Web2GPT 是一款面向网站管理员的智能 AI 应用，可以将 传统网站 一键包装为 智能 AI 应用。
Web2GPT 会结合大模型技术，根据你提供的网站地址，自动梳理网站中的内容和网站的交互逻辑，自动化理解网站所提供的业务模式，自动生成 AI 应用，快速与你的其他业务系统进行集成。
官方主页：https://web2gpt.ai/
使用文档：https://docs.web2gpt.ai/
在线 Demo：https://web2gpt.chaitin.cn/
网页挂件样式截图
AI 助手使用截图
产品后台截图
最近不少人在研究 AI 中转站。表面上看，大家都在说“搭个网关”“转成 OpenAI 兼容接口”“统一接上游模型”，但真开始找方案时，很快就会遇到 3 个名字：New API、Sub2API、CLI Proxy API。
1）New API
这个项目更像“通用 AI 网关底座”。它的定位是统一聚合和分发不同模型，把各种上游能力转换成 OpenAI / Claude / Gemini 兼容格式。你如果以后想做更综合的模型聚合平台，New API 是值得研究的。
2）Sub2API
这个项目更直接。它的目标就是把 AI 产品订阅能力分发成 API 调用能力，而且已经把多账号、API Key 分发、计费、并发控制、限速、后台管理、支付等能力都做进去了。换句话说，它更接近“能拿来跑业务”的那类项目。
3）CLI Proxy API
这个项目更偏“把 CLI 包起来”。它能提供 OpenAI / Gemini / Claude / Codex 兼容接口，适合把本地或多账号 CLI 访问方式统一成 API 形式。如果你的重点是 CLI 能力接入，这个方向会更对味。
如果你现在的目标是：先快速搭一个有后台、有账号管理、后面还能继续运营的中转站，那我觉得最值得先上手的，就是 Sub2API。
Github：https://github.com/Wei-Shaw/sub2api
很多人第一次搭中转站，会误以为“把请求转发出去”就够了。其实真正麻烦的，往往不是转发本身，而是后面的这些事：
而 Sub2API 最大的好处，就是它不是只给你一个“转发器”，而是已经把这些基础能力一并考虑进来了。对想认真做一个小平台的人来说，这比从零拼一堆组件省事得多。
这一篇我只讲 Docker Compose 这条线，因为它是上手最快、最适合先跑起来的方式。按照官方说明，Docker Compose 部署方式会把 PostgreSQL 和 Redis 一起带上，所以准备工作相对简单。
建议
如果你是第一次搭，先别急着配域名和 HTTPS。先用 IP + 8080 把后台跑起来，确认服务正常，再做反向代理和正式对外开放。
如果你想最快把它跑起来，直接按官方给的快速开始命令来。它会自动准备部署目录、下载 Compose 文件和环境样例，并生成必要的安全凭证。
mkdir -p sub2api-deploy && cd sub2api-deploy
curl -sSL https://raw.githubusercontent.com/Wei-Shaw/sub2api/main/deploy/docker-deploy.sh | bash
docker compose up -d
跑完以后，再看一眼日志，确认服务已经启动：
docker compose logs -f sub2api
这一套做完，本质上就已经把主服务、数据库和 Redis 一起拉起来了。对于“先跑起来再说”的第一版，这是最省心的路径。
有些人不喜欢“一键脚本”，那就手动来。官方文档给的思路是：克隆仓库、进入 deploy 目录、复制 `.env.example` 为 `.env`，然后自己填写关键配置。
git clone https://github.com/Wei-Shaw/sub2api.git
cd sub2api/deploy
cp .env.example .env
nano .env
`.env` 里你至少要关注这几个东西：
如果你不知道这些密钥怎么生成，最简单的办法就是直接用 OpenSSL：
openssl rand -hex 32
openssl rand -hex 32
openssl rand -hex 32
然后创建本地数据目录，再启动服务：
mkdir -p data postgres_data redis_data
docker compose -f docker-compose.local.yml up -d
docker compose -f docker-compose.local.yml ps
docker compose -f docker-compose.local.yml logs -f sub2api
服务起来之后，直接在浏览器里打开：
http://你的服务器IP:8080
如果管理员密码是自动生成的，可以从日志里找：
docker compose -f docker-compose.local.yml logs sub2api | grep “admin password”
到这里，其实你已经完成了最关键的一步：平台已经能访问，后台已经能登录。后面要做的，无非就是继续往里面填配置、接上游账号、配 API Key、设置用户策略。
Sub2API 跑起来之后，下一步就是把上游账号接进去。以 Codex / OpenAI 账号授权为例，流程大致是：在系统里生成授权链接，复制到浏览器打开，登录 OpenAI 账号完成授权，然后把回调链接复制回 Sub2API。
这个步骤不是在服务器命令行里完成，而是在 Sub2API 的管理后台里操作。
具体流程如下。
登录 Sub2API 后台后，找到账号管理相关入口，点击“添加账号”。在授权方式里选择 OpenAI 账户授权。
你会看到几个选项：
对普通用户来说，优先用“手动授权”就行。这个方式最直观，不需要你自己去找 refresh token。
点击页面里的“生成授权链接”。系统会生成一个 OpenAI 授权地址。
这个链接不要在后台页面里反复点，直接复制出来，然后在浏览器的新标签页里打开。
打开授权链接后，浏览器会跳到 OpenAI 的登录 / 授权流程。这里正常登录你的 OpenAI 账号，并完成授权。
授权完成后，页面地址通常会跳转到一个类似这样的回调地址：
http://localhost:xxx/auth/callback?code=…
注意，这里看到 localhost 开头并不代表失败。它通常只是 OAuth 回调地址。你需要做的是把这个完整链接复制下来。
重点
不要只复制前面的 localhost，也不要手动改链接。直接复制浏览器地址栏里的完整回调链接，或者复制 code 参数后面的值。
回到 Sub2API 的添加账号页面，在“授权链接或 Code”输入框里，把刚才复制到的完整回调链接粘贴进去。
系统一般会自动识别完整链接里的 code 参数。也就是说，你可以复制完整链接，也可以只复制 code 参数值。
粘贴完成后，点击“完成授权”。如果没有报错，这个 OpenAI / Codex 账号就会被添加到 Sub2API 后台。
后面你就可以继续配置模型、用户 API Key、调用额度、并发限制和计费规则。
这里容易卡住的地方
第一，浏览器打开授权链接后可能加载比较慢，要等页面完整跳转。
第二，授权完成后看到 localhost 不要慌，重点是复制地址栏里的完整 callback 链接。
第三，如果复制 code 参数，注意不要漏掉字符，也不要带多余空格。
1）优先用 `docker-compose.local.yml`
官方文档明确给了两个版本：一个用本地目录存数据，一个用 Docker 命名卷。前者更适合备份和迁移，后面你要换服务器会轻松很多。
2）把 `.env` 保存好
JWT_SECRET、TOTP_ENCRYPTION_KEY、数据库密码这些东西一旦丢了，后面你会很难受。建议部署后第一时间做好备份。
3）先跑通，再优化
第一次部署时，不要同时上域名、反代、HTTPS、支付、监控。先把最小闭环跑通：服务能启动、后台能登录、能接上游、能出 API Key。后面再一层一层加。
提醒
如果你后面真的打算对外提供服务，部署只是开始。真正花时间的，往往是上游管理、额度控制、风控、支付、售后和稳定性。
基于PHP原生开发的多用途api集成管理系统，评估简版。热门免费的轻量型API管理系统
https://gitee.com/zeroart/api_spms_open
你有没有想过：把多个完整的AI大模型装进U盘里，插到任何电脑上都跑，不联网也行，所有数据留在U盘里不留下任何痕迹？
今天介绍的这个，已经把这个想法实现了。我已配置好模型和依赖，点开直接用
Portable AI USB是一个完全开源的便携式AI大模型方案，基于Ollama + AnythingLLM实现。装进U盘后，可以在任何Windows、Mac、Linux电脑上运行。
核心特点：
安装时可选择下载以下模型，也可以自行上传GGUF格式模型：
| 模型 | 大小 | 类型 | 推荐场景 |
|---|---|---|---|
| NemoMix Unleashed 12B | 7.0 GB | ⭐标准 | 最佳质量，推荐首选 |
| Dolphin 2.9 Llama 3 8B | 4.9 GB | 标准 | 经典通用型 |
| Mistral 7B Instruct | 4.1 GB | 标准 | 推理、编程能力强 |
| Qwen 2.5 7B | 4.7 GB | 标准 | 中文能力出色 |
| Llama 3.2 3B | 2.0 GB | 轻量 | 老电脑首选，速度快 |
| Phi-3.5 Mini | 2.2 GB | 轻量 | 内存占用低 |
| 自定义GGUF模型 | 自定义 | 自定义 | 上传任意HuggingFace模型 |
全部文件，复制到U盘根目录。
第二步：运行安装脚本
进入U盘目录，双击运行：
install.bat会弹出PowerShell窗口，按提示操作。
安装过程中会显示模型列表，选择你想下载的模型编号：
1. NemoMix Unleashed 12B（推荐）
2. Dolphin 2.9 Llama 3 8B
3. Mistral 7B Instruct
4. Qwen 2.5 7B
5. Llama 3.2 3B（轻量）
6. Phi-3.5 Mini（轻量）
C. 自定义模型
请输入编号：建议首次安装选择1号NemoMix或4号Qwen（中文能力最强）。
AnythingLLM安装程序会弹出，关键一步：
安装完成后，每次使用只需双击：start-windows.bat :: Windows启动（推荐）start-mac.command :: Mac启动
start-linux.sh :: Linux启动
会自动打开AnythingLLM聊天界面，直接开始对话。
在AnythingLLM界面：Settings → LLM → 选择模型即可切换。
四、Mac / Linux 安装步骤
1. 下载文件到U盘
2. 双击 start-mac.command
3. 首次运行会自动下载Mac版引擎（约2分钟）
4. AnythingLLM界面会自动打开
5. 开始使用！1. 下载文件到U盘
2. 打开终端，进入U盘目录
3. 赋予执行权限：
chmod +x start-linux.sh preflight-check.sh install.sh install-core.sh4. 运行：
bash preflight-check.sh5. 安装完成后，进入ANYTHINGLLM文件夹，打开AppImage文件
6. 开始使用如果列表里没有你想要的模型，可以上传任意GGUF格式模型：
默认配置4K tokens，想调整：
网络问题导致下载中断时：
| 对比项 | 普通AI工具 | Portable AI USB |
|---|---|---|
| 网络要求 | 必须联网 | 首次安装后完全离线 |
| 数据隐私 | 数据在云端 | 数据在U盘，完全私有 |
| 使用次数 | 有限制或需付费 | 无限次使用 |
| 便携性 | 需登录账号 | U盘即插即用 |
| 网络痕迹 | 留有使用记录 | 零痕迹，拔U盘就消失 |
| 适用场景 | 日常对话 | 离线/隐私/出差/特殊环境 |
Portable AI USB解决了一个很实际的问题：AI工具的便携性、隐私性、无限使用。
特别适合：
只需要一个U盘，下载安装，第一次联网下载模型，之后走到哪用到哪。
工具就在那里，重要的是用起来。
New API是什么
New API 是新一代 AI 网关与资产管理系统，作为 AI 基座平台，提供统一基础设施接入全球 30+ 主流 AI 服务（OpenAI、Claude、Gemini、DeepSeek 等）。平台核心特性包括统一 OpenAI 兼容接口、智能路由负载均衡、精细计费与权限管控、实时数据看板。平台支持多格式转换、推理力度控制、缓存计费等高级功能。采用 AGPLv3 开源协议，支持 Docker 一键部署，适配个人开发者到企业级多租户场景。
| 对比维度 | New API | One API | LiteLLM |
|---|---|---|---|
| 项目定位 | AI 网关与资产管理系统，AI 基座平台 | 开源 AI 接口聚合与管理平台 | 多 LLM 路由与负载均衡工具 |
| 开发团队 | 锟腾科技（QuantumNous） | 社区开源项目 | BerriAI 团队 |
| 开源协议 | GNU AGPLv3 | MIT | MIT |
| 核心功能 | 统一接口、智能路由、精细计费、格式转换、权限管控 | 渠道管理、令牌分发、额度控制 | 模型路由、故障切换、观测监控 |
| 支持模型 | 30+ 主流服务商（OpenAI、Claude、Gemini、DeepSeek、Midjourney、Suno 等） | 20+ 主流服务商 | 100+ 模型提供商 |
| 格式转换 | OpenAI ↔ Claude、OpenAI → Gemini、Thinking 内容转换 | 主要兼容 OpenAI 格式 | 统一为 OpenAI 格式输出 |
AI 模型对比测试：用户通过统一接口快速切换不同厂商模型，对比 GPT、Claude、Gemini、DeepSeek 等在实际任务中的表现，辅助技术选型决策。
个人开发者建站：快速搭建私人 AI 接口中转站，统一管理多个平台的 API 密钥，通过精细计费控制个人使用成本，避免频繁切换不同服务商的繁琐操作。
创业团队产品开发：为 AI 应用提供稳定的多模型后端支持，确保产品服务高可用，同时通过数据看板监控用量和成本，优化资源配置。
企业内部 AI 中台：平台支持构建企业级 AI 资产管理系统，统一管控模型访问和费用支出，满足合规要求并提升管理效率。
最近刷短视频和文章，发现 API 中转站（也就是卖 token 的）火了。那么 token 是什么，是 AI 时代的燃料。
随之而来的也是各种”圈内黑话”：有人说中转站全是”水货”，拿着别的模型来滥竽充数；有人说”蒸馏卖数据”，收割一波直接跑路。说实话，这行现在乱得确实有点乱，外行看热闹，内行看门道，中间人看钱包。
其实，这玩意儿真没那么玄乎。花了半天时间，我自己也撸了一个中转平台。
核心就这几步：
作为 AI 重度使用者，我手头那堆 AI 辅助工具，一会儿要 GPT 跑逻辑，一会儿要 Claude Opus 优化架构。来回切账号、挂代理、忍受那该死的 Stripe 支付报错、还得时刻担心账号被封，不挂 ISP 家庭宽带根本不行……确实是让人难受。
最关键的是额度不够用，一个账号额度 5h7d 根本不够用，多个账号还得来回切换。
自己搭个中转，主打就是一个：稳定，省心，不折腾。
API 中转站的逻辑说白了，就是”订阅转 API”。
通过购买官方的 Plus 账号或 Pro 账号，利用反代技术把网页端的会话形式（Chat）封装成标准的 API 接口。市面上主流的开源方案像 NewAPI 或者 s2a，源码谁都能用，技术门槛几乎为零。
但为什么不同家的 API 体验天差地别？
真正的门槛其实在”水面下”。首先是优质且稳定的上游号商。如果你直接去官网原价买订阅再拆开卖 token，那纯粹是在做慈善，还得贴上电费。如何在茫茫多的渠道里找到那些低价、且不容易被官方风控”连窝端”的神仙账号，才是最考验人脉和眼光的。
其次，除了正经订阅，圈子里还有很多走 Kiro，cursor，windsurf 等逆向方案过来的。还有黑产或者暴力破解的接口，虽然价格低到离谱，但用起来真的”不太行”。连接不稳定、回复被截断、甚至问着问着就断流，这种接口拿来玩玩可以，真拿来干活，分分钟想砸电脑。
各家模型我也都测过：
最近 Hermes 作为和 openclaw 经常放在一起对标的 agent，短短时间 github 就斩获了 97.3K 的 star。
说白了，Hermes 这波能火，不是靠营销吹出来的，也不是靠社区一帮人尬捧出来的，它是真把很多人最烦的那层窗户纸给捅破了：大家要的根本不是什么“会聊天”的 AI，而是一个能真正进场干活的 Agent。
为什么大家认 Hermes？核心就几点。
第一，它不是那种只会在对话框里“给建议”的花架子，它是真的能下场执行。
很多 Agent 产品嘴上说自己是智能体，结果本质上还是个高级聊天机器人：你让它改代码，它给你讲思路；你让它排查问题，它给你一堆正确的废话；你让它落地，它开始装死。Hermes 比较讨喜的一点，就是它明显更强调“动手能力”——该查文件查文件，该跑命令跑命令，该调工具调工具，不跟你整那么多虚头巴脑的。
第二，它的工程味很重，不是那种演示视频里看着很牛，真用起来一地鸡毛的东西。
真正长期写代码的人都知道，Agent 这玩意儿最难面不是“回答得像不像”，而是“在真实环境里能不能少犯蠢”。Hermes 被认可，本质上就是因为它在工程工作流里更顺：会调用工具、能拆任务、知道校验结果，出了问题也不是立刻开始一本道胡说八道。这种东西，外行可能感受不到，真正在项目里干活的人，一上手就知道差别在哪。
第三，它的“可控性”比很多同类产品强。
现在不少 Agent 最大的问题，不是不聪明，而是太飘。你一句话扔过去，它给你脑补八百公里，最后交回来一个和需求没啥关系的玩意儿。
有一个梗说的是像雇佣了一帮印度团队，总结汇报天花乱坠，情绪价值拉满，钱花了，事呢，也不能说没做。
Hermes 相对更像个能沟通的执行助手：你让它干什么，它就尽量沿着你的轨道走，而不是擅自加戏。对开发者来说，这点特别重要。因为生产环境里最怕的不是 AI 笨，最怕的是 AI 自作聪明。
至于它和 OpenClaw 的区别，我觉得一句话就能概括：
OpenClaw 更像“能力展示型选手”，Hermes 更像“上手就能干活的工兵型选手”。
OpenClaw 给人的感觉，是那种很容易让人眼前一亮的 Agent：理念新、动作猛、社区热度高，很多场景下也确实能打，属于“你一看就知道这东西有想象力”的路线。它更像是在往“更强的自主性、更完整的 Agent 形态”上冲，适合拿来探索边界，看看 Agent 到底还能卷到什么程度。
而 Hermes 这边，更容易获得一线用户的认可，恰恰不是因为它最会秀肌肉，而是因为它更务实。
它不一定每个 Demo 都最炸裂，但它更像一个你真愿意长期放进工作流里的东西。说难听点，很多产品是“发朋友圈很好看”，Hermes 这种是“你真会天天打开用”。这两者差别很大。前者是看热闹，后者是干生产。
再直白一点：
OpenClaw 更像在证明“Agent 可以有多强”，
Hermes 更像在回答“Agent 到底怎么才算好用”。
这也是为什么它能在这么短时间内积累这么高的关注度。不是因为大家突然集体情怀上头了，而是因为越来越多的人开始从“玩模型”切换到“用模型干活”。一旦进入这个阶段，评价标准就完全变了。谁更会说，不重要；谁更能稳稳把活干完，才重要。
所以 Hermes 火，不是偶然。
它踩中的其实是当下 Agent 圈最真实的痛点：少一点表演，多一点执行；少一点玄学，多一点落地；少一点“我觉得我能”，多一点“我已经帮你做了”。
折腾下来，API 中转站给我最大的感受是：这行的信息差实在太大了。
收了钱就跑路的、用盗刷卡账号来薅羊毛最后连累用户被封的，一抓一大把。新手进来，十个有八个要交学费。
核心逻辑就两条：
最近好多朋友跟我说：也想做个公众号，记录点东西、分享点干货，可就是不会写，坐在电脑前半天憋不出一句话。
好不容易用AI生成一篇，又怕被检测出来，限流、不推荐，白忙活一场。
其实真没那么复杂。今天就把我一直在用的完整流程分享给你，不用文笔好，不用懂排版，AI+朱雀AI，10分钟就能出一篇安全、能正常发的公众号文章。
1️⃣让AI搭框架，不写正文
打开你常用的AI工具，直接输入指令：
帮我写一个公众号文章大纲，主题是______，不用写完整内容，只要分小标题，每段提示大概写什么。
AI只会给你结构：标题、开头、分点、结尾。
这一步绝对安全，因为我们只让它搭架子，不生成完整段落。
2️⃣自己填“人话”，1分钟搞定
对着大纲，用你平时说话的语气往里填内容。
不用华丽辞藻，不用对仗工整，怎么聊天就怎么写：
• 我自己试过
• 给大家提个醒
• 说实话我一开始也不会
• 分享一下我的心得
哪怕每段只有两三句话，都比AI通篇生成更真实、更受欢迎。
3️⃣复制去朱雀AI检测
把写好的内容，粘贴到朱雀AI检测里测一遍。
大部分情况，因为是你自己组织的语言，AI概率都会很低。
就算有一两句标红，也只需要稍微换个说法，完全不用大改。
4️⃣复制到公众号，直接发布
检测通过后，直接粘贴到公众号后台，简单分个段，加个小标题，一篇文章就完成了。
整个流程下来，熟练之后真的10分钟足够。
不用怕不会写，不用怕被检测，普通人也能轻松坚持更新。
做公众号，从来不是比谁文笔更好，而是比谁更愿意坚持、更愿意真诚分享。
如果你也想开始，今天就可以试着动手写一篇啦。
Jellyfish 是一个一站式 AI 生成短剧（竖屏短剧 / 微短剧）的生产工具，覆盖从剧本输入到智能分镜、角色/场景/道具一致性管理、AI 视频生成、后期剪辑，直至一键导出成片的完整流程。
微信，毫无疑问是国内社交软件的天花板。
工作群、项目通知、客户沟通——离不开它；家人闲聊、朋友约饭、生活缴费——还是离不开它。可以说，微信就是我们数字生活的主入口，一天下来打开次数最多的 App，没有之一。
与此同时，AI 编程的浪潮汹涌而至。OpenAI 的 Codex CLI 横空出世——它能读代码、改代码、跑测试，几乎是一个活在命令行里的全能程序员。
但你有没有想过一个问题：如果微信能直接接通 Codex，会怎样？
不用打开终端、不用切换窗口、不用坐在电脑前——出门在外想让 AI 改个 bug？地铁上突然冒出个想法？掏出手机，在微信里敲一句话发出去，Codex 就开始干活了。所以，我做了这件事：把 Codex 接进了微信。
Codex2WeChat 不是简单的”消息转发”。它在你的电脑上运行，监听微信消息，自动调度 Codex CLI 完成任务，然后把结果原路返回到微信对话里。
整个过程你只需要：发一条微信消息。
举几个真实场景——📁 发个文件，直接分析
你把一份 Excel 或代码文件丢到微信对话里，系统会自动定位文件在微信缓存中的位置，复制到 Codex 工作目录，然后让 Codex 直接处理。你不用手动传文件、不用指定路径，整个过程完全透明。
🖼️ 发张图片，AI 看得懂
发一张截图、一张报错截图、甚至一张手写笔记的照片——系统会自动解密微信图片（是的，微信本地图片是加密的），优先获取高清原图，然后调用 Vision API 识别内容，交给 Codex 处理。
如果你发了一张代码报错截图，它甚至能智能识别你的意图：提取代码？翻译文字？还是分析 bug？
🎤 发语音也行
发一段语音消息，系统会自动转成文字，然后交给 Codex。适合你走在路上时随口说一句”帮我把那个接口的错误处理加上”。📰 转一篇文章，AI 帮你读
转发一篇公众号文章到对话里，系统会自动抓取文章正文，连标题、作者都提取出来，让 Codex 帮你总结、翻译或分析。
对了，它还能画图。
发一条类似”画一只宇航员猫在月球上写代码”的消息，系统会调用 Gemini 或 DALL·E 的图像生成 API，生成图片后直接发回微信。
你不需要懂代码、不需要改配置文件。所有设置都在图形界面里完成：
• 监听列表：选择哪些微信联系人/群聊需要 AI 回复
• 工作模式：每个联系人可以独立设置 AI 模式（纯聊天）或 Codex 模式（编程任务）
• API 配置：填入你的 API Key 和地址，支持 DeepSeek、OpenAI、Gemini 等兼容接口
• 人设预设：微信助手、翻译官、专业客服……一键切换 AI 人格
• AI 记忆：每个联系人独立的上下文记忆，AI 会记住之前聊过的内容
出门在外想改个设置？不用回家开电脑。
用微信给自己的”管理员账号”发消息就能远程操控——
#auth 你的密码 → 登录管理后台
1 → 查看系统状态2 → 查看 Token 消耗3 → 管理监听列表#add 张三 codex → 把张三加入 Codex 监听#/mode 李四 ai → 把李四切换到 AI 模式密码认证、会话超时、数字菜单导航——一切都在微信对话里完成。
你可能担心：微信掉线了怎么办？
别担心，系统内置了微信进程守护：
• 每隔 5 分钟检查微信进程状态
• 检测到微信退出或卡在登录界面时自动恢复
• 自动完成免密登录、重新获取数据库密钥、重连所有服务
整个恢复过程完全自动，你甚至都不会察觉到微信曾经掉线过。
重要的事情说三遍：所有数据都在你自己的电脑上。
• 微信消息不上传、不中转
• AI API 调用直连你配置的服务
• 没有第三方服务、没有中间代理
你的聊天记录、文件、图片，全部在本地处理。
想知道 Codex 在干嘛？日志面板实时展示一切：
• AI 回复、Codex 执行、工具调用、错误信息——分类过滤
• Token 消耗统计（输入/输出一目了然）
• 一键复制、导出日志
Codex2WeChat 的初衷很简单——让 AI 编程助手不再绑定在终端里。
另外，codex2WeChat还有强大的队列功能，不管是ai模式还是codex模式，支持多人聊天，codex可以创建多个session
至此，你只需在PC端挂一个微信小号就能搞定一切这才是 AI 应该有的样子：随时随地，触手可及。
The cost of “raising AI crayfish” varies widely, ranging from a few yuan to over a thousand yuan per month, depending primarily on your deployment method and usage intensity.
The term “raising AI crayfish” actually refers to deploying and using an open-source AI agent framework called OpenClaw. The framework itself is free, but running it requires hardware and a “brain” (large language model), both of which incur costs.
💰 Cost Breakdown
The cost of “raising lobsters” is mainly divided into two parts:
🤔 Is there a more cost-effective way?
Yes. Some vendors have launched pre-packaged solutions that lower the barrier to entry and reduce costs.
📊 Cost Options at a Glance
For a clearer overview, please refer to the table below:
Option Type Hardware/Server Cost Large Model API Fees (Monthly) Features
On-premises deployment 0 RMB (Using an old computer) 70–1,000+ RMB Low barrier to entry, but high power consumption and risks
Cloud Deployment 25–150 RMB/month 70–1,000+ RMB Stable and secure; the mainstream choice
Vendor-Packaged Version 0 RMB (e.g., Tencent WorkBuddy) Starting at 0 RMB (Free version available) Ready to use out of the box, ideal for beginners to try out
⚠️ Special Note: Beware of scams
Recently, there have been many scams under the guise of “AI Lobster Farming.” Please be vigilant:
In summary, for ordinary users handling only routine, light-duty tasks, existing free AI tools are sufficient. Whether you should “invest in a high-end solution” depends on whether you have high-frequency, complex, and automatable tasks that require it, and whether you are willing to bear the corresponding costs.