Codex 5.6 这 4 个设置，能砍掉 80% 无效 token 浪费，复杂长任务效率还能提升... 70% 很多时候不是模型不够强，而是你的上下文、缓存和工具配置正在拖后腿。 1️⃣ 尽量吃满 prompt cache 固定不变的项目规则、AGENTS.md、开发规范、长期 prompt 放前面，经常变化的需求放后面。这样更容易命中缓存，减少重复计算和重复上下文token消耗。 2️⃣ 长任务要及时压缩上下文 不要让日志、失败方案和旧历史一直堆在会话里。 直接输入prompt： “请整理当前任务上下文，清理失效方案、重复日志和无关历史，只保留当前目标、关键决策、核心约束、当前进度、未解决问题和下一步行动，后续基于最新摘要继续执行。” 3️⃣ MCP 不要装一堆不用的 Browser、Figma、GitHub、文档 MCP 都很强，但工具越多，上下文负担也越大。当前项目需要什么，就加载什么，别让一堆无关工具长期占着上下文。 4️⃣ 保持项目配置稳定 不要频繁切模型、工作目录、工具配置和开发规则。稳定的 prompt、稳定的工具链和固定项目结构，更容易持续复用缓存，也能减少 Agent 反复重新理解项目。 真正高效的 Codex 工作流： 高缓存命中 → 干净上下文 → 必要工具 → 稳定配置 很多时候 Codex 不需要再变强，你只需要做的，就是别再浪费它的上下文。show more

Codex 5.6 别再疯狂堆 prompt 了，少写 41%–66% token，执行效果反而能提高 90% 很多人用... Codex 最大的问题，就是怕 AI 不懂，于是把规则、背景、工具、要求一股脑全塞进去。 结果就是，prompt 越来越长、无关工具越来越多、上下文越来越脏，agent 反而更容易跑偏。 正确的做法，只保留当前任务真正需要的指令和工具。 直接在 Codex 里输入这段重要prompt： 请优化当前 Codex 工作上下文，删除重复、冲突、低价值以及与当前任务无关的指令，只保留当前目标、核心约束、验收标准和必要工具；同时检查 agent 当前可调用的工具，移除本任务不会使用的工具。优化前后分别统计 prompt 长度、工具数量和保留的核心信息，确保减少上下文占用的同时不丢失关键执行要求。 核心目的就这两件事： 1️⃣ 减少重复指令 同一条规则不要同时出现在 System Prompt、AGENTS.md、项目说明和当前对话里，保留一个权威版本即可。 2️⃣ 减少无关工具暴露 当前只做 Code Review，就别同时把 Figma、Browser、数据库、部署工具全部塞给 Agent。 真正高效的 Context Engineering，是让 Codex 只看到当前任务最重要的信息。show more

Codex 5.6 能省下 80% 重复 token 的技巧：能缓存的，就别让它重新读第二遍 很多人在用 Codex... 进行vibe coding的时候，每次任务都让模型重新读一遍，项目说明、技术架构、测试规范、固定 Prompt 这就是在白烧 Token 正确做法是：动态信息让 Codex 直接看，静态信息让缓存背。 你可以直接丢这段 Prompt： “请先分析当前项目，把长期不变的项目背景、技术架构、编码规范、测试规则、固定业务约束等内容识别并整理成精简的静态上下文，后续任务优先复用这些已有信息，不要重复读取或重新总结；只有出现新需求、代码修改、新文件、报错日志、测试结果或运行结果等动态变化时才重新读取，并且每次执行任务前告诉我本次复用了哪些静态上下文、新读取了哪些动态信息，以及哪些内容无需重复读取，在保证准确性的前提下尽可能减少重复上下文和 Token 消耗。” 这样做的好处很直接： 1️⃣ 少读重复内容，Token 消耗大幅下降。 2️⃣ 上下文更干净，Codex 能把注意力放在真正变化的代码和需求上。show more

Codex 5.6 真正与普通人拉开 90% 差距的，不是 prompt，而是你会不会配置 config.toml 很多人用 Codex... 还停留在“打开就聊”，但真正重度使用的人，早就把模型、任务模式、项目规则和自动化流程写进配置里了。 现在 Codex 5.6 最值得折腾的 4 个专业设置： 1️⃣ 固定模型 + Reasoning Effort 别每开一个任务都重新选模型。 把默认模型和推理强度写进 ~/.codex/config.toml，日常任务追求速度，复杂架构任务再提高 reasoning effort。 输入prompt： 请检查我当前 Codex 5.6 实际支持的模型和 reasoning effort 配置，不要猜测或使用已经废弃的参数；然后修改 ~/.codex/config.toml，为日常 Coding 设置合理的默认模型与推理强度，并告诉我具体修改了哪些字段、为什么这样配置，最后验证配置是否成功生效。 2️⃣ 不同任务建立 Profile 写功能、修 Bug、Code Review、做系统架构，根本不应该用完全相同的配置。 Codex 支持 Profiles，可以针对不同任务切换不同工作模式。 配置用的prompt，直接用： 请基于我当前 Codex 5.6 配置创建 3 套 Profile：fast-dev 用于快速开发和小修改，code-review 用于 PR 和代码审查，deep-architecture 用于复杂系统设计；分别配置合适的模型、reasoning effort 和执行策略，不使用已经废弃的配置项，并告诉我之后如何通过 --profile 切换使用。 3️⃣ 给每个项目建立独立配置 全局配置解决“你习惯怎么工作”，项目配置解决“这个项目必须怎么工作”。 把技术栈、测试方式、项目约束和工具配置放进项目自己的 .codex/config.toml，不要每开新会话都重新解释。 直接输入： 请分析当前项目的技术栈、目录结构、测试方式和开发工具，为这个项目设计一份最小化的 .codex/config.toml，只写当前项目真正需要的配置，不覆盖无关的全局设置；完成后解释每项配置的作用，并检查项目级配置是否能够被当前 Codex 正确加载。 4️⃣ 用 Hooks 把规则变成自动执行 最浪费时间的方式，就是每次都提醒 Codex 改完记得跑测试、提交前记得检查、别忘了扫安全问题。 现在可以直接把这些规则做成 Hooks，在生命周期节点自动触发。Codex 当前官方配置已经支持 lifecycle hooks。 直接用这段： 请检查当前项目适合配置哪些 Codex lifecycle hooks，并为我建立最精简的一套自动化流程：代码修改完成后运行必要测试和 lint，关键变更执行安全检查，提交前执行最终验证；只配置真正必要的 Hook，避免重复执行和拖慢开发速度，完成后实际触发一次并验证每个 Hook 是否正常工作。 真正高效的 Codex 启动就知道该怎么工作。 赶紧配置试试吧！show more

Codex 5.6 必装 Obsidian，直接给 AI 装上安全免费的本地永久记忆库！ 很多人想给 AI 增加长期记忆，但又担心云端... Memory 成本、隐私和数据安全问题 今天我找到了正确的解决方法：让 Obsidian 成为 Codex 的外部知识中枢，让Codex 根据当前需求检索相关知识；完成任务后，再把新的经验、结论和变化同步回知识库。 检索知识 → 执行任务 → 沉淀经验 → 优化知识库 直接用下面这段prompt（提示词）： “请将当前 Obsidian 知识库作为我的跨项目长期记忆系统，为所有项目建立统一索引和知识结构。持续整理并维护项目背景、长期偏好、关键决策、已完成内容、当前进度、失败方案、踩坑记录、技术方案和下一步计划。 每次开始新任务前，先检索 Obsidian 中与当前任务相关的笔记，补充必要上下文后再执行任务；任务完成后，将新增的结论、重要决策、代码变更记录和项目进度同步更新到对应文档。 只保留未来有价值的信息，避免记录无关对话、重复内容或临时信息；不要保存密码、api Key、token 等敏感信息。” 还可以创建个自动化流程： “每次完成重要任务后，让 Codex 自动提取本次开发中的关键经验，包括技术决策、解决方案、踩坑原因和可复用方法，沉淀回 Obsidian，持续完善项目知识库。” 随着项目不断推进，Obsidian 不只是存储文件，将逐渐成为属于你的 AI 知识库大脑。show more

兄弟们，用GPT-6 Astra，一定要把这个开关打开。 找到 ~/.codex/config.toml，加上： [features.context_management] experimental_mode = true 保存，再新开一个任务。... 以前对话一长，前面的细节容易被压成一坨摘要。 打开以后，Astra会自己记笔记，还能回头搜索同一任务里的历史消息和工具结果。 这才是它真正狠的地方。 不是一轮回答更聪明，是项目做了几天，它还记得你为什么这么干。 长项目不开这个，真有点拿跑车送外卖。show more

我用Codex从零搓出来的GPT 5.6 Router 版正式开源了！ 无需手动操作，自动帮你根据任务复杂度选择对应5.6模型版本！ 帮你省下不必要的推理时间的同时还能降低Token费用！ 同时，这个项目和原生codex cli 完全隔离，不影响常规使用！... 安装和使用的步骤非常简单 第一步：把这个链接发给你的 CodeX，让它帮你安装 第二步：打开终端工具，输入codex-router 就可以在cli中使用该模型了 欢迎各位老师来试用这个项目，点点star，给给建议～ 关于缓存和记忆优化也在持续进行当中 继续坚持build in public，冲冲冲！show more

在GitHub上看到一个专门教怎么用 Claude Code 的项目，已经涨到了 4w star 它不是官方操作文档，而是一条从入门到高级智能体的完整学习路径 斜杠命令、MCP配置、钩子脚本、子智能体编排，每个模块都有可视化图解，教你"怎么做"的同时也会教"为什么这么做" 最实用的是里面的模板，钩子脚本、代理配置、斜杠命令、MCP配置文件，全部可以直接复制粘贴到自己的项目里... 不管你是想补齐 Claude Code 的知识盲区，还是想搭一套属于自己的 AI 工作流，都可以关注下这个项目show more

Codex 5.6 必装插件：Sentry，让 AI 修 Bug (缺陷) 不再靠猜 最近做... Vibe Coding 项目经常遇到，刚修好一个 Bug，又出现新的问题，反反复复改特别浪费时间。 之后我开始找工具，发现 Codex 插件里有 Sentry，安装之后整个 Debug 流程完全不一样了。 现在不用反复截图、复制日志、手动排查问题了，只需要告诉它这段 prompt： “使用 Sentry 排查当前线上 Bug。先读取完整 Error、Stack Trace、运行上下文、发生频率和版本信息，再结合当前代码定位根因，不要只根据最后一条报错直接修改。确认原因后先复现问题并补充回归测试，再完成修复，最后重新运行验证；如果发现同类潜在问题，一并指出并处理。” Sentry 就可以直接完成： 1️⃣ 先读取完整 Stack Trace、运行上下文和版本信息，把 Bug 发生时的真实现场还原出来。 2️⃣ 再把线上 Error 对应到具体代码和调用链，结合当前项目直接定位真正根因，不再只看最后一条报错猜答案。 3️⃣ 最后复现问题、补回归测试、修改代码并重新运行验证，确认修复有效，同时避免同类 Bug 再次出现。 这样彻底告别 Bug 修了又坏、坏了再修的问题，快试试吧show more

看 OpenMind 如果还把注意力放在“AGI 能有多强”，其实已经有点落后了。 真正开始变难的问题是： 当 AI 不再只是给建议，而是直接参与决策，人类还能不能理解并承担后果。 现在大多数... AI 项目，都在能力层竞争： 模型更大、推理更快、Agent 更自动。 只要 AI 还停留在“辅助角色”，黑盒是可以被容忍的。 但一旦 AI 进入执行层， 开始影响资源分配、规则执行和长期结果， 不被理解的决策，本质上就是不可治理的系统。 OpenMind 切入的，并不是能力升级，而是这个更前置的问题： 在做决定这件事上，人类是否仍然保留解释、质疑和修正的权力。 如果一个系统只能输出结果，却无法说明“为什么这么做”， 那它永远只能作为工具被隔离使用， 而不可能被真正授权进入现实系统。 从这个角度看，OpenMind 更像是在为 AGI 设定一道硬门槛： 你可以足够聪明，但你不能不可理解。 能力可以不断叠加， 但决定 AI 能走多远的， 最终一定是人类是否还能对它的决策负责。 #OpenMindshow more

听说 Kaito AI 🌊 算法又更新了，对项目有深刻的理解，文章有自己的独特见解，这样才能有头部yapper互动，yaps才能增长，这样不仅能防止作弊，而且还逼着中低端yapper成长，没办法时代在进步我们也要跟上 我想试着写写 MemeMax ，最早的一次活动应该是五六月份，项目方的奖励也是直接给的U，印象深刻的是和💩有关，当时X被💩攻占了，满屏的都是屎味，掀起了一股有味道的活动 经过半年多的沉淀，#MemeMax... 从原来的社交项目转变成了永续合约的去中心化交易平台，这一步很关键，持续稳定的收入对项目很重要，也是项目继续生存发展的根基，虽然前期有融资，但这个钱是有数的，项目只有自身能够创造收益，这才是运作下去的因素，比如 $uni $hype 项目方在我看来是很有魄力和格局的，也不缺资金，只要方向选对，成功对它来说并不难show more

Codex 5.6 这个 GitHub 插件一定要装，能让你省下90%的token！ 90% 的人都把 Codex 用反了。... 一上来就让它： 帮我写一个 App。 分享一条我在用的绝佳省token技巧，先给 Codex 连接 GitHub 插件，然后输入提示词： 我要开发一个 XXX。暂时不要创建文件，也不要输出代码。先在 GitHub 调研同类开源项目，筛选出最有参考价值的方案。分析它们解决了什么问题、采用什么架构、依赖哪些技术、目前是否活跃，以及有哪些设计值得复用或避开。最后结合我的需求，给出技术选型、系统架构、MVP 范围和开发顺序。得到我的确认后，再进入实现阶段。 这样 Codex 会先做三件事： 1️⃣ 找到经过真实项目验证的方案 2️⃣ 研究别人已经踩过的坑 3️⃣ 根据你的需求做出技术取舍 等方向确定后，再让它开始写代码。show more

你是看不懂 Codex 里面那些英文技能是什么意思，对吧？​ 那就让它直接全部汉化。​ 不只是翻译名字，最好连每个技能的作用、什么时候用，也一起说明白。 如果你的 Codex 技能/工具列表里还有很多英文名称，可以让 Codex... 帮你做一次本地中文化整理。 提示词： 请帮我检查本机 Codex 技能/插件列表里仍然显示英文的名称和说明，并把它们改成中文显示。 要求： 1. 先扫描以下目录里的技能和插件元数据： - C:\Users\Admin\.codex\skills - C:\Users\Admin\.agents\skills - C:\Users\Admin\.codex\plugins\cache - C:\Users\Admin\.codex\cache\remote_plugin_catalog 2. 重点检查： - display_name - short_description - 缺少 agents/openai.yaml 的技能目录 - 远程插件目录缓存里的 interface.display_name 和 interface.short_description 3. 对仍然是英文的技能名和说明，补充或改成自然中文。 例如： - Figma Code Connect → Figma 代码连接 - CI Debug → CI 调试 - Branded Presentation → 品牌演示文稿 - Channel Summarization → 频道总结 - BigQuery Data Transfer Service → BigQuery 数据传输服务 4. 不要改 SKILL.md 里的核心触发描述，除非确实需要；优先只改 agents/openai.yaml 和远程目录缓存里的显示字段，避免影响技能调用。 5. 修改前先备份相关目录，方便回滚。 6. 修改后重新检查： - 缺少 agents/openai.yaml 的技能数量是否为 0 - 纯英文 display_name 数量是否为 0 - 纯英文 short_description 数量是否为 0 7. 最后告诉我改了哪些类型的内容、备份在哪里、是否需要重启 Codex App 刷新缓存。show more

大部分人用 Claude Code 其实是在裸跑 打开项目，直接问它改代码、写功能、修bug。能干活，但工作流全靠手动组织 Anthropic 最近出了个官方插件叫 claude-code-setup，做的事情挺简单的：扫描你的项目结构和依赖，然后推荐你应该配哪些东西 具体来说它会建议你装：... -适合你项目的 MCP servers -可以复用的 skills -自动触发的 hooks -拆分任务用的 subagents -常用的 slash commands 相当于它帮你把 Claude Code 从一个"什么都能干但什么都要你自己安排"的工具，变成一个针对你这个项目定制过的AI开发环境 之前这些配置全靠自己摸索，哪些 MCP 好用、hooks 怎么写、subagents 怎么拆，都要一个个试。现在至少有个起点了 不是说它推荐的就一定全对，但比从零开始配要省不少事 用 Claude Code 的可以试试，尤其是项目已经有一定规模的show more

现在用 Hermes 最聪明的做法，不是堆提示词，而是给它搭一个会自己复盘迭代的记忆循环， 越用越贴合你的工作习惯，能力拉满。 核心靠一份 [Memory.md](Memory.md)，跑「会话学习 - 记录沉淀 -... 迭代优化」闭环，每次对话都承接过往经验，不再重复踩坑、反复重说偏好。 精准落地 4 步流程 1️⃣桌面新建 [Memory.md](Memory.md)，固定分层框架 ## 偏好 ## 更正 ## 模式 ## 学到的经验 2️⃣粘贴绑定提示词，接入代理 每次会话开始，阅读 [Memory.md](Memory.md) 并完整应用全部内容。 每项任务结束完成三件事： ・记录有效做法 + 核心原因 ・记录失败问题 + 根源分析 ・总结提炼下次复用规则，不重复堆砌条目，新结论覆盖旧内容 3️⃣每周执行精炼提示词压缩收敛 通读 [Memory.md](Memory.md)，提炼零散经验为精简通用规则，移除过时被覆盖内容，压缩留存高质量核心逻辑 4️⃣定期日期命名归档备份文件，避免改写出错丢失历史 不用微调模型、无需开发部署，几分钟就能启动运行。 从零散随机输出，慢慢收敛成贴合你的行文节奏、工作逻辑、纠错记录的专属智能代理，成倍放大日常效率。 收藏留存，立刻就能改造你的代理工作流，把单次会话的临时效果，变成长期滚动成长的核心资产。show more

在 GitHub 上发现一个开源项目：Memvid，颠覆传统的向量数据库处理方式，直接将文本数据编码成视频文件。 通过将数百万文本块压缩到单个 MP4 文件中，不仅实现了 10 倍的存储压缩率，还能在亚秒级时间内完成语义搜索，完全无需数据库服务器。 GitHub：... 并且内置对话功能，可与知识库进行上下文感知的对话，同时支持直接导入 PDF 文档并自动索引处理。 可完全离线工作，视频生成后无需网络连接。正在构建大型知识库的 AI 开发者不妨看下这个项目。show more

在 GitHub 上发现一款创新性的开源自动化 AI 工具：Terminator。 它不像以往通过 OCR 识别屏幕内容，而是直接 “理解”... 电脑上的应用像解析 HTML 网站一样，快速、准确地控制我们电脑上的各种软件。 对比传统 OCR 自动化工具，有如下的特点： - 速度特别快，比传统方法快很多倍； - 即使软件窗口被遮挡或在后台，也能操作； - 非常稳定，不容易因为界面变化而失效。 GitHub： 目前主要支持 Windows 系统，macOS 系统仅支持部分功能。 如果你对让电脑自动完成任务感兴趣，这个项目的原理不妨学习看下。show more

AI 编程组合 VsCode + Cline + DeepSeek R1 体验完了... 成功给之前做的小工具「今天吃什么」加上了动画。 别看是个小动画，之前在其他几个软件里都失败了。。。 总共 API 花费 1 RMB。 用下来的心得和避坑： 1. 请直接用 DeepSeek 官网的 API，不要用 Openrouter 的，它的不支持缓存，要贵一些。。。（虽然它支持加密货币，终于可以花掉我的polygon了 2. DeepSeek R1 不支持视觉，所以调试起来不如 Claude 3.5 方便，建议只用于规划设计，这俩模型的价格差不多其实 3. Cline 的完成度和 Cursor 和 Windsurf 都有一定差距，比如还没有回退功能 4. Cline 的理念是不做省token的上下文管理，追求效果，全部项目丢给模型，所以用起来会贵一些，而且每次请求都展示花了多少钱，有点心疼，可能习惯之后就好了 5. 根据线下同学的反馈，遇到疑难杂症，现在最好的办法是把相关代码和问题扔给 o1 Pro，一般都能解决。 什么时候能在 IDE 里直接用上 o1 Pro 或者 o3 或者 DeepSeek R2，而不用担心价格随便用呢，也许只要一两个月？show more

🔥 MemeMax，正在完成从“内容热点”到“长期坐标”的转变 很多项目的生命周期很短，是因为它们只能在某个情绪窗口里成立。而 MemeMax 不一样，它正在脱离单一情绪的依赖，逐渐变成一个可以被长期使用、反复回访的存在。 你会注意到，它的节奏非常克制。没有强行制造高潮，也不急着证明自己“很大”。内容持续输出，但不疲劳；讨论不断发生，却不空转。meme 提供足够的传播张力，AI 保证效率与密度，两者形成了一种稳定且可复制的模式。 这种模式带来的直接结果，是参与门槛被不断拉低。你不需要等热点，也不需要理解复杂背景，只要进入，就能自然参与。久而久之，MemeMax... 不再是“要不要试试”的对象，而是顺手就会点开的存在。 更重要的是，项目的信用正在通过行为而不是承诺建立。更新没有中断，互动有反馈，节奏有延续性。参与者开始形成心理预期：它会继续运转，它不会突然消失。这种预期一旦稳固，外部变量反而成了加速器。 市场真正放大的，往往不是最吵的项目，而是那些已经把结构搭好、只差情绪的系统。MemeMax 正在这个阶段，把时间变成自己的筹码。 等到注意力重新集中时，很多人会发现，它早就站在那儿了。 参与入口👇 👉 #MemeMax MemeMax Kaito AI 🌊show more

Claude Code 桌面板发布本地定时任务功能 设定好任务执行的频率，Claude 会在你电脑开着的时候自动执行，无需你每次手动触发。 比如：每周五下午，汇总本周进度，生成一份 Markdown 报告存到本地 有几个细节值得注意：... 任务第一次跑完之后，Claude 会自动重写你的 Prompt，记住具体该去哪里找文件、用哪些工具，下次会更准 可以开 Git Worktree 模式，每次运行在独立分支里，不会动你的主干代码 如果电脑在任务时间点刚好休眠了，App 重新打开后会自动补跑，并发通知 目前需要 Claude Pro 以上的付费订阅，桌面端专属，网页和手机暂不支持。 怎么用 在侧边栏点击 "Schedule"，再点 "+ New task" 就能创建一个定时任务。 也可以在任意会话里直接描述需求，比如"帮我设置一个每天早上9点执行的代码 review 任务"，Claude 会自动完成配置。show more

终于，终于有人把所有模型缝合到一起了😭 Claude Code 编码、codex生图、检索抖音，小红书，youtube x的热点信息……全在一个工作台里 这就是我一直在等的“缝合怪max”！！ 以前我得开五六个客户端，Claude 写完复制到 Midjourney... 出图，再切到 Codex 写代码，脑子都要炸了 现在 dethink 直接把这些全塞进来了 一个界面切遍所有模型——Claude、Grok、Gemini、DeepSeek、Kimi、GLM 关键是 Claude Code 和 Codex 也在里面，编码、写作、生图，一个工作台全干了 更爽的是什么？微信、支付宝直接付款 不需要外币卡，不需要找代充，不需要担心封号 $20 / $100 / $200 三档套餐，按 token 计费，用多少算多少 以前想用多个模型，要么分别订阅（每个月固定扣费，用不用都得付），要么来回切账号 dethink 按 token 计费，$20 / $100 / $200 三档，用多少算多少 对我这种有时候用得多、有时候用得少的人来说，这种灵活性才是真正省钱的地方 而且所有模型在一个工作台里，Claude 写文案、Grok 出图、Gemini 做分析，切换无缝 省下的不只是钱，是那种"终于不用管支付问题、不用来回切工具“的心智负担 还有三个让我意外的点： 1. 数据聚合直接内置 想查抖音、小红书、YouTube、X 的热点？直接在 dethink 里搜 以前我得开 Semrush、飞瓜、新榜好几个工具，现在一个地方全搞定 做选题、找热点、SEO 分析，效率直接翻倍 2. 图像生成的组合玩法 你可以用 Claude 理解需求、优化提示词，然后调用 GPT Image 2 或 Grok Image 出图 相当于把“最会理解人话的模型”和“最会画图的模型”组合起来用 以前我得在 Claude 和 Midjourney 之间来回复制粘贴，现在一句话搞定 3. 桌面端真的好用 Windows 和 macOS 都支持，本地文件直接拖进去就能让 AI 处理 做 Agent 任务、跑工作流，比网页版丝滑太多 现在 dethink 8月15日刚上线，前 500 名注册直接送 $5 使用额度 给大家申请了8折优惠码，限量500个！先到先得了：DETHINK2026 如果你也在用多个 AI 工具，每个月为订阅费头疼 或者你想用海外模型但支付一直是个坎，真的可以试试 dethink 链接：show more