DeepSeek-V4-Pro 永久降价，Coding Plan 再无优势

AI 大模型评测

DeepSeek-V4-Pro 宣布永久降价，之前让人兴奋的 Coding Plan 瞬间失去了竞争意义。限时折扣正式转为永久底价，输入（缓存命中）仅需 0.025 元/百万 tokens，官方直言“就是收个电费”。

周末看到降价通知时还没有太在意，直到今天仔细审视，才发现亮点在于 “永久” 二字。大模型价格战打了快两年，各家“限时优惠”套路层出不穷，但这次 DeepSeek 直接反套路：原本的 2.5 折优惠不再是短期噱头，而是直接锚定为永久官方定价。如果说过去是“限时打折”，现在就是“直接腰斩再腰斩，一分钱都不会涨回去”。

算来算去，不如直接上 DeepSeek 官方接口。

先看 DeepSeek 定价

DeepSeek-V4-Pro 原定价为：输入（缓存命中）0.1 元、输入（缓存未命中）12 元、输出 24 元/百万 tokens。2.5 折优惠后，三个档位分别是 0.025 元、3 元、6 元。
5 月 31 日后：优惠活动结束，但价格永久锁定为原定价的 1/4，即 0.025 元、3 元、6 元。

简单说：过去是短暂的狂欢，现在是永久的低价。DeepSeek 直接摊牌，只收个电费，不在乎别的。

DeepSeek 到底有多便宜？

以 100 万 tokens 输入（缓存命中）作为基准，看看各家同级别模型的价格对比：

表格一摆出来，任何多余的解释都显得苍白。DeepSeek 在低价的极点上，甚至还顺手压低了缓存命中时的成本，让其他厂商的定价看起来像另一条赛道。

前几天，有位学习群的朋友私信问道：

“Claude Code 能不能用 DeepSeek 的模型？每次跑任务都要花几十块钱，实在有些心疼。”

确实，在国内的众多模型里，DeepSeek 在性价比方面一直很能打。

顺着这位伙伴的提问，今天这篇文章就来详细分享一下，如何把 DeepSeek-V4 接入 Claude Code。

更有意思的是，在边做教程边实测的过程中，我意外地顺带做出了一个自媒体数据分析工具，实际用下来效果还挺惊喜！

继续观看

我用DeepSeekV4+Claude Code开发了个「自媒体数据分析工具」，效果出奇的好。。。

观看更多

转载

,

我用DeepSeekV4+Claude Code开发了个「自媒体数据分析工具」，效果出奇的好。。。

AI智效坊已关注

Share点赞Wow

Added to Top StoriesEnter comment

Video Details

而且，开发这么个小工具，一共跑了一万七千多个 Token，用的还是 Pro 模型，算下来也就花了五分钱。

看来账号里充的十块钱真的可以用很久。

话不多说，直接上干货。

01

DeepSeek-V4 接入 Claude Code 的完整流程

接入过程其实很简单，不过前提是你已经安装并部署好了 Claude Code，具体的安装步骤可以参考这篇详细指南（略）。安装完成后，照着下面的步骤就能完成模型连接。

第一步：获取 DeepSeek 的 API Key

打开官网：https://platform.deepseek.com/api_keys

进入页面后，在 API keys 处点击"创建 API key"，然后把生成的 key 复制到文本文档里保存好，一会儿会用到。

在中国人的社交哲学里，送礼与随礼从来不只是金钱往来，背后折射的是关系亲疏、情分厚薄和礼尚往来的拿捏。礼物承载心意，礼金刻录人情。随轻了恐有失体面，随重了又怕给对方增加负担；最棘手的莫过于遗忘，等到需要还礼时才靠残存的感觉去揣测。

正因如此，一款专为“人情账”设计的工具显得格外实用。今天要介绍的开源项目礼记 LiJi，恰好能将收礼、送礼、礼簿、人际关系、金额和日期等核心信息系统化整理，只需借助Docker便可快速部署在你的NAS或服务器上。

不只有数字，更有人情温度

与复杂财务软件不同，LiJi瞄准的是最接地气的人情场景：帮你把每一次礼金往来记得明明白白。比如家里乔迁设宴，你可以新建一个礼簿，逐条登记亲友姓名、随礼金额、关系与备注。日后对方遇喜，再也不用纠结“上次他家是不是封了600”，直接打开LiJi便知根底。同样，当你参加婚礼、满月或升学宴时，也能记录自己送出的礼金。实用之处并非功能繁杂，而是将分散在微信转账、支付宝账单、纸质礼簿甚至便签里的碎片信息，集中储存于一处，方便长期归档、随时查阅。

快速部署：用Docker Compose拉起LiJi

以威联通NAS为例，通过Docker Compose的方式进行部署。在Container Station中创建新应用，粘贴以下配置即可：

services:  
  liji:  
    image: zsw01442/liji:latest  
    container_name: liji  
    ports:  
      - "3030:3000"  
    volumes:  
      - /share/Container/liji/data:/app/data  
    environment:  
      - NODE_ENV=production  
      - PORT=3000  
      - DATA_DIR=/app/data  
    restart: unless-stopped

功能详解：从礼簿管理到智能统计

部署成功后，在浏览器输入NAS_IP:3030即可进入LiJi界面。默认登录密码是admin，首页会有提示。首次登录后请立即修改密码以保障安全。

若不小心忘记密码，只需进入挂载的数据目录，删除password.json文件并重启容器，系统便会重置密码为默认值。该目录下的records.json存储所有人情往来记录，giftbooks.json则保存礼簿数据，方便手动备份与迁移。

主界面简洁直观，可自由选择“送礼”或“收礼”，并填写姓名、关系、金额、事由、日期、地点与备注。所有记录均保存在你的NAS中，日后的查询与统计分析都十分便捷。

选择“收礼”时，界面会增加“关联礼簿”选项，你可以提前在“礼簿管理”中为各类宴席创建礼簿。

“礼簿管理”允许按事件创建专属礼簿，例如婚宴、乔迁、满月酒等。每个礼簿内可添加宾客，统一登记收礼明细，并支持编辑、导出和删除，是办席时整理礼金清单的利器。

在“记录列表”中，所有的送礼与收礼记录一目了然。可按记录类型、年份及姓名快速筛选，也支持编辑、删除、导出或导入Excel，方便日常维护和数据备份。

统计面板（与前文截图呼应）会综合呈现总收入、总支出和净收支，按年份、事由等维度分类统计。所有录入的收礼与送礼记录将在此自动聚合，让你一目了然地掌握不同时期、不同场景下的人情收支情况。

结语：让人情往来有温度有记录

礼金可以随出去，但人情记录不能随缘丢失。有了LiJi，每一次心意往来都有迹可循，让情分不因遗忘而减淡。

Claude Code 的体验有口皆碑，这一点无需赘述。尽管 Anthropic 的一些策略时常引发争议，但工具本身依旧值得使用。不过，真正将它作为主力编程助手投入日常开发时，账单往往会变得非常醒目。尤其是那些需要 Agent 反复阅读代码、修改逻辑、跑测试的长时间任务，一个晚上下来，心跳几乎会跟着 API 调用次数的飙升一起加速。

更麻烦的是，Claude 对国内用户并不友好，订阅后封号风险高，很多时候开发者只能退而求其次去使用第三方模型。这两天，一个开源项目突然吸引了大量目光：Free Claude Code。

它并不是 Anthropic 官方推出的免费版 Claude Code，更不是破解或盗版。更准确地讲，它是一个本地代理服务，专门负责拦截 Claude Code 发往 Anthropic Messages API 的请求，并将其转发到其他模型服务上。

需要先说明一点：这篇文章不是在教大家白嫖官方 Claude，也不是说它能 100% 复制 Claude Sonnet 或 Opus 的能力。它解决的是一个非常直接的问题：让你继续使用 Claude Code 这个出色的客户端，但模型流量可以灵活地路由到 NVIDIA NIM、OpenRouter、Gemini、DeepSeek、Kimi、Ollama、LM Studio 等各类后端。

你熟悉的 Claude Code 工作流依然保存完好，而后端的模型则可以随心替换。

它的原理是什么

Free Claude Code 的核心是一个本地搭建的 FastAPI 服务。Claude Code 原本会将请求发给 Anthropic 的 API。而这个项目在你的本机启动一个代理，暴露出 /v1/messages、/v1/messages/count_tokens、/v1/models 这类与 Anthropic 兼容的接口，然后根据你的配置，把收到的请求分发给不同的 provider。

你可以把它理解为一个中间翻译层：

Claude Code 继续使用 Anthropic 的协议进行对话，后端的模型则可以是 OpenAI-compatible 接口、Anthropic Messages 风格接口，也可以是本地的 Ollama、llama.cpp 或 LM Studio。

近日，谷歌全新一代大语言模型 Gemini Pro 3 正式亮相，迅速点燃科技圈热情，各大自媒体争相报道。如果你想第一时间亲身感受它的强大能力，却不知从何入手，本文整理了四个切实可用的免费访问渠道，覆盖官方平台、编程集成环境、轻量级对话工具以及流行代码编辑器，无论你是专业开发者还是普通用户，都能找到适合自己的方式。

1、Google AI Studio

**链接：**https://aistudio.google.com

这是谷歌官方出品的 AI 开发与实验平台，集成了丰富的模型调试、Prompt 设计和 API 调用功能。在这里你可以无障碍、无限制地试用 Gemini Pro 3，尤其适合热衷尝鲜的技术爱好者和开发者，全方位探索模型的生成能力。

2、Antigravity

**链接：**https://antigravity.google/

Antigravity 是基于 VS Code 架构深度定制的 AI 编程环境，对于经常与代码打交道的同学来说几乎可以无缝上手。它直接在编辑器内嵌了 Gemini 的交互面板，让你在编写代码的同时随时调取模型进行解释、补全或优化，真正实现“边写边调教”的效率提升。

3、ZenMux

**链接：**https://zenmux.ai/

ZenMux 是一个界面清爽、操作直观的在线 AI 对话平台，当前已接入 Gemini Pro 3 并开放免费体验。它的优势在于轻量化和便捷性，无需复杂配置，打开网页即可开始对话。更值得一提的是，该服务在国内能够正常访问，为不便使用官方入口的用户提供了极佳的替代方案。

4、Cursor

知名智能代码编辑器 Cursor 也同步宣布对 Gemini Pro 3 的支持。更新后，你可以在 Cursor 的模型选择中直接切换至 Gemini Pro 3，无论是撰写代码、查阅文档还是解决编程难题，都能享受到更流畅的辅助体验。对于日常依赖 Cursor 的开发者来说，这无疑是一个不容错过的升级。

不妨从上述入口中选择一个最符合自己使用习惯的平台，亲自上手试试 Gemini Pro 3 的实际表现。如果在体验过程中有任何心得或疑问，也欢迎在评论区分享交流，一起挖掘更多实用玩法。

本文整理了十个高频被默认安装忽略的配置项。它们既不出现在 README 里，也不在快速入门指引中，但每个都直接决定 Hermes 是只在你手动打开窗口时才工作，还是能持续自主运行、主动提醒并自动归档。读完即可立即调整。

实际工作中，大多数安装 Hermes Agent 的用户大约只激活了它 20% 的能力。不是技术门槛高，而是那些把 Hermes 从单一对话界面转变为全天候自驱系统的设置，藏在记忆持久化、时区校准、输出自动路由、失败容错这些你不太会主动检查的角落。一旦全部对齐，行为会有显著改善：定时任务在你预期的时刻准时触发，失败会自动重试并通知你，产出直接写进你的笔记库。

第一步：打好基础，避免静默故障

持久化记忆与正确时区是最容易被忽视的“静默故障”来源——前者决定了 Hermes 能否真正记住你，后者则让定时任务在你需要时执行。

步骤 1-1：确认记忆存储路径可持久化

使用绝对路径代替相对路径：

MEMORY_BACKEND=sqlite MEMORY_PATH=/Users/yourname/hermes-data/memory.db

验证方法很简单：询问 Hermes “你最老的记忆条目是什么”。若返回零条目，说明存储并未落盘。

步骤 1-2：修正调度时区

默认使用 UTC，但凡时区不是零度经线，都可能误点运行。

SCHEDULER_TIMEZONE=Asia/Shanghai

请根据所在城市填写 IANA 标准时区名，不要使用 EST、GMT+8 这类缩写。

步骤 1-3：为失败配置重试与通知

长期任务难免遇到接口抖动或文件路径错误，提前设置兜底机制。

SKILL_RETRY_ENABLED=true SKILL_RETRY_MAX=3 SKILL_RETRY_DELAY=300

第二步：让记忆与输出产生复利

前四组设置围绕记忆库的深度、检索策略、输出路由和目录监听展开。它们会彻底改变 Hermes 的记忆行为——从“每次新开对话”变为“每轮都站在上一轮的肩膀上”。

技能目录热加载

将 SKILLS_PATH 指向你 Obsidian vault 内的 skills 文件夹，同时开启 SKILLS_WATCH 和 SKILLS_AUTO_RELOAD。此后每次保存或更新 skill 都会即时生效，无需重启。

拆分上下文文件，告别巨型 CLAUDE.md

把 CLAUDE.md、项目状态、本周重点、表达风格、记忆规则拆成五份小文件，通过 CONTEXT_PRELOAD=true 和 CONTEXT_FILES 一次性加载。每次调整只需修改细小的条款，不必翻动整份巨型文档。

提升记忆检索深度

默认只回溯最近 5 条，在做周报或长期分析时几乎起不到作用。将深度上调至 20，策略改为 relevance，让真正相关的历史条目被准确拉取，而不是被时间戳截断。不同 skill 还可以单独覆写这些参数。

从终端跃入桌面：Hermes Agent 的里程碑时刻

Hermes Agent v0.16.0 携“Surface Release”代号正式亮相，最大的变化是首次推出了原生桌面客户端。这个在 GitHub 上斩获 183K Stars 的开源 Agent 项目，从此告别单一终端交互，转变为覆盖 macOS、Windows、Linux 三端的独立应用。

拥有如此高的人气，是因为 Hermes 并非普通的自动化脚本，而是一款定位为可独立运行、持续进化的智能代理框架。它内置记忆系统、工具链、技能市场（Skills Hub），可对接 50+ 模型供应商，并原生支持 Telegram、Discord、微信等消息平台作为交互界面。以前，所有操作都得通过命令行（CLI）或终端界面（TUI）完成，对非技术用户来说门槛极高。这一次，桌面端彻底扫清了这一障碍。

v0.16 “Surface Release”的诞生：一周内狂飙的桌面应用

6 月 5 日发布的 v0.16.0，内部代号“Surface Release”。从 v0.15.2 至今，社区累计完成 874 次提交、542 个 PR 合并、399 个 Issue 关闭，背后有 170 位贡献者的心血。但所有数据都指向一个主角：Hermes Desktop 原生桌面应用。

这款桌面端基于 Electron 打造，其核心开发仅在一周内就通过 100 个 PR 和 159 次提交拼装完成。从此，用户无需再面对枯燥的终端窗口、记忆命令行指令或快捷键——它就是一个标准桌面软件：有专属图标、可调节窗口和完整的菜单栏，安装即用。

桌面端带来的六大体验变革

▸ 真正的原生安装 — 提供 macOS DMG、Windows Setup 以及 Linux 的 DEB/RPM/AppImage 包，内置自动更新，装完即刻就绪。
▸ 拖拽文件直传对话 — 想分享文件？直接拖进聊天区即可；剪贴板中的图片也能粘贴，再也不用折腾文件路径。
▸ 状态栏一键切换模型 — 桌面底栏即可换用不同模型，告别命令输入。
▸ 同一窗口运行多 Profile — 不同配置的 Agent 实例可并行存在，并支持通过 @session 互相引用。
▸ 连接远程 Gateway — 桌面端既能本地运行，又可指向远端的 Hermes 服务器，通过 OAuth 或用户名密码登录，走加密 WebSocket。
▸ 完整简体中文界面 — 桌面 UI 已完整汉化，在设置中一键切换语言。

数据显示，90%的用户仅停留在启动层进行即时问答，而Hermes Agent真正的价值在于支持全天候后台值守（24/7）和自动化调度，每周能为你节约超过15小时。

1. 你的Hermes用法可能只触及表层

很多人对Hermes的使用仅仅停留在“打开对话窗口—输入问题—等待回复—关闭会话”这四个步骤。这样一来，只有模型被直接调用，而那些不太显眼却极具价值的特性——Cron调度、Webhook触发、并行子代理、后台持久会话、状态看板以及技能脚本——全被晾在一旁。真正的分水岭不在于提示词的好坏，而在于运行架构的差异。常见问题包括频繁手动检查导致的人力消耗、信息延迟以及上下文的碎片化。破解之道是充分利用Hermes内置的调度、事件触发、任务隔离和持久化机制，将“人工踩油门”的模式转变为系统自动值守。

2. 用 /goal 指令取代孤立提问，驱动自主任务执行

普通提示往往只求一次答案，而 /goal 命令则为任务划定完整边界，推动代理自驱动地完成目标。该命令包含四要素：结果、来源、约束和可交付物。在“结果”中要说清任务完成的标准，防止目标漂移；“来源”应指定工具、文件路径、目录或URL，切勿依赖代理记忆；“约束”可以限定文件格式、调用次数、风格规则或成本上限；“可交付物”则定义最终产出，比如文件名、JSON schema 或提交位置。如果你还不懂如何设计目标结构，可以先让Hermes向你提三个问题，再依据回答生成最强版的 /goal。

3. 把重复工作自动化：利用时间触发器实现定时任务

Cron 是 Hermes 在后台释放效率的引擎，用以取代人工定时轮询。你无需记忆繁琐的 crontab 表达式，直接用日常语言描述周期即可。典型场景包括每日早晨汇总简报、每小时检查 GitHub 通知、每周归档线上会议纪要；这些任务全不用点“开始”。要让 Cron 真正见效，需注意两点：任务本身应短小且可中断，输出必须指向固定落点，例如发送到 Telegram、写入文件或推入特定看板列。避免将 Cron 任务设计成巨无霸，否则失败一次就需要从头重跑整个批次。

4. 借助 Webhook 将外部事件转化为内部执行流程

Cron 依赖时间推进，而 Webhook 靠事件驱动。无论是 Notion 卡片、GitHub PR、表单提交还是第三方告警，只要它们能在状态变更时发出 HTTP 请求，Hermes 网关就能接收并立即启动 /goal。这特别适合“一旦发生就必须处理”的动作，如产品缺陷自动收集上下文、新 PR 执行检查清单、客户工单自动生成摘要。一个有效的工作模式是：事件触发后，Hermes 先根据卡片或工单的元数据提炼要点，经过格式校验后发送结果。其实质是将人工的“看到再处理”变成系统化的“到达即分流”。

5. 用多话题与隔离空间化解并行任务冲突

在同一个会话中塞入过多任务，首当其冲的代价是上下文冲突。Hermes 支持多种隔离手段：Telegram 不同话题、指定目录作为工作区、多组配置文件以及看板列结构。每一条隔离通道都将“外来上下文”拒之门外，防止任务之间相互污染变量、路径或模板。如果你常常并行处理内容策划、代码审查和竞品跟踪，至少应分出两条职责链；每条链内部可再细化，但绝不可共用同一上下文。越早隔离，后续重排、监控与复盘的成本就越低。

6. 利用看板将任务推向可追踪状态流

Hermes 内部的每项任务均可映射至看板，经历“待处理”、“进行中”直至“关闭”的状态流转。这样你便无需靠记忆追踪任务状态，也不必翻找聊天记录，只用一个固定视图便能掌握全局。看板尤其适用于多用户协作或自身拥有多个代理实例的场景。它还能帮你揪出两类隐疾：卡了太久的僵尸任务，以及看似未被阻塞却停滞不前的任务。前者需要重新指派，后者则要明确写入预期。

7. 启用 Dashboard 与统一设置入口，削减频繁切换的摩擦

Hermes 自带的 Dashboard 能够在一个页面内呈现配置文件、定时任务、技能与看板状态；统一设置入口则通过 OAuth 授权同时接通模型、工具网关与聊天连接。这些集成会省去逐项核查配置的繁琐，也让你在出现故障时能迅速定位是权限、模型还是网关的问题。别小看初期的摩擦：多花十分钟对齐 Dashboard 与 Provider，此后每一次新任务都能避免一个易漏的检查点。

8. 用并行子代理分担多源头信息收集

让一个主代理同时啃下多份数据集，结果多半是注意力稀释和上下文负载飙升。此时最佳方案是采用“调度器加工人”架构：将主代理拆分为多条子代理，各自在隔离上下文中搜索、汇总、生成摘要，最后将精简结果回传主线程。常见的例子是：一条子代理抓取社交媒体热度，一条分析历史表现，一条追踪竞品动态，主代理再将三份摘要合成为一份建议。将这种结构固化为模板技能，远比每次重新搭建来得快。

9. 把流程固化为可执行 Skills，一次编写到处复用

Skills 是存放在 ~/.hermes/skills/ 下的可执行 SOP。定义好触发词、核心规则与步骤后，只要有同类请求，代理便自动加载执行，你无需每次都重复切分数据、检验格式、写入文件等相同操作。Skills 的好处在于可复现、可审查、可升级。如果团队共享同一个“内容发布 Skill”，风格与质量管控就能一次维护、全员受益。验证闸门、保护区与版本迭代正是 Skills 长期可用的关键。

今天参加了飞书举办的线上AI Builder分享会，收获颇丰。最近我一直在探索如何用Hermes与飞书CLI搭建一套专属于X平台的内容运营系统。简而言之，就是让智能助手帮我完成选题挖掘、账号分析、爆款内容整理、改写建议生成，并自动将结果同步到飞书多维表格中。我只需要专注于三件事：审核、调整、发布。跑通这套流程后，我才真正体会到飞书CLI的强悍之处——它能让普通人毫不费力地把AI助手接入自己的日常工作流。

我的飞书CLI实践：三步搭建内容运营流程

目前我将主要精力放在X平台的内容运营上，想看看自己能用多长时间把它做起来。得益于Grok与Hermes的打通，现在通过Agent直接在X上搜索帖子、分析账号、梳理互动策略，都变得非常顺手。

我的常规操作流程只有三步：

1. 先用Grok在X平台检索爆款内容和高价值账号。
2. 再用Hermes对这些内容进行深度分析。
3. 最后通过飞书CLI，将有价值的数据写入飞书多维表格。

这样一套下来，选题方向、目标账号、爆款样本、改写思路、最佳发布时间……这些关键信息全部都能沉淀在表格里。所有内容都有记录，所有判断都有依据，所有复盘都有抓手。

这才是飞书文档真正适合作为内容中台发挥作用的地方。

Agent操控飞书文档：复盘自动化与画板可视化

更令人惊喜的是，飞书CLI现在可以让Agent以极顺畅的方式读写飞书文档和多维表格。例如，我可以直接让Hermes分析某个X账号近期的表现，并把结果自动回写到飞书文档里，甚至直接生成一份完整的复盘报告。

我只需要给出一个指令，后面的结构框架、内容总结、数据表格、行动建议，它都可以自动整理出来。这一点实在太实用了。很多时候，我们并不是真的缺数据，而是缺一个能持续复盘的习惯。现在Agent自动把数据拉回来，再生成一份结构化报告，复盘这件事立刻变得轻松了许多。

这次飞书CLI还有一个我特别喜欢的功能——画板。利用画板，Agent可以直接在文档中插入可视化图示，把原本密密麻麻的文字流程瞬间变成清晰的结构图。比如，将整个内容飞轮的运转逻辑用画板呈现出来，就直观多了。

还有内容整改建议，用画板分类展示后，执行起来也更条理分明。

如果只是一堆文字，理解起来难免会绕来绕去，但换成画板之后，整个执行链路一下就通了。画板的核心价值，就是把复杂的流程变成一张任何人一眼就能看懂的图。

Claude Code集成飞书：远程操控AI编程的新姿势

分享会中还有一个让我非常兴奋的项目——张咋啦老师开源了一个能把Claude Code接入飞书的方案。对我而言，日常使用最多的两类AI工具就是Hermes和Claude Code/Codex。Hermes本身自带APP接入渠道，我早已通过飞书机器人进行各种操作，但对于Claude Code，之前仍然得老老实实坐在电脑前才能使用。没想到这次竟然有了意外收获，找到了可以在任何地方指挥Claude Code写代码的方法。

安装过程极其简单，只需一条命令，再绑定一个飞书机器人即可：

npm i -g lark-channel-bridge

安装完成后，执行以下命令启动，会弹出二维码，扫码后根据指引完成配置：

lark-channel-bridge start

然后就可以愉快地通过飞书和Claude Code对话了。

这种躺在床上随手指挥CC干活的感觉，终于我也体验到了。

结语：AI工作流的关键在于稳定承接

过去我们使用Agent，很多时候像是在体验一个新玩具：它会写东西、会查资料、会跑任务，看起来很酷炫。但真正要把它落到日常工作中，还差一个稳定、可靠的承接系统。飞书CLI补上的，恰好就是这一环。

• IM负责接收和分发任务。
• 云文档负责沉淀内容资产。
• 多维表格负责结构化数据管理。
• 画板负责流程可视化。
• Agent负责具体执行与持续优化。

这套组合拳下来，任何一个普通人都可以慢慢搭建起属于自己的AI工作中台。所以我越来越清晰地感受到，接下来真正有价值的能力，不是你会不会用某个AI工具，而是你能不能把它无缝嵌入到自己的工作流里，让它每天稳定地帮你干活。AI的真正终点，从来不是陪你聊两句；真正厉害的AI，是能一步步把你的生活和工作串联起来，稳稳地向前推进。

每天早上打开 Hacker News，没刷几页就感到倦怠。Reddit 里关注的 subreddit 堆了几十条未读，Telegram 频道的消息更是直奔 99+。信息源不断膨胀，可真正值得细看的内容却越来越难寻。

Horizon就是来解决这个难题的。它是一款用 Python 构建的开源工具，能够从多个信息源自动采集新闻，完成去重、AI 打分与过滤，最终产出结构清晰的中英双语日报。

简单讲：你只需要关注结果，中间的苦活累活都由它包揽。

数据透视：热度惊人

这个项目目前在 GitHub 上已揽获超过 4000 Star、500 多条 Fork。主编程语言为 Python，采用 MIT 开源协议。

覆盖哪些信息源

Horizon 当前支持 7 类信息源，基本包揽了技术人员每日必刷的渠道：

看得出，从技术社区到社交平台再到金融资讯，技术人员“日常必逛”的阵地几乎一网打尽。而且每个信源的抓取范围与评论条数都可以单独设定。

AI 智能评分：从筛选到精华

这正是 Horizon 与普通 RSS 阅读器的本质区别。

采集回来的内容不会一股脑儿全抛给你。Horizon 会依靠你指定的 AI 模型给每条内容打出 0–10 的分数，然后仅保留超过阈值的条目（默认 7.0）。拿到 9 分以上的内容会自动归入“Today’s Highlights”重点板块。

评分不止看标题热度。AI 会综合判断：这是否属于重大突破？有没有技术深度？对某个领域是否真正有价值？还是纯粹噪音与广告推广？

可接入的模型阵容很广：Claude、GPT、Gemini、DeepSeek、豆包、MiniMax，以及任何兼容 OpenAI 的 API。甚至还能自行指定 base_url，接入本地模型。

去重与背景加持

不同平台常常重复报道同一件事。在生成日报前，Horizon 会自动将指向同一故事或同一 URL 的内容合并，你不会看到三条重复的“GPT-5 发布”。此外，遇到不熟悉的术语、公司或项目，Horizon 会通过网络搜索补上背景解释。比如某条新闻提到一个冷门开源项目，日报中会自动附上一段“它是什么”的说明。

社区讨论也不落下

对于 Hacker News 和 Reddit 这类带有评论功能的信源，Horizon 不只是抓取正文，还会拉取热门评论并生成摘要。很多时候，一条高赞回复比原文更有价值——如果丢掉这些信息就太可惜了。