用了一段时间DeepSeek-v4-pro，后端它和Mimo-v2.5-pro坐一桌，在gpt的review下，它的返工率不低。
也可能是它对claude code兼容性差。反而上一代glm5，用claude code写后端完成度还可以，听说glm5.1和claude code更是绝配。
用了一段时间DeepSeek-v4-pro
更多动态
如果你也在用龙虾 🦞，这个工具能让它们变得更聪明
Pieces.app 是一个安装在你自己电脑上的 AI 长期记忆引擎，支持 macOS、Windows 和 Linux。 它在后台自动记录你的工作上下文，VS Code / Cursor 里的代码和报错、浏览器里看过的文档和复制的内容、截图（OCR 识别图片中的代码）、会议录音转写，还有 Slack / GitHub / Google Drive 的协作记录。所有数据本地处理，不上云。屏幕录制和录音是可选权限，你自己决定开不开。 我觉得有意思的是它的 MCP Server。Pieces 在本机暴露了一个 HTTP 服务，任何支持 MCP 的 AI Agent （Open Claw / Hermes）都能直接调用你的本地记忆。我的玩法是用 Tailscale 把几台设备组到同一个私有网络里，让另一台机器上跑的 Hermes 通过内网 IP 直接连 Pieces 的 MCP Server，本地记忆变成了跨设备可调用的私有服务，不暴露公网。 你所有的 AI 工具，不管在哪台设备上，从此都能共享同一份“了解你过去”的记忆库。 🔗 pieces.app
分享下我自己Claude code的搭配，用起来很舒服
先用docker容器部署cpamc将所有AI聚合统一调用，例如GPT、DeepSeek、百炼（qwen和glm），再用cc-switch配置不同的模型。 vibe coding流程是先plan模式，用GPT做规划；再auto模式，用便宜的模型完成计划；最后在原窗口切回GPT review下diff，可以就提交，不行就返工给便宜模型。
claude申诉失败了。
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。
分享下现在的纯手机端工作流。
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。
