Claude Code 竟然还有这个功能 X上是不是只有我不清楚 刚刚想用 Claude Code 做个测试的。 但是想要一个完全干净的 Claude Code 环境。 我左思右想这有点麻烦，我要先卸载了 Claude Code 还要把各种 settings.json、skill、mcp、等等配置文件进行备份，还要创建新项目。 于是我就问了一下 Claude，万万没想到就是如此简单 使用 CLAUDE_CONFIG_DIR 指定一个全新的 .claude 目录，例如 ~/.claude-clean 然后设置一个运行别名 alias claude-clean='CLAUDE_CONFIG_DIR=~/.claude-clean claude' 这样原来的 claude 命令还是调用原来的环境， 现在 claude-clean 新命令则是一个全新的环境

😭 舒服了！Claude + GPT Image 王炸组合，50张图只花了 $0.33。 这次折腾 LoRA，GPT订阅里的生图额度先被我干光了。最近 GPT 降智越来越明显，为了生图继续交 $100/月的 Pro 订阅，太亏了。如果同样的钱，一个月生成15000张图呢？ GPT Image 的效果我又离不开。 直到我发现了Flatkey，直接把 GPT Image 接进 Claude Code。 让 Claude 的脑子，配上 GPT Image 的画图能力。 50 张图，总共只花了 $0.33！ 平均每张才 $0.0066。以前为了生图还得考虑每月 $20 的订阅，现在直接按需付费，确实香。 😲$20订阅一个月可以生成3000张图了。$100可以生成15000张。 这绝对是最有性价比的。 接入也简单，两条命令： npm install -g @flatkey-ai/cli flatkey login 之后跟Claude Code说： 调用 Flatkey 的gpt image 2，生成50张xxxxx图。 🔥而且不止生图，视频、音频以及 100+ AI 模型也能统一调用。 谁聪明就让谁干活，谁便宜就用谁，没必要把所有能力绑在一个订阅里。 注册地址👇 console.flatkey.ai/sign-up?a… #flatkeyai

🎉复刻成功！抖音快速起号焚诀来了！有手就行！ 迫穷😅，最近想搞搞国内自媒体，先拿抖音练手。 调研了一圈，我觉得最快的切入方式就是「复刻爆款」🔥 爆款是被市场验证过、被用户筛出来的，模仿它比闭门造车快多了。 这次选了一个「真人换装」爆款视频，拆解后发现，全流程 AI 就能丝滑搞定👇🏻： 1. 拆解原视频：人物、场景、穿搭、换装动作全拆出来，反推出图片和视频提示词。 2. 生成参考图：GPT Image 负责出图：初始状态、最终穿搭、房间场景。 3. 生成视频：参考图加动作分镜，丢给 Seedance 直接出片。 --- 图片和视频模型我全走的 Flatkey（支持 100+ 模型），原生支持 Claude Code 直接让 Claude Code 走 Flatkey CLI 跑脚本，全程自动化，丝滑到飞起 官方模型，价格香，一个 API Key 搞定所有，生成失败还不扣钱💰 视频提示词 👇🏻

用 Claude Code、Codex、WorkBuddy、Pi 这类 Agent 远程操作服务器时，怎么尽可能降低密码、密钥等核心配置泄露的风险？🚨 最近这一周的安全事件，值得所有用 AI 的人高度警惕，大致如图所示。 把这些放在一起看，结论就很清楚了：攻击者最想要的，其实就是你的凭据。 SSH 私钥、云服务密钥、API Token、环境变量等，一旦泄露，就要把相关凭据全部换一遍。 有些由于系统软件等受限制，换起来还不容易，这一点也要提前给自己留好口子。 到时候有可能导致你的 AI 密钥，就白白的被黑客们白嫖了。 而 AI Agent 能读文件、执行命令、登录服务器，本身就成了新的攻击面。 如果你把服务器密码直接告诉 AI，或者让它在能看到 ~/.ssh 和 .env 的环境里随意运行，那么一次投毒、一个恶意仓库，就可能让所有凭据一起泄露。 那么用 AI Agent 远程管理服务器时，该怎么做？🔥 核心原则只有一条： 让 AI 能用登录通道，但永远看不到凭据本身。 ① 用 SSH 密钥 + ssh-agent 代替密码 给 AI 单独生成一把带 passphrase 的密钥，自己用 ssh-add -t 4h 解锁一次，再在 ~/.ssh/config 里配好别名。 AI 只需执行 ssh myserver，私钥一直留在 ssh-agent 的内存里，它拿不到。 服务器上关闭密码登录和 root 登录。 ② 给 AI 专用的低权限账号 在服务器上新建一个普通用户给 AI 用，sudo 只放行具体命令并设为免密。 千万不要用 echo 密码 | sudo -S 或 sshpass -p 这类写法。 ③ 在 Agent 里挡住敏感文件 · 不管用哪个 Agent，都打开权限审批和沙箱，禁止读取 ~/.ssh、~/.aws、.env 等敏感路径 · 只配禁止规则往往挡不住 cat、head 这类命令，要和沙箱一起用才可靠 · 不要使用全自动、跳过审批的模式 · 启动 Agent 的终端里不要导出密钥环境变量，也不要把密码写进提示词、项目说明文件、Skill 或记忆里 ④ 服务器上的配置靠权限保护 .env、数据库配置等文件归应用账号所有，权限设为 600，AI 的账号读不到。 有条件的话，用密钥管理服务代替明文配置。 ⑤ 保持更新，人工审批 Agent 本身和它依赖的工具要及时更新（参考图中的 Agent2Shell 和 LiteLLM），不要用 Agent 打开来路不明的仓库。 操作生产环境时，每条命令都人工审批。 ⑥ 万一泄露了 只要密码或密钥在对话里出现过，或者装过被投毒的版本，就当它已经泄露： 立刻改密码、换密钥、轮换 Token，检查服务器登录日志，再删除本地的会话记录。 一句话总结： 密钥加 agent，让 AI 看不到凭据 设置权限规则，让它读不到敏感文件 使用低权限账号，让它碰不到重要配置 及时更新和人工审批，作为最后兜底 最后出问题了，也要第一时间补救，别不当回事 还在维护 GitLab、PHP、Node.js、Go 服务的，赶紧检查版本，该升级的尽快升级。 以上只是抛砖引玉，具体场景可以跟 AI 一起探讨，再落地执行。

刚刚认真去看了一下 Pi 这个开源项目目前118K Star，发现它很特别。 一方面，它作为底层开源库，可以让开发者直接用这些模块包来加速开发，OpenClaw 早期的时候就是这么做的。 另一方面，它们也基于自己的底层库，做出了一个完整的产品， 就是 Pi 本身：一个跑在终端里的编程 Agent，和 Claude Code、Codex CLI 是同一类东西。 先说它是怎么搭起来的。Pi 这个产品直接用的就是自家的几个包： 1、pi-ai 负责对接各家大模型 2、pi-agent-core 负责 Agent 循环和工具调用 3、pi-tui 负责终端界面 4、再加上 pi-mcp 连接 MCP 服务器 5、pi-codemode 让模型写代码去并行调用工具 开发者能拿到的底层库，就是 Pi 自己在用的同一套东西，相当于官方自己先把这套库实打实地用了一遍 再说 Pi 这个产品本身，我觉得它最有意思的是它的定位：一个极简、可扩展、也可以改成你自己的Agent 它的思路也很简洁，不是什么功能都内置，而是给你一个够用的默认版本，剩下的让你自己加。 官方甚至明确说了，像subagent、计划模式、甚至9月底之前连 mcp 这些功能，Pi 默认是不带的，不过现在 mcp 已经有了，也就是你想要的话，可以让 Pi 自己帮你写一个，或者装别人做好的扩展包。 扩展方式也非常的丰富： - extensions：写代码扩展 Pi 的行为，加工具、改界面、挂各种生命周期钩子； - skills：给 Agent 加专项能力； - prompt 模板和主题：定制提示词和外观； - 这些东西还能打包成 Pi package，通过 npm 或 git 分享给别人。 使用方式也很灵活。 日常可以在终端里交互式使用； 要做自动化，可以用 print 或 JSON 模式跑脚本； 还能通过 RPC 控制它，或者用它的 TypeScript SDK 把整个 Pi 嵌进自己的应用里。 模型支持这块，Anthropic、OpenAI、Google、xAI、OpenRouter、GitHub Copilot、DeepSeek、Kimi、Qwen， 再到本地的 llama.cpp，基本主流的都覆盖了。 很多可以直接在 Pi 里 /login，用已有的订阅登录，不一定非要配 API Key。 迭代速度也不慢。最近几个月接连加了全屏终端界面、Mermaid 和 LaTeX 渲染、MCP 支持、codemode，10 月 1 日正式发布了 1.0，之后基本保持每周一个小版本。 还有一点我挺欣赏的，就是它很坦诚。 Pi 默认没有内置权限系统，是用你当前用户的权限在跑，官方直接在文档里写明了，并且给出了用 Docker、微型虚拟机等方式做隔离的方案。另外它对依赖安全也很重视：外部依赖锁定精确版本，安装时默认不执行依赖的生命周期脚本，新发布的依赖版本要过一段时间才会被采用。 所以总结一下，Pi 其实给了开发者三种用法： 1. 直接把 Pi 当成一个编程 Agent 来用 2. 在 Pi 的基础上写扩展，定制成自己顺手的样子 3. 只拿它的底层库，从零搭一个自己的 Agent，就像 OpenClaw 当初那样 从开箱即用到完全自己造，中间每一步都有路可走，这大概就是 Pi 这套设计最打动我的地方。 最后再次附上开源项目地址：github.com/earendil-works/pi 官方地址：pi.dev/ pi 中文蓝皮书：pi.xiaomovps.com/

都说 OpenClaw 已经没什么人用了？？？ 但我翻了一下它最近四个月的 Git 提交记录，还是挺震惊的 😲 从 7 月到现在，OpenClaw 一共有 5 万多次提交，几乎每天都有大量更新。光主作者一个人，平均每天就有 200 多次提交，这个量级大概率是 Agent 辅助产出的。反观 Pi，节奏就平缓很多，平均每天二十个左右的提交。 更有意思的是 OpenClaw 底层的变化。 早期它基本是把 Pi 整套用起来的： 1、pi-ai 负责模型调用 2、pi-agent-core 负责 Agent 运行时 3、pi-coding-agent 作为内嵌的 Agent 核心 4、pi-tui 负责终端界面。 到现在，前面这几个都换成了自己写的实现，只剩下 pi-tui 还在用。可以看出来，它是在实际使用过程中不断发现问题，再一步步自己重构出来的。 再说回 Pi，我觉得它这套封装架构做得特别好。好在哪？就是各个模块拆得很开，彼此解耦。 比如你在开发自己的 Agent，需要一个终端 UI，那就直接把 pi-tui 拿来用；等以后发现它扩展起来不顺手了，再自己重写也不迟。需要什么就引什么，不用一上来就把整个大包全部引入。 OpenClaw 走的其实就是这条路。对使用者来说，这种设计真的很友好。

😭 服了！Opus 5.5 装进专业炒股Harness，我是真的骗不了它！ 我拿 Tesla × SpaceX 合并编了一条假新闻：双方已签协议，1:1 换股。 结果它根本不信，直接查股价、翻 SEC 原始文件！ 更刺激的来了，我让 Opus 5.5 干 Opus 5.5，谁会赢？ Claude App Opus 5.5 VS LangAlpha Opus 5.5，同一个Claude账号： 第一回合，Claude 4 分 40 秒交卷，LangAlpha 11 分半，难道被暴打？ 😲 后面马上反转了。 LangAlpha 派出 3 个子 Agent 并行研究，一口气创建了 10 个云端盯盘任务。 刚建好 1 分钟，SPCX 涨超 5%，自动触发分析，还自己拉 1 分钟 K 线复核。 最后我问：电脑关了，你还盯吗？ Claude App 的本地脚本停了，LangAlpha 说云端照样继续干！ 同样的 Opus 5.5，换个 Harness，差距还真不小。 30 秒实测视频，👇 1/3

第一次玩 pi agent，想接入第三方 API，结果发现没想象中那么简单😅 用 /login 的话，可以直接网页授权，也能接入一些常用的第三方中转站，这部分体验还不错。 但如果你想用的服务不在列表里，配置起来就有点折腾了。当然也可能是我姿势不对? 如果有更简单的方法，欢迎评论区指点～ 于是我干脆让 Opus 5.5 帮我写了个插件 👇 使用方法如下： 1、 安装：在任意Agent中安装这个插件github.com/aehyok/pi-thirdpa… 2、 加载：重启 pi，或直接输入 /reload 3、 配置：输入 /dsf-config，会自动打开一个网页，在里面填好第三方 API 信息就行 4、最后网页里记得点击保存 顺便解释一下命名：dsf 就是「第三方」的拼音缩写😂 有同样需求的朋友可以试试看