更多动态
，同时大幅降低运行费用与延迟。 1️⃣ 性能卓越: 编码能力媲美 Sonnet 4 (SWE-Bench 73%)，命令行测试达 41%，轻量级不失强大。 2️⃣ 成本与速度: 输入 $1/M token，输出 $5/M token，仅为 Sonnet 4 的 1/3；推理速度提升两倍以上。 3️⃣ 多场景适用: 适合实时客服、代码补全、多任务并行处理；可与 Sonnet 4.5 等大模型协作，Haiku 4.5 负责具体执行。 4️⃣ 易于集成: 可通过 Anthropic API (claude-haiku-4-5) 调用，已上线 Amazon Bedrock 和 Google Cloud Vertex AI，并面向 GitHub Copilot Pro/Business/Enterprise 用户开放预览。 官网资料: anthropic.com/news/claude-haiku-4-5 👇 Claude Haiku 4.5 制作的“打方块”游戏demo
Builder (Beta)，这项功能允许用户通过自然语言描述来创建自动化工作流，无需手动配置。 🔹 核心功能 对话式构建：通过聊天界面输入需求，AI 自动生成完整工作流架构。 迭代优化：多轮对话调整，AI 即时修改工作流，支持添加条件逻辑、数据转换。 智能节点选择：AI 理解并调用 n8n 超过 400 个内置集成节点。 无缝切换编辑器：生成的工作流可随时转到可视化编辑器进行精细定制。 🆚 对比 Google Opal Google Opal 侧重轻量级原型构建，集成能力限于 Google 生态。n8n 则是一个成熟的生产级平台，提供 400+ 丰富的集成和企业级稳定性，支持复杂的业务场景。 两者可互补：Opal 用于快速验证创意，n8n 负责将其转化为可靠的生产自动化。 AI Workflow Builder 文档： https://docs.n8n.io/advanced-ai/ai-workflow-builder/
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
