP 产品文档与架构指南
developer.android.com	Android 官方指南与 Jetpack 文档

配合搜索语法,几乎所有”官方文档怎么写”的问题都能 30 秒定位:

site:developer.android.com "Compose" "StateFlow"
site:ai.google.dev "structured output" json schema

---

三、YouTube:免费的技术大学

如果你觉得中文技术教程不够用,YouTube 是全世界最大、最免费、最系统的技术学习库。很多英文技术视频有自动字幕,配合 AI 摘要,效率直接翻倍。

3.1 先把客户端调到位

设置项	在哪	建议
字幕	播放器右下角 CC	英文视频必须开
字幕语言	设置 → 字幕 → 字幕语言	优先”英语(自动生成)”
播放速度	设置 → 播放速度	1.25x~1.5x 是甜点区,2x 适合已知内容
章节	播放器下方进度条	找重点直接跳转
跳过广告	点击”跳过广告”按钮	手动比插件可靠
画质	设置 → 画质	1080p 足够,省带宽

3.2 找内容:比搜索引擎还准的搜索语法

YouTube 搜索框支持这些高级语法:

语法	作用	例子
""	精确短语	"react server components" tutorial
-	排除	rust -game
intitle:	标题包含	intitle:"full course"
inurl:	链接路径	inurl:github
site:	限定站点	site:youtube.com kubernetes
before: / after:	时间限定	llm agents after:2025
channel:	指定频道	channel:fireship

实战例子,搜”带字幕的完整课程”:

"full course" "database internals" -playlist
site:youtube.com "distributed systems" course
"system design interview" after:2024

3.3 用 yt-dlp 拉字幕,喂给 AI

这是把 YouTube 变成”你的私有知识库”的关键一步。

# 安装
pip install -U yt-dlp

# 只下自动字幕(不下载视频),英文字幕
yt-dlp --skip-download --write-auto-sub --sub-lang en,en-orig \
  --sub-format vtt "https://www.youtube.com/watch?v=VIDEO_ID"

# 也下载中文自动字幕
yt-dlp --skip-download --write-auto-sub --sub-lang "zh-Hans,en" \
  --sub-format vtt "https://www.youtube.com/watch?v=VIDEO_ID"

# 批量下载一个频道最近的 20 个视频
yt-dlp --playlist-items 1:20 --skip-download --write-auto-sub \
  --sub-lang en --sub-format vtt "https://www.youtube.com/@CHANNEL_NAME/videos"

拿到的 .vtt 文件是带时间轴的,喂给 AI 之前先清洗一下,效果好很多:

import re


def vtt_to_text(path: str) -> str:
    with open(path, encoding="utf-8") as f:
        raw = f.read()
    # 去掉 WEBVTT 头、序号行、时间轴行、标签
    lines = []
    for line in raw.splitlines():
        s = line.strip()
        if not s or s.startswith("WEBVTT") or s.startswith("Kind:"):
            continue
        if "-->" in s or re.fullmatch(r"\d+", s):
            continue
        s = re.sub(r"<[^>]+>", "", s)
        s = s.replace(" ", " ").replace("'", "'").replace("&", "&")
        lines.append(s)
    # 去掉字幕常见的重复行
    out, prev = [], None
    for l in lines:
        if l != prev:
            out.append(l)
        prev = l
    return "\n".join(out)


text = vtt_to_text("video.en.vtt")
with open("video.txt", "w", encoding="utf-8") as f:
    f.write(text)
print(len(text), "chars")

然后就是 AI 的活了。

3.4 YouTube Data API v3:程序化取数据

如果你要批量搜视频、拉字幕、统计播放量,就该上 API 了。免费额度默认每天 10,000 个配额单位,一次搜索 1 个单位,一次视频详情 1 个单位。

# 申请 API Key:https://console.cloud.google.com/apis/credentials
# 打开 YouTube Data API v3,然后启用
export YT_API_KEY="YOUR_KEY"

# 搜索视频
curl -s "https://www.googleapis.com/youtube/v3/search?part=snippet&type=video&maxResults=5&q=postgres%20indexing&key=$YT_API_KEY"

Python 封装:

from googleapiclient.discovery import build

youtube = build("youtube", "v3", developerKey="YOUR_KEY")

resp = youtube.search().list(
    part="snippet",
    q="postgres index tuning",
    type="video",
    maxResults=10,
).execute()

for item in resp.get("items", []):
    sn = item["snippet"]
    print(item["id"]["videoId"], "|", sn["title"], "|", sn["channelTitle"])

注意配额:playlistItems.list 一次也吃 1 个单位,批量遍历频道要算好账。

3.5 把 YouTube 和 AI 串成流水线

一套能真正落地的组合拳:

YouTube 搜索 → yt-dlp 拉字幕 → 清洗成纯文本 → 喂给 Claude/ChatGPT
   → 得到:结构化笔记 / 关键 API 清单 / 踩坑点 / 面试八股 / 翻译稿

给 AI 的提示词模板(直接抄):

下面是我从一段技术视频里提取的字幕,可能有识别错误和重复。
请完成:
1. 修正明显的语音识别错误(保留原意,不确定的地方用 [?] 标注)
2. 输出一份结构化 Markdown 笔记,包含:核心概念、关键 API/命令、踩坑点、讲师提到的最佳实践
3. 单独列出「值得我立刻动手验证的 3 个点」
4. 最后给 5 个自测题(附答案),检验我是否真的理解了

字幕开始:
{{paste_your_subtitle}}

💡 这套流程对英文技术演讲、国外课程、国外大会分享尤其好用,相当于给自己配了一个 24 小时不休息的技术助理。

---

四、ChatGPT:通用 AI 的默认选项

4.1 套餐怎么选

套餐	价格(美元/月)	核心差异	我的建议
Free	0	有限次数、较旧的模型	随便用用、试 prompt
Go	约 $8	更便宜的可选档位,区域可用性不一	轻度使用
Plus	$20	主力档位,包含 Codex、更高额度	个人开发者必买
Pro	$100~$200	最高额度、高级 Agent、高级视频生成	靠 AI 吃饭的
Business	每席 $25(年付 $20)	团队协作、共享 GPT、无训练	团队
Enterprise	定制	SSO、审计、合规	企业

⚠️ 价格与额度策略变动频繁,官方站 openai.com/chatgpt/pricing 是唯一准确来源。本文数字仅供规划预算参考。

4.2 网页端几个真正提效的功能

新手往往只会用那个输入框。这几个功能才是拉开差距的地方:

功能	干什么用	什么时候用
Projects	给一个项目建独立空间,上传文件、设指令	一个长期项目要反复问同一个上下文
Deep Research	自动多轮联网检索,产出带引用的报告	技术选型、竞品调研、”这个库的现状是什么”
Canvas	左边写代码/文档,右边对话直接改	改文章、改代码时并排看
Custom GPTs	把常用 prompt 固化成专属助手	把”我的代码审查清单”做成一个 GPT
Connectors	接入 GitHub / Google Drive 等外部数据	让它知道你项目里的真实代码
Codex	见下节	直接在仓库里改代码

Projects 的隐藏价值:在一个 Project 里,你可以上传 PDF、代码文件、文档,设置”自定义指令”。之后每次开这个 Project,这些上下文都在。等于给自己造了一个”团队知识库”。

典型的自定义指令写法:

你是一位有 10 年经验的资深后端工程师,主要技术栈是 Go / PostgreSQL / Kubernetes。
回答要求:
1. 先给结论,再给推导过程
2. 涉及代码时给完整可运行版本,并说明依赖版本
3. 不要说"这取决于具体情况"这种废话,要给出默认选择并说明理由
4. 如果我的假设有误,直接指出来,不要顺着我走
5. 中文回答,保留英文术语原文

4.3 Codex:在真实仓库里干活的 agent

Codex 有三种形态:

形态	用法	适合
CLI	终端里跑,codex	熟悉命令行、要跟 git/测试流程配合
IDE 扩展	VS Code / Cursor 里侧栏	边写边让它改
云端	浏览器里下指令,它自己开环境跑	异步任务、批量改动

安装与配置:

npm install -g @openai/codex

# 或用 Homebrew
brew install codex

# 登录(支持 ChatGPT 订阅登录,也支持自备 API Key)
codex

真正好用的用法不是”帮我写个函数”,而是:

这个仓库里所有 SQL 都没有走参数化查询。
找出所有存在 SQL 注入风险的位置,逐个改成参数化写法,
改完后跑一遍现有测试确认没挂,最后给我一份改动清单。

以及这种带上下文的:

读一下 docs/architecture.md 和 cmd/server/main.go,
告诉我新同学接手这个服务,第一天应该先读哪三个文件。

4.4 API 计费:别用错模型

ChatGPT 订阅不包含 API 额度,API 要单独按 token 付费。这是很多人踩坑的地方。

省钱三原则:

1. 分类路由:简单任务(改个变量名、提取字段)用小模型,复杂推理用大模型
2. 缓存提示词前缀:系统提示 + 长文档固定不变的部分用 prompt caching,能省一大截
3. 限制输出:明确写”不超过 200 字”,比事后截断省钱

curl https://api.openai.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-4.1-mini",
    "messages": [
      {"role": "system", "content": "你是资深 Go 工程师,输出简洁,给可直接运行的代码"},
      {"role": "user", "content": "写一个带超时和重试的 HTTP GET 客户端"}
    ],
    "max_tokens": 800,
    "temperature": 0.2
  }'

4.5 提示词模板:代码场景直接抄

代码审查(把代码放在最后一个 --- 之后):

你是资深代码审查者。下面这段代码请按以下维度检查:
1. 正确性(边界条件、空值、并发安全)
2. 性能(N+1 查询、无界内存增长、阻塞 IO)
3. 安全(注入、越权、敏感信息日志输出)
4. 可维护性(命名、单一职责、错误处理)

按严重程度排序输出,每条给出:问题 → 具体行 → 建议改法(带代码)。
如果没有问题,明确说"未发现明显问题",不要为了凑数编造。

---
(把代码贴在这里)

重构:

重构下面的代码,目标:
- 消除重复逻辑,提取公共函数
- 用类型约束表达状态(比如用 enum 代替魔法字符串)
- 保持对外接口完全不变
- 补上单元测试骨架

先列出你的重构计划(3-5 条),等我确认后再改代码。

读陌生代码库:

这个项目的目录结构如下(我贴了 tree 输出)。
请推断:
1. 技术栈与主要框架
2. 代码组织的分层方式
3. 入口在哪、从请求进入到响应返回的完整调用链
4. 测试怎么跑
5. 如果我要新增一个 REST 接口,应该改哪些文件

不确定的地方明确标"不确定",不要编造文件名。

4.6 避坑清单

坑	表现	对策
幻觉	编造不存在的 API、函数、参数	涉及具体 API 时要求它给出官方文档链接,并自己验证
过时知识	用的是老版本写法	给它版本号,或先让它读 package.json / go.mod
上下文污染	上传了含密钥的文件	上传前先扫一遍,敏感信息脱敏
过度自信	语气笃定但全错	要求它标注”确定”和”推测”的区别
隐私	代码被用于训练	个人项目无所谓;公司项目必须走企业版或关闭训练
长上下文陷阱	塞 50 页文档,回答跑偏	关键信息放最前面和最后面,中间部分靠摘要

关闭数据训练(个人版):

Settings → Data Controls → "Improve the model for everyone" → 关闭

这个开关很多人从来没看过,但它直接决定了你的代码会不会出现在别人的对话里。

---

五、Claude:写代码体验最好的那个

5.1 套餐与额度机制

套餐	价格	说明
Free	0	网页版有限使用
Pro	$20/月($17 月付年付)	常用档位,含 Claude Code
Max 5×	$100/月	Pro 的 5 倍用量
Max 20×	$200/月	Pro 的 20 倍用量
Team	每席 $30	团队协作
Enterprise	定制	合规与审计

Claude 特有的坑:5 小时滚动窗口。

Claude 网页版按 5 小时滚动窗口限制用量,不是简单的”每天 N 条”。如果你在窗口内用光了,就得等窗口滚动恢复。所以:

• 重要任务别集中在一个时段狂刷
• Max 档位买的就是更大的窗口容量
• 遇到限流提示,先切到 Claude Code(走 API,另算额度)或换 MiniMax 顶一下

5.2 Claude Code:终端里的编程搭档

安装:

# 方式一:npm(全平台通用)
npm install -g @anthropic-ai/claude-code

# 方式二:原生安装器(推荐,自动管理版本)
curl -fsSL https://claude.ai/install.sh | bash

# 方式三:Homebrew
brew install claude-code

# 进入项目目录直接启动
cd your-project
claude

第一条命令就能让它读懂你的项目:

/init

它会自动扫描目录结构,生成 CLAUDE.md —— 这是 Claude Code 的核心机制。

5.3 CLAUDE.md:给 AI 写项目说明书

CLAUDE.md 是 Claude Code 的项目级记忆文件,放在项目根目录。它会被自动读进每次会话。

# CLAUDE.md

## 项目简介
这是一个用 Go 写的订单聚合服务,对接 3 个上游渠道,日订单量约 200 万。

## 技术栈
- Go 1.22 / PostgreSQL 15 / Redis 7 / Kafka
- 使用 chi 做路由,sqlc 生成 SQL 代码
- 部署在 Kubernetes,配置走 viper

## 常用命令
- 构建:make build
- 测试:make test(单测) / make test-integration(需要本地起 PG)
- Lint:golangci-lint run
- 生成 sqlc 代码:make gen-sqlc

## 代码规范
- 所有 SQL 必须用参数化查询,禁止字符串拼接
- 错误统一用 fmt.Errorf("...: %w", err) 包装
- 导出的函数必须有 GoDoc 注释
- 不要在 controller 层写业务逻辑,逻辑放 service 层

## 注意事项
- 上游渠道 B 的接口返回结构不稳定,统一在 adapter 层做归一化
- 本地开发用 docker-compose 起依赖,不要真的连生产库

进阶用法:在 CLAUDE.md 里引用子文件,做成分层记忆。

## 详细文档
- 数据库设计见 @docs/schema.md
- 上游渠道协议见 @docs/channels.md
- 部署流程见 @docs/deploy.md

@路径 语法会被 Claude Code 自动展开并加载,不用把所有东西塞进一个文件。

5.4 MCP、Hooks、Skills:三个进阶能力

能力	作用	典型用途
MCP	Model Context Protocol,给 AI 接外部工具	接数据库、GitHub、Jira、监控、内部 API
Hooks	在特定时机自动执行脚本	每次编辑后自动跑 lint,提交前自动跑测试
Skills	可复用的技能包(斜杠命令)	把”发版流程””事故复盘”固化成一条命令

MCP 配置示例:

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres"],
      "env": {
        "DATABASE_URL": "postgresql://user:pass@localhost:5432/mydb"
      }
    },
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/project"]
    }
  }
}

装上之后,Claude Code 就多了这些能力:

> 看看 dev_orders 表里 status='pending' 的有多少条,按 user_id 聚合取前 10

> 读一下 .env 里的配置项有哪些,注意不要把密钥值打印出来

Hooks 配置示例(.claude/settings.json):

{
  "hooks": {
    "PostToolUse": [
      {
        "matcher": "Edit|Write",
        "hooks": [
          {
            "type": "command",
            "command": "gofmt -w . && golangci-lint run --fix"
          }
        ]
      }
    ]
  }
}

5.5 Claude Code 常用斜杠命令

命令	作用
/init	生成 CLAUDE.md
/clear	清空当前会话上下文
/compact	压缩上下文,保留要点
/review	代码审查当前改动
/cost	查看本次会话的 token 消耗
/help	查看全部命令

5.6 什么场景该用 Claude 而不是 ChatGPT

场景	更推荐	原因
读一个 30 万行的陌生仓库	Claude	长上下文 + 代码理解能力更稳
写大型重构,多文件联动	Claude	Claude Code 的 Edit 精度和风格一致性更好
深度研究 + 带引用报告	ChatGPT	Deep Research 打磨得更成熟
通用问答、随手问	ChatGPT	更快、更便宜
超长视频/图片理解	ChatGPT	多模态输入支持更全面
中文创意写作	Claude	文风细腻,长文一致性更好

---

六、MiniMax:国产平替与能力补位

如果你因为支付、区域、网络、预算这四个原因用不了 OpenAI / Anthropic,MiniMax 是目前最像样的选择。它同时还是少数能把国产大模型接进 Claude Code 的厂商。

6.1 平台与模型

项目	信息
国际站	minimax.io
国内站	minimaxi.com
文档	docs.minimax.io
客户端下载	agent.minimax.io/download

主力模型:

模型	类型	特点
MiniMax-M3	MoE(30B-A3B),原生多模态	主力推理/编码模型,支持百万级上下文
MiniMax-M3.1-Flash	轻量快速版	便宜、延迟低,适合高并发简单任务
MiniMax-M2.5 / M2.1	前代	兼容性最好,适合老项目
H3	视频生成	文生视频 / 图生视频
Speech 2.8	语音合成	多语种配音,TTS 场景
Music 3.0	音乐生成	BGM / 歌曲

6.2 用 MiniMax 当 Claude Code 的后端

这是 MiniMax 对开发者最有价值的能力:API 兼容 Anthropic 格式,所以可以直接给 Claude Code 换后端。

# 装 Claude Code
npm install -g @anthropic-ai/claude-code

# 切到 MiniMax 后端
export ANTHROPIC_BASE_URL="https://api.minimax.io/anthropic"
export ANTHROPIC_AUTH_TOKEN="你的 MiniMax API Key"
export ANTHROPIC_MODEL="MiniMax-M3"

# 进项目里启动
cd your-project && claude

换成 OpenAI 兼容格式同理:

export OPENAI_BASE_URL="https://api.minimax.io/v1"
export OPENAI_API_KEY="你的 MiniMax API Key"

为什么这件事很重要:

• 你在 Claude Code 里积累的所有工作流(CLAUDE.md、MCP、Hooks)可以原样复用
• 成本能压到 Claude Pro 的几分之一
• 国内直连,不需要额外网络环境

6.3 Token Plan:不是按 token 算,是按月限额

MiniMax 提供订阅制 API 套餐:按月给固定 token 额度,不按用量扣钱。对用量可预测的开发者来说,这比 pay-as-you-go 更省心。

# 跑个连通性测试
curl -s https://api.minimax.io/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $MINIMAX_API_KEY" \
  -d '{
    "model": "MiniMax-M3",
    "messages": [
      {"role": "user", "content": "用 Go 写一个带指数退避的重试函数"}
    ],
    "temperature": 0.3
  }'

💡 国内站和国际站的 API 域名、模型名、套餐不同,混用会 401。开卡时看清自己在哪个区,别把国内 key 打到国际域名上。

6.4 MiniMax Code:官方命令行客户端

除了给 Claude Code 换后端,MiniMax 还有自己的 CLI 与桌面端:

下载入口:https://agent.minimax.io/download

它支持对接 Claude Code、Codex、OpenCode 等多种 agent 生态,相当于一个”AI 编码器聚合入口”——你在一处选模型,底下跑不同的 agent。

6.5 视频与语音 API

这是 MiniMax 相比 OpenAI / Anthropic 的真正差异化能力。

# 文本转语音
curl -s https://api.minimax.io/v1/t2a_v2 \
  -H "Authorization: Bearer $MINIMAX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "speech-2.8-hd",
    "text": "这是一段测试语音。",
    "stream": false,
    "voice_setting": {
      "voice_id": "English_Trustworth_Man",
      "speed": 1.0,
      "vol": 1.0,
      "pitch": 0
    },
    "audio_setting": {
      "sample_rate": 32000,
      "bitrate": 128000,
      "format": "mp3"
    }
  }'

MiniMax 的核心优势,总结成三条:

1. 人民币结算 + 国内直连,不用信用卡,不用折腾网络
2. API 兼容 Anthropic / OpenAI 双格式,能无缝当 Claude Code 的后端
3. 视频 / 语音 / 音乐生成是它真正的护城河,不是纯文本模型

---

七、ZCode:智谱的 vibe coding 桌面端

ZCode 是智谱(Z.ai)推出的 Agentic Development Environment(ADE),定位不是”AI 插件”,而是一个完整的 AI 编程桌面工作台。

7.1 基本信息

项目	信息
官网	zcode.z.ai(国内 zcode.z.ai/cn)
定位	Agentic Development Environment / vibe coding 桌面客户端
支持平台	macOS(Apple Silicon / Intel)、Windows(x64 / ARM64)、Linux(deb / rpm / AppImage,beta)
底层模型	GLM-5.3 / GLM-5.3-Flash(多模态)
登录方式	Z.ai 账号、Bigmodel.cn 账号、API Key

7.2 它和 VS Code + Copilot 有什么不同

这是理解 ZCode 的关键:

维度	VS Code + Copilot	ZCode / Claude Code 这类 ADE
交互模型	你写,AI 补全	你描述目标,AI 编排执行
主动性	逐行建议	主动规划、跨文件修改、跑测试、自我修复
单位	一行代码	一个任务 / 一个 Goal
过程	看不见	有计划列表、进度、终端输出,全程可观测

一句话:IDE 是你指挥 AI 打字,ADE 是你派 AI 干活。

7.3 Goal 模式:长程任务管理

ZCode 的核心工作流是 Goal 模式,一个 Goal 内部会经历:

目标描述 → 生成计划(可审阅/修改) → 分步实现 → 自动跑测试 → 识别失败 → 修复 → 验收

这正好解决纯聊天式 AI 的老问题:你提一个”把用户系统重构到微服务”的需求,它给你一段代码,再提下一个需求,再给一段代码——永远拼不起来。Goal 模式是把它当一个项目来做。

一个能用的 Goal 描述长这样:

目标:给现有的 FastAPI 项目加上基于 JWT 的用户认证。

要求:
1. 新增 /api/auth/register 和 /api/auth/login 两个接口
2. 密码用 bcrypt 存储,禁止明文
3. 引入依赖前先更新 requirements.txt
4. 补充 pytest 测试:注册成功、密码错误、token 过期三种场景
5. 不要改动现有业务逻辑代码,只做增量

约束:
- 现有的 database.py 里已有 Session 工厂,直接复用
- 风格遵循项目里已有的模块(参考 src/api/items.py)

带要求 + 约束 + 参考样例的三段式,比一句话效果高一个量级。

7.4 多 Agent 并行

ZCode 支持多个 Agent 并行干活,配置方式类似 Claude Code 的 .claude/agents/ 风格:

your-project/
└── .agents/
    ├── reviewer.md      # 代码审查 agent
    ├── tester.md        # 测试补全 agent
    └── migrator.md      # 数据迁移 agent

典型的并行拆分:

主 Agent:  负责架构设计与核心实现
├── Agent A: 写单元测试
├── Agent B: 写 API 文档(Swagger 注释)
└── Agent C: 检查安全漏洞与依赖风险

对大重构来说,这比单 agent 串行改快好几倍。

7.5 Bot 远程控制:手机上盯着它干活

ZCode 支持通过 微信 / 飞书 / Telegram 远程唤起 Agent。

场景是这样的:

09:30  出门前在飞书发:"把 staging 环境的部署脚本加上健康检查"
09:45  地铁上收到 Telegram 通知:"Goal 已完成,3 个文件被修改"
10:00  到公司 review diff

对独立开发者来说,这个功能价值极高——把等待时间变成并行时间。

7.6 成本:GLM Coding Plan

ZCode 背后的 GLM Coding Plan 定价(国内版官网 cn,价格以官网实时为准):

档位	月费(约)	划线价	适合
Lite	¥94.4	¥118	个人尝鲜
Pro	¥430.4	¥538	重度个人开发者
Max	¥862.4	¥1078	工作室 / 小团队

国际版大约是 Basic $10 / Pro $20 / Team $30 档位。

和 Claude Max / ChatGPT Pro 对比:

方案	月费	特点
ZCode Lite	¥94	国内直连、人民币支付、含完整 ADE
ZCode Pro	¥430	用量更高,适合每天重度使用
Claude Pro	$20(约 ¥145)	Claude Code 生态最成熟
Claude Max 5×	$100(约 ¥720)	Claude Code + 更大额度
ChatGPT Pro	$100(约 ¥720)	Codex + 高级 Agent

结论很清楚:

• 想低成本体验完整 ADE 工作流 → ZCode Lite 性价比极高
• 要最好的 agent 编码质量 → Claude Pro / Max
• 要通用助手 + 一体化研究能力 → ChatGPT Plus / Pro

7.7 接入任意模型供应商

ZCode 不锁死在 GLM 上,可以通过 API Key 接 Claude、Gemini、OpenAI 等任意供应商。这意味着你可以用 ZCode 的界面,跑 Anthropic 的模型。

对开发者来说,这解耦了”工具”和”模型”两件事:哪个模型强就换哪个,工作流不用动。

7.8 快捷键速查

快捷键	功能
⌘N / Ctrl+N	新建任务
⌘O / Ctrl+O	打开工作区
⌘B / Ctrl+B	切换侧栏
⌘J / Ctrl+J	打开终端
⌘M / Ctrl+M	切换模型
⌘P / Ctrl+P	切换权限模式

权限模式是 ADE 里非常关键的设计:让它改文件、跑命令之前,你可以选择”每次问””自动批准白名单操作””全自动”。设置得好,既能放手让它干,又不会半夜被它删库。

---

八、MiniMax Design:多模态创作工作台

前面六个工具解决的是”写代码、找资料、读文档“,MiniMax Design 解决的是另一类需求:做图、做视频、做包装、做短剧、做数字人。

8.1 基本信息

项目	信息
官网	design.minimax.io(国内 design.minimaxi.com)
形态	Web 平台 + 桌面客户端
桌面端	macOS 13+(M1~M5 / Intel)、Windows 10+ x64、Linux(beta)
体系	隶属 MiniMax 海螺 AI

它不是一个”文生图”输入框,而是一个多模态创作工作台:图片、视频、音频、文本在同一个项目里联动。

8.2 五步工作流(核心)

这是 MiniMax Design 官方定义的工作流,理解了它你就知道怎么用:

AGENT MODE → CANVAS FLOW → SKILL READY → LOCAL INDEX → OUTPUT SYNC
   对话驱动      多模态画布     技能固化      本地索引     成品输出

逐步解释:

第 1 步:AGENT MODE(对话驱动)

先用自然语言把需求说清楚,让 Agent 理解你要做什么、搭好整体框架。

我要做一个「城市咖啡」品牌宣传片,受众是 25-35 岁白领,
调性:高级、克制、有一点点复古,不要那种大红大绿的土味风。
需要包含:品牌 logo 展示、产品特写、门店环境空镜,
最后有一个 CTA。整体时长控制在 15 秒。

第 2 步:CANVAS FLOW(多模态画布)

Agent 会把需求落到画布上,变成一个个可编辑的节点——图片、视频、音频、文本块在这里排布、替换、调整。

这一步的关键词是「画布」:不是一次生成完就结束,
而是可以逐个素材替换、调节奏、重新生成某一段。

第 3 步:SKILL READY(技能固化)

把跑通的流程存成 Skill,下次直接调用。这是从”一次性创作”变成”可复用产能”的关键。

比如存一个「电商主图」Skill:
输入 = 产品名 + 卖点 + 目标人群
输出 = 主图 + 3 张场景图 + 详情页横幅,统一配色与字体

第 4 步:LOCAL INDEX(本地索引)

把你的素材库(本地图片、参考视频、品牌资料)建立索引,让 Agent 能检索、引用、风格对齐。

把公司的 logo、品牌色板、字体规范、产品照片丢进去,
之后所有生成的内容都会自动对齐品牌规范。

第 5 步:OUTPUT SYNC(成品输出)

导出成品到本地或云端,进入交付环节。

8.3 三大面板

面板	作用
AGENT	对话区与技能管理,在这里指挥
CANVAS	多模态画布,所有素材在这里编排
INSPECTOR	属性面板,调整选中节点的参数(尺寸、时长、风格、强度)

8.4 Skills 与 Plugins

能力	说明
Skills 广场	官方和社区提供的可复用提示词与工作流,一键套用
Plugins	插件机制,例如接入 ComfyUI 工作流,打通更专业的图像管线

如果你已经在用 ComfyUI 调 Stable Diffusion,ComfyUI 插件能让你把熟悉的节点工作流接进来,不用完全迁到平台内。

8.5 成本:积分制

MiniMax Design 按积分计费,会员包含每月积分额度:

会员	国内月费	每月积分	海外月费
Starter	¥65	10,000	约 $10.5
Plus	¥499	87,000	约 $76
Pro	¥1399	270,000	约 $215

年付通常更便宜。

积分换算参考(官方给的一个直观例子):

10,000 积分 ≈ 83 秒 H3 2K 视频
            ≈ 143 秒 768p 视频
            ≈ 125 张 GPT Image 2 图片

换算一下就知道视频比图片贵一个数量级。所以:

• 短片先出静态分镜图 → 确认后再生成视频,别一上来就抽卡
• 预览阶段用低分辨率,定稿再用高分辨率
• 用 Starter 试风格,确认风格对了再升 Plus

8.6 底层模型

用途	模型
视频生成	MiniMax H3
图片生成	GPT Image 2、Nano Banana Pro
音乐	Music 2.6 / 3.0
语音	Speech 2.8

8.7 典型场景与提示词

场景一:电商商品图

把这张产品照片放到极简风格的白色大理石台面上,
旁边放几片同色系装饰叶,柔和的自然光从左上方打过来,
45 度俯拍,浅景深,背景干净到能直接当主图用。
保持产品本身的颜色、比例、logo 完全不变。

场景二:品牌包装设计

为「山野之间」这个手工茶品牌设计包装。
产品:高山云雾红茶,礼盒装,8 泡装。
调性:东方极简,留白多,纸质感,莫兰迪色系。
需要输出:礼盒正面、侧面、背面三个展开面。
配色只用三种,主色必须是茶汤的颜色。

场景三:数字人口播

用我的形象素材生成一个 30 秒的数字人口播视频。
人物形象:专业、亲切,穿浅灰色西装。
背景:浅色纯色,不要实景。
语音情绪:自然、有感染力,不要播音腔。
配合字幕,中文字幕居中偏下。

场景四:短剧分镜

这是一个 60 秒悬疑短剧的第一集分镜脚本。
场景:雨夜的地下车库 / 女主发现轮胎上的血迹 / 电梯里遇到可疑男人 / 独自回到办公室。
每个场景给出:景别(远/中/近/特写)、镜头运动、台词、环境音、时长。
保持人物形象和服装在所有分镜中一致。

---

九、组合拳:按场景选方案

别全都要。工具越多,切换成本越高。下面是我按不同身份给的配置。

9.1 学生党 / 预算敏感

外网    : mihomo + 免费或低价节点,只开分流
搜索    : Google(免费)
学习    : YouTube + 自动字幕 + AI 摘要
AI     : ChatGPT Free + Claude Free + Gemini 免费层
国内补 : MiniMax 免费额度 / 国内大模型
创作    : MiniMax Design Starter(需要时再开)

月成本:接近 0。

9.2 独立开发者 / 接单

外网    : Clash Verge Rev + TUN + 规则分流
搜索    : Google 高级语法 + Google AI Studio(Gemini API 免费层)
学习    : YouTube + yt-dlp 建个人字幕库
AI     : ChatGPT Plus($20)+ Claude Pro($20)+ MiniMax API(按量)
编码    : Claude Code(主力)+ ZCode Lite(¥94,长任务和远程控制)
创作    : MiniMax Design Plus(按项目开)

月成本:约 ¥400 ~ ¥600。

9.3 团队 / 小工作室

外网    : 自建网关 + 统一配置分发 + 日志审计
搜索    : Google Workspace + Gemini for Workspace
AI     : ChatGPT Business(每席 $25)+ Claude Team(每席 $30)
编码    : Claude Code + GitHub Actions 集成(团队规范沉淀在 CLAUDE.md)
国内    : MiniMax 企业版(人民币结算)+ ZCode Team
创作    : MiniMax Design 团队版 + 共享 Skills
治理    : 统一 API Key 网关,禁止个人 Key 直连生产

月成本:按人头算,通常 ¥600 ~ ¥1500 / 人。

9.4 场景 → 工具速查

你要做的事	首选	备选
查一个报错	Google 搜索语法	ChatGPT / Claude
读懂一个陌生仓库	Claude Code	ZCode(界面友好)
写一个新功能	Claude Code	ChatGPT Codex / ZCode
快速改一段脚本	ChatGPT	MiniMax M3.1-Flash
做技术选型调研	ChatGPT Deep Research	Claude + YouTube 字幕
长视频总结	YouTube + Claude	ChatGPT
生成图片	MiniMax Design	Gemini(Nano Banana)
生成视频	MiniMax Design(H3)	ChatGPT(高级视频)
配音	MiniMax Speech 2.8	主流 TTS
批量处理(便宜)	MiniMax M3.1-Flash	Gemini Flash

---

十、安全、合规与账号风险

这一节是我认为整篇文章最重要的部分。工具再好用,踩了红线就是给自己埋雷。

10.1 账号与区域

风险	表现	对策
区域限制	OpenAI / Anthropic / Google 官方对部分地区的注册有明确限制	使用前确认服务条款中关于你所在区域的条款;不要用虚假信息注册
支付方式	部分订阅仅支持特定地区的信用卡	优先选择支持本地货币或本地支付的服务(如 MiniMax)
多账号	同一设备频繁切换账号、频繁注册	封号几乎必然发生;别为了薅免费额度建小号
共享账号	账号租借、成品号买卖	封的是你,不是卖家;且可能泄露你的对话记录
封禁连带	同一支付方式或设备指纹下的账号被批量封	一荣俱荣一损俱损

📌 底线:不要为了访问而伪造身份信息、不要购买或出售账号、不要用同一份密钥多人共享。

10.2 API Key 管理

密钥泄漏是最高频、损失最大的事故。给你一份可以直接抄的规范:

1. 永远不把 Key 写进代码仓库
2. 永远不用 ChatGPT / Claude 直接生成后原样提交 —— 它可能把读到的 .env 内容打印出来
3. Key 放环境变量或密钥管理服务,按需注入
4. 生产 / 测试 / 本地 用不同 Key,出事能快速定位
5. 设置用量上限和告警(OpenAI / Anthropic / MiniMax 都支持项目级预算限制)
6. 定期轮换,尤其是离职交接、成员变动时
7. 检查 .gitignore 里有没有 .env、*.pem、id_rsa、credentials

验证仓库是否已经泄漏:

# 1) 确认 .gitignore 覆盖
grep -nE '\.env|\.pem|credentials|secret' .gitignore

# 2) 扫描历史提交里的密钥特征(需要装 gitleaks 或 trufflehog)
gitleaks detect --source . --redact

# 3) 检查历史提交里是否曾经提交过 .env
git log --all --diff-filter=A --name-only | grep -E '\.env$'

如果发现泄漏过,光删文件不够,必须先去平台后台吊销并轮换 Key,再改历史。

10.3 代码与数据隐私

场景	风险	做法
把公司代码贴进免费版 AI	可能用于训练	关训练开关;敏感项目用企业版
把客户数据、生产数据贴进去	数据泄露	先脱敏,用假数据
让 agent 读取 .env	密钥进上下文	在 CLAUDE.md / 项目指令里明确禁止读密钥文件
agent 自动执行危险命令	误删、误推	用权限模式 + 白名单;生产环境加人工确认
自动 commit / push	意外推送	在 hook 里禁止自动 push,只允许本地 commit

CLAUDE.md 里的安全条款示例:

## 安全红线
- 禁止读取或输出 .env、*.pem、id_rsa、credentials 等敏感文件的内容
- 禁止执行 git push、rm -rf、kubectl delete、terraform destroy 等命令
- 涉及数据库写操作,必须先向我确认
- 不要把密钥、内部域名、真实客户数据写进代码或日志

10.4 合规使用清单

✅ 遵守所在地法律法规
✅ 遵守单位网络与信息安全规定
✅ 遵守各服务的 ToS 与使用政策
✅ 商用场景使用企业版,不要用个人号做生产
✅ 不上传受限数据、不上传他人隐私
❌ 不做网络牟利、不卖号、不共享账号
❌ 不用 AI 生成内容冒充他人、不做欺诈
❌ 不绕过付费墙、不破解授权

---

十一、总速查表

11.1 官方入口

服务	地址
Google 搜索	google.com
Google AI Studio	aistudio.google.com
Gemini 文档	ai.google.dev
Google for Developers	developers.google.com
YouTube	youtube.com
YouTube Data API	developers.google.com/youtube/v3
ChatGPT	chat.openai.com
ChatGPT 定价	openai.com/chatgpt/pricing
OpenAI API 平台	platform.openai.com
Claude	claude.ai
Claude 定价	claude.com/pricing
Claude Code	docs.anthropic.com
MiniMax 国际	minimax.io
MiniMax 国内	minimaxi.com
MiniMax 文档	docs.minimax.io
MiniMax Design	design.minimax.io
ZCode	zcode.z.ai
Z.ai(智谱)	z.ai
GLM Coding Plan	bigmodel.cn

11.2 常用命令

# ---- 网络 ----
export HTTP_PROXY=http://127.0.0.1:7890
export HTTPS_PROXY=http://127.0.0.1:7890
export ALL_PROXY=socks5://127.0.0.1:7890
curl -I https://api.openai.com

# ---- AI 编码工具 ----
npm install -g @anthropic-ai/claude-code
npm install -g @openai/codex
npm install -g @google/gemini-cli

# ---- MiniMax 作 Claude Code 后端 ----
export ANTHROPIC_BASE_URL="https://api.minimax.io/anthropic"
export ANTHROPIC_AUTH_TOKEN="$MINIMAX_API_KEY"
export ANTHROPIC_MODEL="MiniMax-M3"

# ---- YouTube 字幕 ----
yt-dlp --skip-download --write-auto-sub --sub-lang en --sub-format vtt "VIDEO_URL"

# ---- 密钥泄漏自查 ----
gitleaks detect --source . --redact

11.3 一页纸总结

网络   mihomo + Clash Verge Rev + 规则分流 + DoH,先把链路跑通
搜索   Google 高级语法,搜报错记得加引号
学习   YouTube + 自动字幕 + yt-dlp + AI 摘要 = 私人技术讲师
主力   ChatGPT Plus(通用)+ Claude Pro(写代码)+ MiniMax(便宜平替)
长任务 ZCode(Goal / 多 Agent / 远程遥控),模型可自由切换
创作   MiniMax Design 五步流:AGENT → CANVAS → SKILL → INDEX → SYNC
安全   不共享账号、不提交密钥、生产用企业版、遵守 ToS 与法律

---

写在最后

工具会一直变。今天是 Claude Code,明天可能是别的名字;今天是 M3,下个月可能就 M4 了。

但有两件事不会变:

1. 你通过网络获取信息的能力,决定你能看到多大的世界
2. 你把 AI 组织进工作流的能力,决定你能交付多少东西

工具只解决”能不能”,工作流解决”好不好”。真正拉开差距的从来不是用了哪个模型,而是你有没有把模型接进自己每天的真实流程里。

建议你先只挑两个工具用满一周——比如 Google + YouTube 解决输入问题,Claude Code 或 ChatGPT 解决输出问题。一个月之后你大概就知道,自己到底缺什么了。

有问题欢迎留言区交流,我也在持续更新这个系列。

---

📌 免责声明:本文仅为技术学习与经验分享,不提供任何形式的网络代理服务或账号服务。文中涉及的价格、额度和功能以各服务官方页面实时信息为准,可能随时调整。请自行遵守所在地区的法律法规、单位管理规定和各服务条款。