本地部署小龙虾消耗token吗

做电商到底有没有必要人手一只小龙虾呢？最近很火的这个小龙虾 opencloud 软件免费安装，部署的话就是找人远程就是几百块钱的事情，如果要本地部署的话，就是需要电脑稍微好一点，大概是四千块钱以上的预算， 到这里仅仅还是软件加硬件的成本，真正的大头其实是托肯，你可以理解为运行小龙虾需要消耗的算力，这个烧起来一天不得几百上千的， 它确实可以代替人工，但是这个成本呢，我们做电商其实根本吃不消，至少目前看来是没有必要去用的。目前你做电商呢，你可以熟练的运用 ai 软件，比如豆包啊， solo 二啊，你已经领先了太多人了， 今年想要做好电商的，一定要学会运用好 ai。 还有一个点就是我们平时用的 ai 软件，豆包这些呢，其实我们跟他沟通的时候，他同样也是在消耗托肯的，只是呢，这个成本他不需要我们去出， 这个是由他们公司和国家一起承担的，所以我们平时是用的这些软件呢，就等于在白嫖了，无论你做不做电商，做任何的行业都可以去运用起来。

今天聊一聊，部署了龙虾之后，你应该选哪一种大模型？现在主流的计费方式有三种，第一种是按 token 计费，第二种是订阅值，第三种是本地部署，那本地部署的话，其实就不需要我们每个月去交这个月费了。 首先来看第一种按 token 计费，通俗的理解， token 呢，就是我们说一句话里，这个话里有多少个词，原有多少个字。我们打个比方，比如说一句话里有二十个字，那么按 token 的 话， 一般大模型厂商会给每一个字标一个单价，那么如果每一个字值一分钱，一个二十个字的句子就需要两毛钱。 但是我们用龙虾的时候都知道，龙虾的思考非常的复杂，他不可能只跟你用一句话，或者简简单单的二十个字就完成了一次请求，所以你会看到龙虾的思考啊，虽然他没有说出来，没有声音，也是好托坑的， 而且他思考的越复杂，好的托坑越多，这就是为什么很多人啊，他的龙虾开着跑了一晚上，第二天钱包就没了。 第二种是订阅制，常见的呢，有每个月，比如说六美金或者大陆的供应商啊，可以看到每个月四十块钱这类套餐呢，他会规定你每个月的请求次数，这是什么意思呢？就是你的龙虾思考一次， 还要调用一次大模型，那这算一次请求，这一次请求包含了多少 token 都没关系，它只是算你一次的请求量。所以这种特别适合程序员的同学，因为我们在写代码的时候呢，每一次的请求可能涉及大量的代码往返， 我要放大量的现有代码和需求上去，同时呢，服务器也会返回大量的代码回来，这一来一回，如果走脱困的话，他就会非常的贵。第三种，本地部署啊，我看起来他只需要在我们本地的机器上装一个开源的大源模型就可以了， 那么所有的思考呀，计算都是在我们自己的机器上来做的，因此呢，也就不存在什么给大模型公司交构肯或者订阅费的一个问题。 但是本地部署有一个问题，就是一般的机器很难支撑起来大参数量的模型啊，当你部署的模型参数量不够呢，这个模型的智商就不够， 他会显得很笨。第二点就是参数量小的模型呢，他很有可能没有办法调用本地的工具，所以这种情况更适合于我们，适合于我们的团队作业，或者对于数据的安全要求特别高的情况。因为你如果在本地部署模型呢， 你的龙虾数据存储和计算都是在本地，也就解决了数据可能泄密的一个隐患。模型的订阅方式对模型的能力没有影响，比如如果你用了阿里的模型，那么按 token 或者按月订阅， 他调用的模型都是一样的。那好，你可能马上要问了，到底哪个模型更好呢？其实没有所谓的最好的模型，你要选择最适合你工作场景的模型。我建议大家可以提前用豆包， 用阿里千万以及用腾讯的还原模型。比如我个人的体感会认为千万的模型更适合编程，豆包呢，特别适合来写文章，尤其是做公众号文章的这种拣写质谱呢就会比较综合， 所以最后给大家的建议就是，如果你刚开始上手龙虾，其实可以试一下按 token 计费的方式，让龙虾完成一个小的任务， 这样费不了多少钱，同时你又能感受到龙虾跟传统的这个豆包啊，或者其他的 chatbot 的 区别。当你稳定的使用了龙虾一段时间之后，知道每天让它处理哪些东西， 它跑的这个任务呢很固定了，消耗的播放量也比较多，那这时候你就适合换成按月计费的这种方式。今天的分享就到这里，嘿嘿，有好的故事欢迎告诉我。

最近爆火的龙虾，也就是 open crawl， 也叫 mobile， 它其实有两种部署方式，一种是部署在本地，它对于你的硬件其实有蛮高的要求，然后你的电脑是不能关机的。那另外一种它是部署在云端，相对来说比较灵活， 它消耗的是 talking， 有 用有收费。网速科技它是有在平台上有提供这样的服务。那希望大家听完投资热线以后可以踊跃讨论一下，你们愿意选择哪一种部署方式，又或者说哪一种部署方式更适合现在的你们？ 呃，就是我有看到网速科技，你们有在边缘云主机上面上线了 mobile， 就是 现在那个 opencloud 的 镜像，对，你应该是在我们的微信公众号上看到的，是吧？ 哎，对，然后我就想问一下，就是那我想问一下，就是你们把它上在云端，那他正常使用的时候要消耗这个算力的话，那我知道你们公司好像之前是不做这种算力租赁的， 那我就想问一下，你们那种算力的话，它消耗的话也是要找你们买 token 吗？这个太细节了，这个可能我也不太清楚， 但是就是我们微信公众号上我，我个人理解啊，他的意思是说就是我们可以在我们的自身的这样一个呃业务范围内提供这样一个环境和平台，然后如果用户有 有需要去使用这个 open pro 的 话，它可以在我们创造的这样一个环境中去使用这样一个东西啊，我们只是提供一个环境和平台这样一个概念，那其实跟我的理解是一样的，就是你们其实只是在云端上面让客户可以去选择去用， 那至于使用这个需要消耗的算力。但但我的有一疑问就是使用这个如果需要使用到 talk， 比如需要到算力，那你们公司又不做这个的话，那他这个也要找其他的厂商去去购买吗？ 啊？这个太专业了，我可能还得去问一下那个技术那边啊，因为我们这边只是大概的就是宏观的一些东西嘛。 呃，对，主要是对信息批录这一块的，那可能偏技术方面的话可能还要再去了解一下，但是说实话作为我们这种散户来说，我们肯定是希望了解的更更深一点，你们是只要公司有这种信息，你们就正常对外批录吗？对吧？ 呃，因为您看到这个微信公众号的这样一个对外的这样一个口径，然后他更多的是对于一个产品啊，包括一些最新的一些行业动态的一些分享。那么您打的这个电话呢？其实我们是针对于公司的公告的， 所以就是说一般我们是解答这个对于公司这个对外批录的这些公告上有什么一些疑问。对，好呀好呀，谢谢你哈。

你们这些天天卖客龙虾的是真该死啊，说什么龙虾是未来，甚至有一些地方都在支持龙虾， 结果呢？我挂一天扣了我三百块钱，我一天搬一百五，然后掏三百挂一个龙虾，我脑袋是不是有毛病啊？目前来说啊，他这个 talking 还是太贵了，不适合普通人，甚至不适合投入， 而且咱们这个环境不对，像国外他们什么审批都不需要，他们可以轻松的建一个网站，搭建一个 app。 我 们不一样，我们如果说你让你的龙虾去搭建的某些盈利性的网站，你要备案的， 备案要一两个月，甚至有的半年，等你弄完。不好意思，你的脱贫已经把你家的房子消耗完了，下课。

你知道养一只龙虾究竟要花多少钱吗？如果你没有算过经济账，我真的劝你千万不要一时冲动就想着去养一只龙虾。我们首先来说那种一心想要部署自己的 open club 的 人，他也分两种情况来看，第一呢，就是选择本地部署，也就是把 open club 部署到你自己的电脑上。 当然，想养好一只龙虾，你总得有一个像样的虾龙吧？那现在最主流的配置呢？就是低配版的 mac mini 四千三起步了，高配版直接上到一万，这还不算完？如果呢，你不想自己折腾，找一个靠谱的袋装师傅是几百到七千块钱不等，那到这硬件加安装，你最少已经花出去五千块钱了。 我们再看云端部署的这帮人哈，他直接使用阿里云、腾讯云这样的平台提供的一键部署服务，就不需要复杂的配置环境了，比较适合新手去布置 openclo。 但是呢，你需要租一个云平台，轻量使用的话，月成本是在五十到两百块钱，重度使用的话，一个月可能要花到上千元。 那选择以上的两种部署方式，你就可以完成你的 opencloud 部署了。恭喜你在这获得了一张养虾资格证。 但是真正的烧钱游戏呢，也才刚刚开始。这两种部署方式的 talk 消耗都是需要单独计费的，你就把这个 talk 哈理解为是 ai 世界里的电费。 简单来讲，你每跟 ai 说一句话，它都得按字数给你收费，中文的一个字要耗一到两个 talk。 而 openclaw 每次启动，光热身就得吞掉几千甚至几万个 talk 了。什么意思？你的车还没有起步呢，五块钱的油钱就已经没了。 有开发者实测过去，刊写一份简单的调研报告，算力成本大概是十块钱左右，极端情况下六个小时就会花掉一千一百七十二块钱。还有人第一个月就烧了一点八亿头，肯账单就得两万多。那当然呢，还有第三种部署方式，也是现在比较流行的，就是选择 kimi kong max kong 这样的包月订阅服务。 它是一种一键打包的服务哈，也是现在被国际媒体评价为是美国所有云计算巨头都没有做到的事儿。 以 kimi koala 为例，它的会员费呢，是分为四档的，四十九、九十九、一百九十九、六百九十九，每月权限等级越高呢，就能够并行处理的复杂任务越多。从一百九十九的等级，你就可以开始养龙虾了。 这个方式好聚好散呢，你不需要自己去部署 open koala 的 开源项目了， kimi 和 mini max 已经帮你在大模型当中部署好了 open koala， 但是它们不单独售卖云平台的租赁服务，也不会去计算按量计费的 top 成本，直接给你一键打包到这个月订阅费里。 那以上三种方式哈，无论你选择哪一种，这么看下来，他都不是零门槛零成本的。所以我劝你千万不要陷入到龙虾焦虑里，不要被那种刷屏的龙虾神话洗脑， 也不要觉得别人都在用了，我不养一只是不是就落后了？你得先算清楚这笔账，想清楚自己的实际需求，再决定要不要入坑。最后呢，给你附上了普通人养虾指南，记得截图保存哦！

一个视频看懂 openclaw 的 所有缺点，这个视频我就来把所有 openclaw 的 缺点一次性聊透。 我求一些人真的别为流量吹捧这只龙虾了，它真的没有那么神，我先叠个假啊，跟风本身不是一件坏事，如果在最开始 g b d 出现在大众视野的时候，就直接拒绝这样的生成式大模型，那就是自己困住了自己的手脚，跟不上时代的发展了。我们先来简单的过一下，这个 openclaw 是 什么？就这只小龙虾是什么？ 它的本质实际上就是一套让大模型替你就是操作这些电脑啊，各种工具这样一个代理系统。这个代理系统也就是我们俗称的 agent， 通俗点说它就是给咱们之前就是对话的那些大模型装上了手和脚，让它能够操控你的电脑，能够操控你的社交软件。 他不只是回答你一句话，而是能够自己在你本地的电脑上调用终端上，浏览器上，脚本上使用各种外部工具，然后在你给了权限之后，去读你电脑上的文件，改你电脑上的文件，执行命令，操作你的账号。 所以很多人在看到演示的时候就会觉得非常震撼，他看起来已经不是咱们过去理解的那种只会生成文字的 ai 了， 他是一个在替你干活的这样一个数字员工的一个形象，你只要给他一个目标，他就能自己拆解成步骤，然后自己决定先做什么后做什么，最后把结果交回来。如果说他有什么东西不会干的话，你还可以教他做什么东西，就是比如说你可以导入一个 skills， 这个 skills 是 什么呢？就是 一个写好的模板提示词， ai 通过这个模板提示词就学会了做某项东西，他学会了比如说西红柿炒蛋的流程， 类似于一个 ai 五零密集的插件，它最近会突然爆火的原因也是它非常符合普通人对 ai 的 想象。大家会觉得既然聊天模型已经能够写文案，写代码，查资料，那如果再给他操作电脑的能力，那是不是就等于直接拥有了一个全自动的助手，让他一直帮你干活？ 而且在宣传中，它能够七成二十四小时的不断的给你办公，就像是拥有了一个全自动的 ai 纽码一样，然后让你的工作效率直接翻倍。现在我们的介绍介绍完了， 直接开始进入主题，它的缺点到底在哪里？首先第一点，它对新手的配置是非常非常不友好的 啊，很多人第一次看到这个东西的时候，会觉得它跟装一个普通的软件差不多，点几下下载，登录一下账号，然后就能直接开始使用，但是实际使用完全不是这样。 open core 这个开源 agent 的 框架是一整套的环境配置，它不是一个单独的软件，你不仅要把它装上，你还要把它能够调用的模型给它配置好。 然后你要给它配置好它能使用的工具，它连接的服务，它能够访问的账号，一个一个的给它接起来。你要装相关的依赖，你要看终端的报错，你还要知道什么是端口，它用了什么网关，具体怎么样配置模型的 api key。 当然对于经常写代码的技术人来说，这些事情很普通，但对于大部分普通用户来说，这些本身已经是门槛了。 很多人不是不会用 ai， 而是他们连第一步都搭建不起来。这也是我们能够看到，在闲鱼上有很多帮忙安装小龙虾这样的产品，简直是匪夷所思啊。而且它不是你装完之后就结束了你后续的 skills 配置，收发邮件的权限，多一个功能，就多一个要处理的内容， 网上那些视频，都是那些技术老已经配好了环境，把这只龙虾驯服好了，所以你只看到了最终演示的那一段， 你觉得这只龙虾它很顺很智能，它就是 ai 自动化这样一个数字员工。但是你没有看到前面为了把这个龙虾跑通，折腾了多少配置，踩了多少坑，改了多少报错。我只能说配过环境的都知道我在说什么。当然我也看到一些即插即用的 pro 产品，但是我仍然觉得它们还是半成品 啊。总而言之，这只龙虾在最开始给你的体验大概率不是效率上的提升，反而是给你持续的报错，然后让你持续的调试，持续的头疼，一直在折腾。现在宣传起来就好像全民进入自动化办公时代一样，但是实际上很多人连第一关都过不去，我真说句实话， 还不如让你豆姐给你多生成点深度研究报告呢。然后呢，就是第二点，这只龙虾非常非常烧钱， 不同于市面上大家现在使用那些 ai， 你 输入的那些文字就是 ai 能够接收到提示词，这个小龙虾的上下文会记录所有模型的可见内容，就是这些内容包括了你本身设置的 system prompt， 也就是系统级提示词这个框架本身有的。然后每一轮对话的历史 工具调用和工具结束反馈的结果，你自己让它拥有的 skills， 这会让 ai 在 处理你 要求的内容的时候，先仔细看一遍，自己的人设，自己的能力，自己的目标等等。你可能会觉得，哎，那不就是多看几段字吗？那能贵到哪里去呢？我来给大家打个比方吧，就是我们都想让这样的小龙虾来成为自己的员工，对吧？ 让他为咱们做一些工作。但是呢，这个小龙虾每次我们让他干活之前，他就相当于他都需要先把员工手册重新完整的看一遍，把聊天记录重新翻一遍，把你给他的操作日记重新看一遍，然后再决定下一步要做什么。所以他就不是 你说一句话就花一句话的钱，他是你说一句话，他顺便还要把过去那一大坨材料全部看一遍，然后你相当于是为这个材料的观看要重新付费，这些毒材料的开销，那全都是钱啊。有些任务表面上看起来可能只是一句话，比如说帮我整理一下 一个文件夹，帮我发个邮件，帮我去网站查一下价格。但是呢，实际上在这样的 agent 框架的内部， 他可能已经调用了十几次，甚至说几十次模型，因为他在不断按照步骤和循环进行试错，他要使用自己的 skills， 他 要知道你的目的是什么，每一次试错都是开销。如果你本身只是普通用户，平常使用 ai 就 只是查资料，写点文案等等，那 你真的要想清楚，你到底需不需要这样的小龙虾，很多本来一句话就能解决的事情，本来点点鼠标就能解决的事情，到了这种 agent 的 系统里边，会被拆成很多轮来不断的执行，你能让他完全自主的做完某一件事，开销大到难以执行， 而且效果可能还不好。就是麦塔高管就把自己的工作邮箱接入了 opencloud， 也就是龙虾，然后邮件就被删光了，这可是麦塔的高管啊。 这就是我们要讲的第三个点了，就是这个龙虾，它的执行能力非常的一般，远远不如现在自媒体宣传的那样强大。现在所有的 ai 都是有上下文窗口限制的，简单来说就是你喂给它的东西是有一个长度限制的。呃，多余这个限制， ai 的 处理能力它就跟不上了，它就记不住这么多东西了。 你给他的任务一长，他就容易就是固头不固定，对吧？你发过去的任务，所有的指示可能都占到他看到的消息百分之五不到。前面你刚告诉他你的要求，他可能转手就把这个要求给忘了。比如说你明明让他去 a 网站看一遍 a 网站的某一个视频，让他总结一下， 结果他绕了一圈去 b 网站尝试看能不能从 b 这里看到 a 网站的视频。你要让他修改一个文件，他可能顺手把其他东西也修改了， 你让他严格按照你说的要求来，他做到一半又把你的要求给忘掉了，然后开始自己自由发挥。普通聊天机器人答错了，你最多可能觉得他就是说错一句话，对吧？这是他的幻觉，然后你再问一遍就行了。但是 open claw 这种东西不一样，他不仅负责说，他还负责动手。 一旦他理解错了，那么后果就不是一句话错了，而是动作错了。你的文件可能会改错，你的命令可能会执行错，你的信息可能会发错人。如果你给他权限过高，那么就会导致他可能做一系列错误的决策，这是为什么？很多演示视频看起来很聪明，但实际上一上手你就会发现 他实际上做了一些很蠢的事情，因为演示视频给你看的那都是短任务，都是成功的任务，减过的任务，他不会把 这些模型开始犯蠢，需要人工接管的这些东西都给你看啊。我只能说他现在就是一个会自己点鼠标的实习生。或者我过分点说这个 open claw 他 就是一个拿着自动步枪的猴子，能够造成很大的杀伤。 如果你把一个稍微长一点步骤稍微多一点，判断复杂一点任务交给他，他就开始乱。你本来只是想找个替你做事的工具，结果最后变成了你在给这个工具当监工。而且他每犯一次错他都不是白犯，他每一次犯错他都是在烧你的钱啊。然后就是第四点了， 他有很强很强的安全风险。如果说你要让他给你做事，那也就是说你得给他一些你的授权吧，这些权限可能是操作你的电脑，写文件， 甚至于支付权限，比如说你想让他给你点个外卖什么的。如果说这样的 ai 模型被带偏的话，或者被恶意利用的话，那后果不单单是输出错误的文本这么简单了，它是非常严重的。 我来给大家举一个例子，就是我最近看到的有一个人把自己的微信完全接入龙虾，然后没有做任何的权限设置和安全配置， 然后开心的开始在这里养龙虾，然后给群友炫耀，结果被群友的提示词攻击了，把自己钱包里的钱给发了出去啊，不过我没有能够联系到当事人，所以这个真假大家图一乐就行了。 不过提示词攻击本身是确确实实存在的，我看到过最搞笑的莫过于这个翻译书籍的提示词的攻击，真是看一次笑一次啊。 以上说的这些是模型本身出了幻觉，可能胡乱执行导致的风险。其实还有一点就是这些 skills 本身的风险。这个设计它本身其实蛮吸引人的， 因为它能够不断地追加新功能嘛，相当于 ai 在 不断地学习 ai 在 完成一个任务之后，它也能自己总结 skills。 但是呢，这意味着你不仅要信任 openclaw 主体这个框架， 你还要信任外面一堆陌生人写的扩展。你装一个 skills 相当于是给你的 ai 加了一个能力，但实际上相当于把外人写的一些代码，一些框架接入了你这个权限很高的系统里。你接入这个武林秘籍， 如果出问题的话，那执行起来，那就很有可能导致整个 ai 的 执行出现了问题啊。我觉得最搞笑的一点就是，我看到有人使用 openclaw 公开 skills 里的股票分析功能炒股还赔了钱，这是我觉得最搞笑的事了，本身 ai 就是 一个黑盒，再加上这些 skills 还是别人写的，你甚至都不知道这些 skills 具体是怎么指导 ai 来完成分析的。如果你把 ai 输出内容当个参考还好，你如果真的不加判断的拿这个东西来 支撑你的决策，那我只能说，祝你好运，祝你好运。好吧，到最后我来给大家总结一下吧， ai 是 能够提升你的工作效率的，这毋庸置疑， 但这并不是说每一个人都要像程序员一样在终端里摆弄自己的 agent。 如果说你作为一个非技术人，还没有把 ai 融入你的工作流，还不知道具体怎么样使用 ai 能够提升你的工作效率，那么你养这样的龙虾是毫无价值的，这本质是跟风，现在市面上的大模型对你的需求而言 是完全足够的，你并不会因为养了这个 open claw 就 能够实现全自动办公。你养完龙虾之后，你能获得的也就只是通过社交媒体借由 ai 来操纵你的远程主机。如果说你是技术人，其实你就更不应该考虑了，现在的自动化工具实在是太多了， 我给大家举个例子啊，就比如说 cloud code， kimi code code， 还有各种各样的 claw 替代方案，甚至说技术人都不一定会看我这个视频， 因为大家都知道这只虾的上限在哪里，也知道这个新事物在发展过程中是有很大很大的泡沫的，不过事物的发展它都是曲折的，所以现在给它下定论还为时上早。从 github 的 star 树看来，这的确是一个非常非常传奇的开源项目， 等到哪一天，各种互联网接口统一了， ai 的 疑难杂症也解决清楚了，比如说幻觉啊，上下文长度啊，或许这只龙虾真的是下一个操作系统的雏形也说不定，这里是照样不吐不快，点点关注我们，下期再见。

送外卖赚钱买托肯的第六天，今天可以给大家一些很实用的建议了，就是我们不是知道这个呃托肯消耗太大了吗？所以使用这个 cookie plan 的 套餐，但是你在使用 cookie plan 套餐的时候，你一定要注意，第一步让你的这个小龙虾啊，先给你部署一个本地的 极小的模型，比如说千万的零点五 b， 为什么？因为在你使用这个克林布兰套餐的时候，它是有速率限制的，比如说在几个小时啊，或者说一天一周之内，你使用多少的这个托肯啊，或者说消耗多少次的对话的机会，它会给你限制。限制之后你发消息过去，或者说， 呃，反正就是他跟你没办法交互了，你如果使用到这个程度，你就知道了啊，一旦达到了临时的这个限制，你无论发什么，又或者说他做好了什么，他都没有办法跟你交互，这期间你的 api 调用是被停掉的，所以这个时候我们需要在本地部署一个免费的极小的模型来用做这个 简单的回复啊，不指望他干活，只是在这个临时扣定不烂套餐的 api 达到限制的时候啊，让他还能回复我们，并且接收我们的一个信息， 这个是非常实用的。第二个就是一定要把这个信息存储记忆存储给做好，因为小龙虾很长，就是经常大家可能是啊，要去让他做一些事情，或者说突破一些限制，他容易把自己给作死掉，我的小龙虾都已经死两次了， 还好我提前做了这个记忆备份，做了这个记忆记知识库啊，这个记忆库我一上来就把这个记忆库和知识库给搭建好了，也就是我的小龙虾死了之后，我等于是把它的记忆， 哎啊，我我他死了以后，我是给他一键恢复出厂设置那个格式化了啊，就是那个，呃，抖音的阿克可乐，他里面那个 可以直接格式化，格式化之后他不是就什么记忆都没有了吗？但是我由于提前备份好了这个记忆，那么我一键倒过去就行了。如果你不想养虾，养的前功尽弃，你一定要把这个记忆库给提前建好。我当时其实都蹦出来了一个灵感，我说要不要做一个这个，呃， 火葬场或者叫炼丹炉，你像人死了烧出来是骨灰，那小龙虾死了以后应该烧出来是他的记忆结晶呀，那么这个就是非常实用的功能，你像当前很多人 他讲什么啊？龙虾是病毒，之前是上门安装龙虾，现在有上门卸载龙虾，那我觉得其实复活龙虾他是一个更大的需求，因为很多龙虾养着养着就死掉了，或者说啊动不了了。那么你如果有这个 龙虾炼带卤，对吧？把它原本养的这个既精华给凝练出来，然后又出来一个，新开一个龙虾，你直接把它一键倒进去就可以了。 由此我们也可以衍生出一个新的商业需求啊。就比如说，呃，现在当当下大大家都在这个养龙虾，但是理论上啊，只要有一只龙虾， 他从零到一百这个路走完了之后，那么全球的龙虾都可以一键从零到一百，大家能理解这个意思吗？这个 ai 时代就是这样，你只要有一只龙虾从零到一百，你给他训练好了，就比如说从小学到博士的这个阶段，他走完了， 那么全球的龙虾按理说都可以一键实现呀，那后面可能就会衍生出这个卖这个特定的记忆库，或者说携带了特定的这个龙虾啊，我觉得这是非常好的商业模式，你像我现在我自己的工作中有需要用的，可能需要龙虾有特定的知识库， 我自己又不会训练，又或者说不想训练，就像软件时代，有很多软件，但是有成品的，你不是更省事吗？对吧？ 这是我养虾六天总结出来两个啊，特别实用的东西。第一个就是你如果使用的是扣丁破烂套餐，一定要部署一个，提前部署一个免费的本地模型啊，防止他回不了话。 第二个呢就是，嗯，要提前把这个记忆库给备份好啊，最后给大家汇报一下，其实我这两天比较纠结这个，我的这个阿克克罗他一个，他没有欧文克罗原版的那个心跳功能，但是我发现啊， 我给他调整好之后，我的这个小龙虾他似乎还会骗我了。你看他一直在给我发这个心跳报告，但是我怀疑他并不是自主在后台运行的时候给我发送的，而是可能写了一个什么编程，自己在糊弄我，他虽然一直在发，但是我感觉这是糊弄我，并不是有意识的在发的。 今天就到这，大家可以点个关注，我会持续分享送外卖，赚钱买头等我给龙虾打工啊，这个日常我也会把我养龙虾的这个经验持续多分享，感谢大家支持！

最近 ai 界掀起了养小龙虾热，但是有谁知道养着这个龙虾多费钱？ opencall 本身完全免费，收费只来自你接入的大模型 api。 一、 核心收费逻辑，小龙虾本地开源免费，本地部署无任何费用算力 token 收费，小龙虾只是指挥中心， 干活全靠背后大模型，你用什么模型，怎么计费，完全由模型方决定额外成本，本地运行电费，电脑损耗，云服务器部暑月费约六十到三百元。二、主流模型 token 收费，按一百万 token 公算 gpt 四 o 约一百到一百五十元。 wild 三、 opus 约一百二十到一百八十元。工艺千问文心一言约三十到六十元。 deepseek minimax 约十到三十元。免费模型，如 q n 七 b llama 三、本地版零元。 三、小龙虾烧钱有多猛？普通聊天一天几元到几十元，自动任务成文党一天几十到几百元很常见。复杂 a 诊多工具调用，单日上千甚至上万都有可能，隐藏消耗心跳机制，记忆重试机制，闲置也会烧头啃。四、 省钱方案一、优先用免费低价模型，本地开源模型，国内低价 a p i 二、控制任务复杂度，少开记忆，少用多工具缩短任务量。三、按量套餐，选平台包月套餐，如腾讯云 coding plan， 首月约八元，次月约二十元，无限 token 在 线次数。 四、本地部署，用自己电脑跑轻量模型，零 token 费，一句话记，小龙虾免费模型按 token 收费，想省钱就用低价免费模型加本地部署。还有，养小龙虾有安全风险，使用需谨慎。

今天咱们继续聊聊关于最近讨论度非常高的 ai 工具，饿笨可乐也可以叫它龙虾。我呢，前几天是部署了一个，最近呢，发现它的热度非常高， 本质上呢，它是一个基于大语言模型的本地 ai 代理，你要让他干活的话，你需要给他文件操作的权限，还要接入大模型的 api， 听起来很酷，对吧？但是这里呢，会引发几个核心的问题。 首先是技术的现状，大家都知道，当前的大模型还远远谈不上完美，胡说八道，也就是幻觉的问题仍然是存在的，特别是在文件操作上，他有可能会导致误删除，误改你的重要文件。这已经不是理论风险了，网上已经有很多的例子。 这就陷入了一个悖论，你给他完整的权限，他干活是方便了，但你的文件风险大增，你若不给权限，他能干的事就非常有限，可能就剩下整理整理信息啊，价值就大打折扣。 其次是安全隐患，这点非特别要警惕，如果你是从非官方渠道下载这类的部署，那么文件里可能会被投注，陷入恶意代码，导致你的 api 密钥，甚至电脑文件泄露。 另外，成本也可能是一个坑，一次文件操作指令消耗成千上万个 tokens， 远超你的预期。我就是因为部署了一个飞书，然后消耗了一百万 token。 那么普通用户要怎么做呢？我给大家几个建议。如果你是零基础的纯新手，我建议你现在不要自行安装，更要对网上网络上的这个什么叫付费安装服务保持警惕。 呃，在方案上呢，我们可以耐心的等待，像腾讯这类大厂未来更安全更可靠的官方产品。如果真想尝试尝试，优先在云服务器上部署。我就是用腾讯云部署的，没敢在自己家电脑上部署，先把你的重要文件环境隔离开，相对更安全。 最最后我想说说呢，对这个趋势的认知。 ai 智能体，让 ai 助手能处理各种的任务，这肯定是未来的方向。 但是当前这个阶段的工具显然成熟度还明显不够，所以不用陷入什么错失恐惧症，不必担心自己没赶上就被落下， 我们不妨把目光放长远，优先做好自己的工作流，等工具本身更成熟更安全了，再去从容的使用它。 那么总而言之呢，技术浪潮呢，是值得关注的，但保持理性和耐心，才能让我们真正的受益红利，而不是成为他早期的小白鼠。以上我表达清楚了吗？

相信大家现在还有很多人卡在 opencloud 的 部署上吧，这款真正能动手干活的开源 ai 智能体最近爆火，但是门槛不低。大家好，我是伟建。今天我用三分钟把云端和本地部署的区别、大模型调用的逻辑讲透，帮助大家少走弯路。 云端部署和本地模型的区别是什么呢？云端部署的一键镜像可以免去复杂的安装步骤，成功率几乎百分百，而且能七成二十四小时在线随时调用。但本地部署就不一样了，每个人的电脑环境不同，代码的能力不同，部署是各种的报错跳出来，成功率特别低。更关键的是，本地部署依赖自己的电脑，一关机就没法用了。这里重点说下本地部署，我只推荐虚拟机部署，为什么？ 因为 opencll 权限太高，很容易泄露公司信息、个人账号、密码甚至商业数据，风险太大。而虚拟机能隔离环境，既不影响原有系统，又能够降低权限的风险，是本地部署的最优解。 再讲大家最关心的大模型怎么选？ opencll 就 像一只手，要让它干活，必须配个大脑，这个大脑要么调用厂商的 api， 要么本地部署大模型。先说说 api 调用 top 机费 直接用厂商已经不好的满血大模型，不管是硬件还是通过他们的接口调用算力输出，结果按输入输出的 token 进行计费。现在很多厂商都有免费的 token 额度，日常使用的成本比较低，而且大模型的性能拉满，响应速度快，结果又精准。 那为啥不推荐本地部署大模型呢？不是不小，是真的不划算，现在大家的电脑显卡内存平均才有八 gb， 顶多只能部署八 b 以下的模型，和厂商的几百 b 满血大模型比，性能天差地别。有人说，那我买高端的硬件，一套能部署满血大模型的硬件不就行了？ 那你可以看看现在的硬件价格，一套能够部署满血大模型的成本价格大概在一千万左右，要是能花这个钱，根本就不会觉得套很贵了。 最后总结一下，想快速用起来，怕部署踩坑。选云端部署，非要本地用降低成本就选虚拟机大模型，优先选择现在免费调用大模型的厂商 a p i， 包括阿里云、华为云、腾讯云等 一夜的朋友们呢？想抓住 opencloud 的 红利，我会根据你的具体业务场景，免费为大家提供专属的落地解决方案。我是伟建，下次见。