Claude Code 依然是当前世上最强大、最好用的编程智能体，但它接入第三方模型或调用自家 API 的流程总是略显麻烦，所以我自己动手打造了 JCode。对我来说，它就是一个 CC 辅助神器。

JCode 是我之前手搓的一款 CC 多平台启动器，定位与 cc-switch 有些相似，但又有本质区别。之前用 CCS 时，我经常遇到 Claude Code 配置冲突、设置被覆盖的问题，于是干脆自己搞了一个。

核心功能很简单：快速把第三方模型接入 Claude Code，一键启动！启动过程中会自动注入第三方模型、自动创建隔离的配置文件、自动切换到项目目录。同时，密钥会进行加密存储，还可以批量导出到另一台电脑。

此外还有一些子功能，比如模型映射、Token 用量统计，以及批量运行多个平台等。

最近，JCode 已迭代至 0.9.7 版本。

今天主要为大家简单梳理一下新增的功能与使用方式。

智能授权模式

这一更新其实早就完成了，原本打算发的文章一直拖到现在才和大家见面。

该模式可以让你自动管理授权，也可以完全跳过授权步骤。

Claude Code 支持的六种授权模式均已整合进来，我个人推荐选择“自动”或“跳过”。不同模式的具体细节在此不展开，可以查阅先前的说明。

过去我一直使用 accept 模式，每次开启新项目都要不停地点击确认，稍不留神就会卡住半天。现在基本上全自动了，流程顺滑了许多。这里完成配置后，对所有平台都会生效，包括 Claude Code 官方与第三方平台。

网络 Agent 辅助

我们天天谈论各种智能体，其实当前最需要的还是“网络智能体”。当然 Agent 还有另一种译法，这个功能我就不在这里展示了。

大致的使用场景是：当你使用 Claude Code 官方服务时，有些工具可以辅助桌面版，却无法辅助终端版。这个功能正是用来填补这种场景的缺口。

平台管理全面优化

为了方便平台管理，新增了一个平台列表视图。

通过这个列表，可以随时启用或停用平台。为什么要停用呢？ 因为当配置了大量平台之后，首页就会显得臃肿不堪，这时可以把不常用的先隐藏起来。

同时，还加入了一个复制配置信息的功能：只要将鼠标悬停在对应平台图标上约 1.5 秒，就会出现复制图标。

点击这个图标就能一键复制整个平台的配置信息。为什么会需要这个功能？ 因为我的 API 信息非常多，经常要在不同平台、系统和软件之间来回拷贝。更烦人的是，各家平台的 API Key 往往在首次查看后就再也找不到了。有了这个功能，只需配置一次，即可一键复制。

把一份 PDF 丢给智能体去读，听起来只是个小需求。

但真正动手实现时，往往会在两处卡住：要么依赖云端解析服务，文档必须传出去；要么自己用 PyMuPDF、pdfplumber 和 OCR 搭一套流程，虽然跑得通，后续维护却相当琐碎。

LlamaIndex 团队最近开源了 LiteParse，它的定位正正好好落在中间地带。

它并不是 LlamaParse 的本地替代品。

更准确地说，LiteParse 是一款本地优先、速度优先、尽量压低依赖负担的文档解析工具。它适合轻量级的 PDF 解析场景，也适合为智能体准备可读的文本、坐标信息和页面截图。

不过对于复杂文档，暂时不要急着直接投入生产环境。

换句话说，这个项目维护非常活跃，但不同语言绑定的发布节奏并没有完全对齐。

它解决的并非“最强解析”，而是“本地够用”

LiteParse 的 README 表述得相当克制：这是一个独立运行的开源 PDF 解析工具，核心特点是快且轻。

它没有把自己包装成万能的文档理解系统，也没有内置专属的大模型能力。解析过程默认完全在本地执行，核心通过 Rust 编写，底层借助 PDFium 完成 PDF 渲染与文字提取，再配合 Tesseract 或外部 OCR 服务来补充处理扫描件和图片中的文字。

输出形式也非常实用：既可以拿纯文本，也可以拿 JSON。JSON 中包含文本块和边界框，智能体如果需要知道某段文字在页面上大致的位置，就不必只凭一串纯文字去猜测。

LiteParse 还内建了截图能力。

这一点对智能体阅读文档来说很关键。许多 PDF 中的有效信息并不只存在于文字当中，它可能是一张流程图、一个表格截图、页眉中的编号，或者某一块排版上暗示的意义。LiteParse 可以生成页面的 PNG 图片，让智能体在“读文字”之外，还能看到页面本身。

能在哪些环境里使用

LiteParse 目前提供 Rust、Node.js/TypeScript、Python 以及浏览器端 WASM 绑定，统一的 CLI 名称叫作 lit。

安装方式也相当直接：

pip install liteparse  
npm i @llamaindex/liteparse  
cargo install liteparse

安装之后，最常用的操作就是解析 PDF：

凌晨3点，Telegram 推送了第一条自动生成的建筑趋势日报。从一个念头到成功运转，其间踩过的坑有多少？付出的时间值不值？这篇复盘将给你一份不加滤镜的真实答案。

源头：看似简单的推送需求

需求听起来并不复杂：每天清晨自动搜集与建筑、AI 设计及参数化相关的行业资讯，通过智能过滤和摘要后，推送到 Telegram。
这样一觉醒来就能读到精华，不必再亲自刷遍各个信息平台。

实现路径也很清晰——用 n8n 负责数据采集与调度，Hermes Agent 承担智能处理，最后通过 Telegram 完成推送。网上有现成的方案文档，看上去一两个小时就能跑通。
可真正动手之后，我从开始到成功推送几乎折腾了整夜。
这篇文章并非教程，而是一次深度复盘：记录每一个坑、每一个判断、每一次绕路，下次再碰到相似的挑战，就能少走无数弯路。

先分清角色：n8n 与 Hermes 功能定位

在进入那些坑之前，有必要先把两个工具的底层职责讲清楚。

n8n 是一个开源的工作流自动化平台，类似于 Zapier 或 Make，但能完全自托管。它的核心价值在于连接——把各类数据源、API、服务串联成自动化管道。RSS 抓取、HTTP 请求、数据库操作、定时触发，这些都是 n8n 的拿手好戏。但它不负责“思考”，只做搬运与编排。

Hermes Agent 则是一个本地运行的 AI Agent 框架，支持工具调用（网络搜索、文件操作、代码执行等），具备持久化记忆，并且可以接入 Telegram、Discord 等多个平台。它真正擅长的是“思考”与“判断”——理解上下文、筛选信息、生成结构化输出。

因此，两者的分工非常明确：n8n 是数据管道，Hermes 是大脑。

坑一：方案文档的理想与现实

网上流传的方案文档，架构看起来相当完备：定时触发 → RSS 采集 → Hermes 处理 → Telegram 推送。
但在一个关键步骤上，被一句话轻松带过——“请确保你已经部署好 Hermes Agent”。
问题就出在这。

Hermes Agent 有两种运行模式：

• • hermes：交互式 CLI，打开终端直接对话，也是大多数人的日常使用方式
• • hermes gateway：消息网关模式，用来连接 Telegram、Discord 等平台，同时内置了一个 OpenAI 兼容的 HTTP API，监听在 8642 端口

n8n 想调用 Hermes，必须依赖第二种模式所暴露的 HTTP API。如果只运行了 hermes，API 根本不存在，n8n 无论如何配置都连不上。
更细致的问题是：即使启动了 hermes gateway，API Server 默认也是关闭的。你必须进入 ~/.hermes/.env，同时设置以下两个变量：

演示代码：nurbs_bbox_demo.py（11/11 测试全通过）

核心论点回顾

原始分析指出AI生成几何包围盒代码时的三个主要问题：

1. AABB 计算：采用控制点比较法，虽然通过凸包性质保证包络，但结果偏大，显得“粗犷”。
2. OBB 计算：AI 提供的单元测试偏定性，例如使用 assertTrue(width > 0) 这类判断，缺乏精确的定量预期值。
3. 结论：断言“几何算法工程师不可替代”，强调AI在这个领域的关键短板。

评估：部分正确，但结论过于绝对

认同之处

• 对于任意复杂 NURBS 曲面，AI 确实经常只能生成定性测试。因为 PCA-OBB 的准确预期方向需要对控制点进行手工特征值分解，人工智能无法凭空给出精确数值。
• 控制点 AABB 与紧凑 AABB 之间存在差距，保守边界确实会偏大。

不认同之处

“控制点 AABB 粗犷”这种表述容易引起误解。
控制点 AABB 是 NURBS 凸包性质给出的数学保证上界，属于正确且保守的边界，而非一个错误的近似。关键在于“偏大”不等于“不正确”。

“AI 哪一个都不靠谱”的结论覆盖面太广。
如果测试场景选择得当，提供可手工计算期望值的用例，AI 完全可以生成具备定量指标的测试代码。

可靠方法：挑选“可解析”的测试用例

关键示例

以二次 Bézier 曲线为例，其控制点为 P0=(0,0,0), P1=(1,2,0), P2=(2,0,0)：

B_y(t) = 4t(1-t)
dB_y/dt = 4(1-2t) = 0  →  t* = 0.5
y_max = B_y(0.5) = 1.0   ← 获得闭合形式的精确值

控制点 y_max = 2.0（P1 的 y 坐标）
保守边界 / 精确边界 = 2.0  ← 保守边界偏大 100%

y_max = 1.0 是解析解，不是采样得到的近似值。因此测试可以写成 assertAlmostEqual(hi[1], 1.0, delta=0.001)，实现完全定量。

在众多前沿大语言模型中，Opus4.8 一直是我们日常工作与创意探索的利器。为推动更实际的评测，我们设置了 9 个综合性测试场景，同时引入上代旗舰 Opus4.6 与一款当前国产模型（为免争议，暂称“Model 3”）作为参照。所有测试结果已整理并在线展示，方便在桌面端细致对比。

建议在电脑大屏上浏览交互页面，视觉和交互差异一目了然。

以下选取其中四个最具代表性的案例进行分析，其余案例亦可在线查看完整过程。本次所有测试均在 Claude.ai 网页版中零依赖完成。

1、赛博朋克版《清明上河图》

测试要求：
不直接生成图片，而是编写一个完整 HTML 文件，在浏览器中呈现动态的、赛博朋克风格的《清明上河图》长卷。要求画面从右向左自动慢速滚动；至少包含 50 个动态元素（霓虹灯招牌、飞行汽车、全息广告、机械义肢行人等）；鼠标悬停店铺时弹出赛博风格信息卡片。

此次任务检验 SVG/Canvas 绘图、CSS 动画、鼠标交互处理以及审美融合能力。

Opus4.8 输出结果：

作品设计说明（节选）：

《赛博·清明上河图 · 汴京 2099》采用单一 HTML 文件，可直接在浏览器运行。主要实现：
长卷 5400px 自动匀速滚动，通过首尾画面克隆实现无缝循环，鼠标悬停暂停播放。
风格融合依靠将传统视觉语言逐一赛博化——飞檐曲线屋顶以发光 SVG 轮廓呈现，竖排霓虹招牌、摇摆红灯笼、彩虹光弧虹桥与悬停画舫，配色采用玉青/朱红/鎏金等传统色碰撞青/品红赛博光，远处保留水墨远山与孤月。
动态元素超 100 个，右上角 HUD 实时计数，包括故障闪烁招牌、拖尾飞行汽车、无人机、全息广告、义体行人、蒸汽与火花、酸雨、扫描线等。
18 间店铺可悬停，弹出斜切赛博卡片，含好评率进度条、信用、客流与营业状态。

Opus4.6 结果：

Model 3 结果：

直观来看，Opus4.8 生成的画面更具沉浸感与具象细节，仿佛观者置身汴京街头；Opus4.6 偏向远景表达的抽象意境。而 Model 3 仅呈现杂乱的色块，缺乏设计感，配色素乱、线条僵直，人物原地空踏，飞行器极简无层次。Opus4.8 在形态塑造与元素融合上遥遥领先。

细节方面，Opus4.8 对义肢人、两种飞行器、各类店铺都刻画饱满，并专门为画面定制了繁体汉字，每一个字均对应具体店铺：醉（醉仙楼）、仙（不老丹）、龍（天龙集团）、夢（入梦体验馆）、錢（通宝钱庄）、武（机甲竞技）、樂（全息梨园）。文字处理细腻，让整幅长卷既有东方意境又不失科幻张力。

2、华丽设计的AI五子棋

测试要求：
用单一 HTML 文件实现人机对弈五子棋，15×15 标准棋盘有木纹质感；AI 需能识破活三、冲四，不可让人三步获胜；落子有弹跳回弹动画；五连珠时触发粒子烟花与连线闪烁特效；支持悔棋和“AI思考中”加载动画；整体 UI 精致。

我原本想自己做一个网站来服务 OPC，但页面到底要怎么设计呢？说实话我自己也没想好。如果我自己来 Vibe coding，不算难，但很碎。要确认信息架构，要确认页面，要做交互，要调响应式，要跑起来看效果，还要不断修小 bug。最烦的不是写代码，而是你得一直盯着它。

于是我把这个任务丢给了 PilotDeck，一个由面壁智能联合清华大学 THUNLP 实验室、OpenBMB 与 AI9stars 开源的 Agent OS。

它和其他的 Agent 不一样的点在于，PilotDeck 更像是给 Agent 准备的一间工作舱：一个项目一个 WorkSpace，里面有单独的文件、记忆、技能、任务进度，甚至还能看到成本记录。

更重要的是，它开源了。这意味着，Agent OS 不再只是大公司的某个产品形态。每个人都可以把它部署到本地，让自己的电脑拥有一个真正能装项目、跑任务、沉淀记忆的 Agent 工作舱。

逐步实测：从一句话到一个完整官网的自动化之旅

我想做一个能真正跑起来的 WOYIN 官网，我原本只给了一句话：

帮我做一个 AI 一人公司智能体军团的平台网站，根据 OPC 不同的业务场景来划分类别。

PilotDeck 识别到了我的需求，然后委托了一个子智能体来构建这个网站。

让我感到惊喜的是，这次不仅仅是一个静态展示页，而是一个完整的带交互和动态效果的官网。它甚至帮我写了 Canvas 粒子星空背景、CountUp 数字增长动画、8 个业务场景 Tab 的无刷新切换，还写了卡片 hover 发光、滚动入场动画和移动端汉堡菜单。这类细节放在普通需求里，往往要来回追问很多轮：“能不能再加一点动态效果？”“移动端能不能帮我适配一下？”但 PilotDeck 在这个 WorkSpace 里，是按“一个高质量官网”的标准往前推，而不是只把 HTML 写出来交差。

原本我以为到这里就结束了，然而 PilotDeck 继续做了这几件事。

点击观看视频演示

它运行网站，打开浏览器预览，自己开始截图看效果。第一次看页面时，它发现导航区域和 Hero 区域有文字重叠。

PilotDeck 定位到问题，开始调整。然后重新加载页面，再继续看下一屏，继续检查页面上的其他功能，并且挨个修复。

这一段体验，真的已经非常接近一个小型前端同事在干活了：先实现、再跑起来、再看页面、再修问题、再继续验证。它不是只生成代码，而是在推进一个任务的闭环。

最后它给出的验证结果也很完整：导航栏、Hero 首屏、统计数字、价值主张、智能体军团、Tab 交互、成功案例、定价方案、Footer，都逐项确认。来看看第一版的成品：

最近 AI 圈最热的 Agent 产品，非 Codex 莫属。
它好用不假，但只能绑定 GPT 模型，并且需要特殊网络环境。GPT‑5.5 在 Agent 编程上的上下文管理、自主规划和复杂任务处理确实强势，但审美总让人一言难尽，带着一股浓重的“工科直男”味道 —— 连 Sam Altman 都承认：“GPT‑5.5 智商很强，不如 Claude 有品味”。用它生成网页，满屏都是 SaaS 模板气息，过于理中客。

对于那些习惯了 Claude、Kimi、Qwen、GLM、MiniMax 前端美学的人，看到 GPT‑5.5 的页面产出，真的会被“丑哭”。

怎么办？直到我遇见了 Qoder Desktop。

和 Codex 一样，它的核心也是 Quest 控制台驱动。只需把需求扔进去，比如“帮我实现一个用户登录功能”，剩余的需求拆解、分工、编码、测试等环节，背后的单 Agent 或专家团会自动搞定，你只需要验收最终成果。

而且它支持 Qwen3.7‑max、M3、K2.6、DeepSeek‑V4 等当前的主流模型。更关键的是，还能接入第三方 Coding Plan，不消耗平台 Credits。

如果使用 Qwen3.7‑Max，每天还可享受 200 次免费调用额度。

最重要的是，这是一款中国团队打造的 Codex 级产品，无需特殊网络，人人皆可用。

下面，带你沉浸式体验。

深度体验：六大核心场景实测 Qoder Desktop

0）前置准备

访问 qoder.com/desktop，下载安装「Qoder Desktop」。

注意不要选错，不是 Qoder Work，也不是 Qoder Wake。macOS、Windows、Linux 全平台支持，也提供手机 APP，可从手机端远程遥控桌面端。

近期 Qwen3.7 系列热度持续走高，“国产最佳、世界第二”的评价屡见报端。原本对闭源模型已兴致缺缺，但大量读者反复催促，再次勾起实测的兴趣。

不得不说，Qwen 每次更新的封面图还是相当会玩且养眼，不过自家的 Image 系列似乎已经很久没有开源了。

一、价格一探究竟

准备开测时，才发现手边缺少趁手的接入渠道。原本可用的 CodingPlan 即将到期且无法续费，改用 TokensPlan 则最低月费 198 元起，稍高配置便跃至 698 元，对比 Opus4.8 仅需 140 元不到，实在不太划算。无奈之下，只能直奔官方 API。

查看官方价目表：

输入 12 元/百万 Token，输出 36 元/百万 Token，缓存 2.4 元/百万 Token。这个定价实在不能算便宜。好在目前有五折活动，并附赠 100 万 Token。不过 100 万 Token 大致相当于一个上下文的容量，在长程任务中可能转瞬即光。

二、官方基准表现速览

实测之前，先来看官方给出的基准成绩。

整体来看，确实颇具统治力。官方称其基本实现对 DeepSeek V4、GLM5.1、Kimi K2.6 以及 Opus4.6Max 的全方位超越。

官方博客的核心描述十分高调：

Qwen3.7-Max 致力于成为全能的智能体基座——无论是编写和调试代码、自动化办公流程，还是在跨越数百乃至数千步的长周期任务中持续自主执行，都能胜任。

Qwen3.7-Max 的核心优势在于智能体能力的广度与深度：

• 编程方面，从前端原型开发到复杂的多文件工程均能驾驭；
• 办公与生产力方面，通过 MCP 集成和多智能体协作实现工作流自动化；
• 长周期自主执行方面，在一项长达 35 小时、超过 1,000 次工具调用的全自主内核优化实验中保持了连贯推理，充分验证了其持久稳定的执行能力；
• 此外，无论部署在 Claude Code、OpenClaw、Qwen Code 还是其他框架下，都能稳定发挥出色的跨框架泛化能力。

关键词很明确——“全能的智能体基座”，优势落在智能体能力的广度与深度。

日前，一款名为 Step 3.7 Flash 的开源大模型正式亮相。官方宣称其生成速度可飙升至 400 Token/s，并且原生整合多模态视觉理解——即便在图像、视频输入都尚未普及的当下，这已属稀缺能力。我先用一个刁钻的问题考了考它：既然全宇宙都在膨胀，那我变胖是不是也符合宇宙规律？

在你还在愣神的时候，模型已经完成了推理并给出答案——全程只花了大约 2 秒，来自纯粹的 API 调用。

性能参数上，Step 3.7 Flash 总参数量达到 198B（激活 11B），原生支持视觉理解，上下文窗口长达 256k，并且为智能体（Agent）场景做了专项优化。最让开发者心动的是它的输出速率——可达 400 TPS，而业内多数模型的吞吐量还挣扎在 100 TPS 以下。

价格贵不贵？答案是否定的。订阅 Step Plan 最低仅需 38 元/月。直接走 API 的话，输入（命中缓存）为 0.27 元/百万 Token，缓存未命中时为 1.35 元，输出为 8.1 元。单看这些数字，似乎并未比 DeepSeek v4 Flash（输入 1 元/输出 2 元）便宜，但如果加入“多模态 + 超高速”的维度，它的性价比便立刻凸显。更关键的一点：它开源了。

一手实测：基准与速度

先看官方给出的 benchmark 成绩。

通俗总结就是：

• 与 GPT-4o、Claude 3.5 Sonnet 相比，仍有追赶空间，但对标 Gemini 已能实现部分超越；
• 与 DeepSeek 系列各有胜负；
• 相较上一代模型提升显著；
• 速度方面一骑绝尘——当前大部分模型的输出速度甚至不超过 100 TPS。

以 Artificial Analysis 的速度榜单为参照，此前最快的 GPT-5.3 也只跑到约 130 TPS。

做内容和项目这么久，有一个效率黑洞始终绕不开——大部分正经工作，非得坐到电脑前才能展开。走路时突然冒出的灵感，掏出手机慌乱记下几笔，再等坐回电脑打开软件，那股“热乎劲儿”已经散了大半。更别提人在外面，临时被问到某个数据或文档，只能回一句“等我回去看看”，或者硬着头皮远程桌面，在小屏幕上戳来戳去。

不过，这个局面最近被 TRAE SOLO 改写了。

TRAE SOLO 移动端已经正式上线，而且 App、Web、PC 三端全量开放，无需邀请码，下载即用。Windows、iOS 全部兼容。这意味着：你在手机上下发的任务，桌面端实时可见；电脑上正在跑的进度，手机随时能查。它不只是“消息同步”，而是整个工作流能够跟着你，在不同设备间无缝流动。

我用了一段时间，下面就直接聊聊真实的使用场景。

先花 2 分钟，把手机和电脑配对

如果还没装 TRAE SOLO，可以直接去官网下载：

• 国内版：www.trae.cn
• 国际版：www.trae.ai

安装后，把手机和电脑配成一对，步骤非常直接：

1）手机与电脑登录同一个 TRAE 账号（需要注意，国内版和国际版账号体系独立，务必同版本）；
2）电脑端打开「设置 → SOLO Mobile → 开启 Phone Pairing 开关」；
3）手机端点击头像 →「设备管理 → 添加设备」。手机会自动检测同账号设备，看到电脑出现在列表中，点一下即配对成功。

整个过程不需要手动输入任何配对码，完全依靠账号体系自动识别。

电脑配对方法

手机配对方法

有个细节必须知道：想让手机端 Agent 操作的文件，必须放在电脑的 Documents（文稿）根目录下，不在此路径的文件是无法访问的。操作前记得把需要的文档挪进来。从安全角度看，这也是多一重保护。另外，强烈建议开启电脑的防睡眠模式，保持常亮在线，这样才能随时接收手机端发来的指令。

配对好后，新建任务时，你就可以自由选择让 Agent 跑在云端，还是跑在自己这台刚配对好的电脑上。

一手实测体验

1）语音讨论：走着路，就把思路理清了

这是我用得最频繁的一个场景。以前梳理灵感，必须坐下来对着屏幕打字，走路时哪怕有很好的念头，也只能用备忘录匆匆记个碎片，回来后重新整理，中间的那个“转写”过程，经常丢掉不少原汁原味的东西。

现在我的用法是：散步时打开 TRAE SOLO，按住话筒键直接开讲：

🎙 我最近想做一款 Skills 智能匹配的产品，你有没有什么好的建议？

它并不会直接甩给我一份冷冰冰的大纲，而是会跟我聊。它会问：“那你有没有想过这个产品的核心使用场景？”“是面向普通职场人、自由职业者，还是针对有具体项目需求的团队？”我一边走一边回答，越聊越清晰。

讨论一结束，对话自动生成了讨论纪要——不是逐字稿，而是提炼后的产物：核心结论、关键判断、下一步行动，整理得清清楚楚。我随即基于这份纪要又下了一条语音指令：

🎙 根据刚才的讨论，帮我整理一份大纲，上传到我的飞书文档里，再保存一份到本地。

说完就把手机揣回口袋，继续走路。等回到电脑前，大纲已经稳稳当当在本地和飞书里躺好了。