首页
场景化落地教程，含真实截图、Prompt、工作流模板与踩坑记录。
基于 GPT-6 Astra 真实能力（105 万上下文、12.8 万输出、对齐越权 0%）搭建长任务智能体的实战 SOP：先完成三项准备（OpenAI Python SDK 1.50+、OPENAI_API_KEY 环境变量、API 白名单），再按长上下文规划→定义工具（函数调用 + 计算机使用）→异步调用模式→中途纠偏→验收与成本控制的顺序落地。重点：开局只放任务目标、验收标准、工具清单与关键背景让模型先出计划；工具须写清 name/description/parameters；异步用流式事件 + 后台队列 + 任务 id 轮询；纠偏直接注入新指令无需重启；验收用独立脚本做断言、默认收小 max_output_tokens 并设日花费上限。
Kimi 开放平台（月之暗面）现可把 OpenAI/Anthropic 兼容工具原生指向 Kimi，无需自建代理。两条路：① OpenAI Responses API 接 Codex——base_url=https://api.moonshot.cn/v1，~/.codex/config.toml 配 KIMI_API_KEY 与 wire_api="responses"；② Anthropic Messages API 接 Claude Code——base_url=https://api.moonshot.cn/anthropic，~/.claude/settings.json 的 env 配 ANTHROPIC_BASE_URL/ANTHROPIC_AUTH_TOKEN=Kimi Key/ANTHROPIC_MODEL=kimi-k3[1m]（[1m] 选 1M 上下文）。模型含 kimi-k3(1M)/kimi-k2.7-code(256K 强制思考)/kimi-k2.7-code-highspeed/kimi-k2.6。Responses API 暂不支持视频。本文给可套用配置片段、最小验证步骤与 6 条避坑（含 [1m] 不可省、kimi-k2.7-code 强制思考、配额分档）。速率为分档制，确切数字以控制台为准。
2026-09-01 Fable 5.1 发布列了三条破坏性 API 变更，任何一条都可能在切模型时直接 400 或静默退化。① tool_choice=any/tool 返回 400，改用 auto + strict tool use/structured outputs；②思考块模型绑定单向兼容——Fable 5.1 能读旧模型的 thinking block，旧模型读不了新的，降级时丢失推理链；③编辑历史轮次使思考块失效，对 2026-08-31 及之后创建的账号强制报错。本文给出升级前三步自查、逐条迁移代码、迁移后回归验证（并行调用分布、thinking 连续性、20+ 轮压测、水印/C2PA 下游兼容）、灰度降级与回滚，以及八条避坑（含整文件重写倾向、低 effort 凭记忆作答、改写历史击穿缓存）。beta 能力 turn-scoped system messages 与 context-editing 为解药，header 确切名称以官方文档为准。
写给已在跑 OpenClaw 的工程师：怎么安全升 2.0、升不上去怎么退、升完怎么收紧凭证。第一原则——升级前整体备份 Gateway 的 configuration 与 state（不是单个客户端），并验证可恢复。四步升级：检查→openclaw doctor --fix→重启 Gateway→验证健康（模型访问验证通过才算生效）。两个 breaking change：OpenProse 插件与 /prose 命令移除（.prose 源文件保留）、codex/* 与 openai-codex/* 路由迁 openai/*（冲突手动修）。2026-09-01 插件 SDK 弃用（plugin-sdk-config-runtime-subpath → api.pluginConfig）死线就在今天。降级有界：SQLite 之后新建会话旧版读不到，整体回滚还会带回 approvals 与 dedup 记录。升后主动配五件事：开掩码凭证请求、配 proxy 白名单、精确授权、角色收敛、纠正 Incognito 误用。
2026 年 8 月 31 日集中发生三件事：Sonnet 5 的 API 费率从 2 与 10 美元恢复到 3 与 15 美元、GPT-5.4 与 GPT-5.4 mini 对 ChatGPT 登录的 Codex 用户停止提供、kimi-k2.5 与 moonshot-v1 同日下线。这三类变更的处理方式完全不同，但很多团队用同一套动作应对，结果要么过度反应要么反应不足。这篇给一套四步流程：第 0 步先分类，用公告里的关键词判断是下线（sunset / deprecated，当天必须处理）、替换（replace / default 变更，本周内，不报错但模型变了，需回归）还是涨价（只写 pricing，本月内，业务不中断但要重算成本）；第 1 步依赖盘点，用一条 grep 把散落在各处的模型 ID 全扫出来，收敛到集中配置并接进 CI；第 2 步按类型执行迁移动作；第 3 步用分词放大系数、峰谷时段占比、缓存命中率三个系数重算月度成本。另附 11 条可复制检查清单、第 4 步的限额与告警与降级路径配置，以及七个踩坑点——最常见的一条是模型 ID 散落在代码里，改一处漏三处。
把 Qwen3.8-Flash-Next 从「能跑起来」推到「跑得省」的三层路线。托管层零运维：QwenCloud API 兼容 OpenAI 与 Anthropic 规范，QwenWork 的 Standard 模式由它驱动。服务化自部署给四条逐字出自官方 README 的命令：transformers serve（--continuous-batching）、SGLang（--tp-size 4 --context-length 262144 --reasoning-parser qwen3 --tool-call-parser qwen3_coder）、vLLM（--tensor-parallel-size 4 --max-model-len 262144 --enable-auto-tool-choice）与 TokenSpeed，四者都在 localhost:8000/v1 提供 OpenAI 兼容 API。本地与端侧另有 llama.cpp 的 GGUF、Apple Silicon 的 mlx-vlm 与 Unsloth。工程上最值得记的一点是额外那 51B N-gram embeddings 可以卸载到主机内存，靠异步预取与模型计算重叠——README 未给官方显存基线，故不猜硬件门槛，标注以官方 recipe 与实测为准。含 YaRN 外推 1M 的取舍、微调框架选择（Unsloth / Swift / Llama-Factory）与 7 条踩坑，其中第一条就是：GitHub 仓库无 LICENSE 文件，商用前先去模型页核对协议。
自部署腾讯 770B 旗舰 Hy4 preview 的完整 SOP。先泼冷水算清显存账：FP8 权重约 770GB，官方 vLLM recipe 明确基线是 16×B200 或 8×B300（weights+KV cache），8×H100（640GB）连 FP8 权重都放不下--激活 49B 省的是算力，770B 权重必须整份驻留显存。两条部署路线命令逐字出自官方 README：vLLM 预构建镜像（MTP 投机解码 num_speculative_tokens=3、FLASHMLA_SPARSE 注意力后端、hy_v4 工具/推理解析器）与 SGLang 预构建镜像（NEXTN 投机、tp-size 8）。含 OpenAI 兼容调用（temperature 0.9/top_p 1.0，no_think 关深度思考省输出 token）、AngelSlim 自量化、finetune 管线、7 条踩坑与 10 项上线 checklist；不自部署的可走腾讯云 TokenHub/OpenRouter 或 WorkBuddy/CodeBuddy 两周免费。
从零接入 GLM-5.3-Flash、一天跑通视觉 Coding 的完整 SOP，三条路线按需取用：API 直调（10 分钟出第一个结果，一条 curl 跑通多模态；官方推荐参数 temperature 1、top_p 0.95、reasoning_effort max，thinking 仅支持 enabled 关不掉，stream 与 tool_stream 必须成对开）；GLM Coding Plan 订阅（半小时把 20+ 编程工具接到 GLM，¥118/538/1078 三档、额度翻 3 倍）；开源权重自部署（vLLM/SGLang，显存为工程估算口径）。核心交付是 Visual Coding 截图反馈回路：每轮渲染后把界面截图作为 image_url 回传，让模型看着自己的产出改代码。含参数验收清单、token 分类记账与 5 条踩坑。
「一张 AI 海报多少钱」在 GPT-Image 2 时代有了精确答案：官方 API 单张 0.006-0.211 美元，Batch 通道半价。这篇 SOP 从零走完「需求到成片」全流程：第一步把需求翻译成档位（Instant/Thinking、low/medium/high、3:1-1:3 比例、知识截止 2025-12 的联网坑）；第二步提示词结构化（主体/布局/风格/文字锁定/约束五段原子法，文字必须显式锁定防乱码）；第三步 API 调用（/v1/images/generations 的 curl 与 Python 示例、token 计价换算）；第四步渠道选择（官方/Batch 半价/Azure 4K/聚合网关按张计价的成本表）；第五步批量与五项质检清单；第六步七个踩坑实录（迭代编辑递减、输入图收费、low 档不能直接交付等）。含 1000 张海报 $30-120 的预算带算法。
2026-08-24 阿里云百炼 Wan3.0-Video 上线，首次支持 PPT/PDF/Word 文档直输，单次 2-30 秒、480P/720P/1080P 三档，API 按秒计费 0.3/0.6/1.2 元。这篇 SOP 从零走完「文档变 30 秒成片」全流程：百炼 Key 与地域一致性、零代码入口、DashScope SDK（≥1.25.16）异步调用与 24 小时 video_url 时限、带时间戳的分镜 Prompt 模板、参考生视频 file/link 二选一，含成本表（1080P/30 秒原价 36 元、7 折 25.2 元、含抽卡预算 60-80 元）与 7 个踩坑。