夜雨聆风讲真 学习AI工具也将近一年了
这里分享一下我个人的历程（不感兴趣的直接下滑），顺便普及一下我最开始了解到的AI相关概念
最初我接触的第一款AI工具 是cherrystudio和chatbox
当时只是为了筹备数学建模比赛 由于我们队伍都是小扒菜 很当然的想到了借助AI工具
不过当时2025年AI没有那么强大 尤其是国内的大模型很多幻觉
我一次偶然机会在b站一个投放ChatGPT免费使用的广告
抱着好奇心去试了一下 其实后面才了解到他家不是ChatGPT官网，是国内使用ChatGPT的镜像版本
后来啊，随着使用频率增加，我逐渐意识到原来国外的模型真的要比国内的好些，知识知识领域和专业程度从对话中能明显感受到差距
我第一次为了比赛的顺利完赛
协商另外两名队友aa买了个月会员增加对话次数
虽然当时也明白，镜像版本存在隐私泄露的风险，不过想想我们也没有特别重要内容值得被窃取，所以还是买了
在当时我一直以为我使用的是官方ChatGPT🥲
后面暑期去深圳表哥那边当保安暑期工的时候，我在宿舍内学习过一段时间神经网络
偶然一次机会在闲鱼看到有卖什么Claude Code API的，因为我当时网页版也有看到什么大模型聚合，用过一段时间Claude
由于Claude输出文本质量比ChatGPT和Gemini更加符合人类的表达习惯和用语风格，我对他是十分偏爱
我抱着好奇去深入了解API概念，现在才明白
API就好比你和AI对话的传话筒，你发消息和接收AI回复的消息需要提供API接口来实现传递（API全称应用程序接口，英文名application program interfere）
如果将人类与AI对话的过程比作声音的传播 那么API就是声音传播所需要的介质—空气
那么通过API与AI对话有什么好处呢？
我们大多数人习惯使用的是各家明显的app或者网页版（例如豆包电脑版，DeepSeek网页版）
这类平台是官方自己做好的产品，你要使用他们提供的服务就只能在他们规定的平台使用，不能跳出网页或者app
这也规定了你使用大多功能（包括文件上传，网络搜索，自然对话，文本翻译，图像制作，数据分析）等等工作都只能在它平台上使用
你不能灵活地跳出它的限制到你本地电脑进行其他操作，但是吧我们大多数人工作最需要的是直接在电脑本地项目完成
而API就是为了解决这一缺陷而诞生 它可以
直接对你目前正在阅读的zotero文献进行整理归类 直接批量审查你本地的报表和数据 直接对你的本地代码文件进行操作，不需要网页版复制粘贴操作 直接在你的文件夹根据你的文案和要求批量生图和生成视频拼接 直接根据你的本地数据进行nature级别科研绘图和数据处理
类似的使用场景特别特别多
API最大的好处就是灵活 你可以借助API这个载体到各种各样的应用或者插件来使用AI大模型
举个最简单的例子—沉浸式翻译/陪读蛙（沉浸式翻译开源版） 关注我的老粉应该都清楚我之前推荐的这个网页插件
接入API之后，你就可以让DeepSeek帮你翻译网页内容，而不用离开网页界面重新到DeepSeek官网让他翻译，使用起来非常方便
我最开始使用的就是网页镜像版本的GPT，后面才开始使用闲鱼上那种低价的API服务平台，也就是所谓的API中转站
你可能要问了，这些中转站价格有时候便宜得离谱，一块钱就能用上几十块的额度，它们到底怎么做到的？
谈到这儿得先说一下中转站的历史了
OpenAI早期用的是后付费模式——绑张银行卡，当月用完月底出账单。对中转站来说，这是天降的机会：注册一堆账号，绑零余额的一次性虚拟卡，月初猛跑，月底账单来了直接跑路，账号被封再开新的，周而复始。
账号用开源自动注册机批量生成，虚拟卡可以找卡商批量买，成本几乎为零。后来 OpenAI 转向预付费，这波才算被掐灭。
AI 热起来后，AWS 这些云厂商跟了上来，把模型部署在自己平台上——后付费又回来了，而且注册还送 200 刀试用额度。紧接着教育优惠来了，学生、老师可以拿到几个月甚至一年的免费权益。
于是有人买教育邮箱，有人手搓学生证，最狠的是直接自己搭"学校"（这里特别感谢L站的那些公益大佬）——有官网、有证书、有招生页面，自己建校自己入学，顺手批量给自己分配邮箱。
二手市场上那些余额动辄几千上万刀的 API Key，基本都是这么来的。
风控收紧后，中转站找到了更稳定的玩法，也是现在的主流方式。
OpenAI Plus 套餐 20 美元一个月，听着不便宜——但这个套餐里包含了开发者工具 Codex 的使用权，如果把每周额度跑满，换算成 API 标准计费，一个月大约值 400 美元，比例是 1:20。
中转站的做法就是批量买很多个 Plus 账号，逆向 Codex 的接口，把原本跑在编辑器里的 API 接出来拼成号池，哪个没额度了或者被封，中转服务器自动切换到下一个。10 美元入手，撬出 400 美元额度，不就是 0.25 折？
最激进的玩法叫"日抛号"——用特殊渠道零成本注册的账号，平均寿命只有一天，账号今晚到期，用掉总比浪费强。顶级的号池甚至是全自动的，检测到账号额度不足，直接自动补号。
你在某鱼看到的各种"拼车" "合租" （business、team拼车）
一块钱用几十块额度，本质就是这么一回事。
不过，这里需要告诉大家，不管是镜像版还是中转站，都存在隐私泄露的风险，建议谨慎操作
不过话说回来，我写的东西给那部分人卖了也没有意义，因为谁会在意一个普通大学生对话的内容，又没有涉及国家机密或者企业核心技术哈哈哈
那如果真的要用中转站，有几条经验可以参考：
1. 别充太多钱。 中转站随时可能因为上游封号或者政策变化直接挂掉，每次充个小额够用就行，损失也可控。（像n佬之前就是这样，直接跑路了，好在我没有冲多）
2. 认清来源标注。 靠谱的中转站会写清楚自己的渠道来源，比如"Claude官方Max套餐"或"GPT Plus逆向"。什么标注都没有的，你买到什么全凭运气。
3. 远离免费的。 免费中转站十有八九是用你的对话数据来"找补"的，不要碰。
这里推荐几个网站：
API中转站质量检测网站： https://relaypulse.top/ AI评测网站： https://www.helpaio.com/transit
我用了也差不多半年了，其他这里就不打广了，反正中转站性价比挑选绕不开“便宜、稳定、快速”三选二。
最后想说，中转站是个灰色地带——风险是真实的，便宜也是真实的。它的存在，本质上是因为国内用正规渠道买GPT、Claude太麻烦、太贵，中转站填补了这个空缺。
等哪天国内的大模型能力真正追上去，或者官方价格打下来，这些中转站大概就消失了。
可惜的是，现在token也行只会越来越贵，但在那之前，它确实是很多普通人接触顶级模型门槛最低的方式。
好了，说完API和中转站，接下来进入更好玩的部分
你在各种AI工具里一定见过这些词：Prompt、Plugin、Agent、MCP、Skills、Hooks
但大多数科普文章要么说得太技术，要么直接跳过不解释
这里我用最通俗的方式，把这六个概念都讲明白
Prompt（提示词）——你跟AI说的"每一句话"
Prompt这个词翻译成中文叫"提示词"，但说白了就是你输入给AI的内容
你问AI"帮我写一份请假条"，这就是一个Prompt
你说"你是一个严格的语文老师，帮我批改这段作文"，这也是Prompt
那为什么有人的AI用起来效果特别好，有人用起来感觉像在跟一块木头说话？
本质区别就在于Prompt写没写到位
说个生活场景：你去奶茶店点单
说"给我一杯奶茶" → 店员懵了，要问你好几个问题 说"给我一杯中杯、七分糖、少冰的芋泥波波奶茶，用纸杯" → 直接出单，没有废话
AI也一样，你给的信息越具体，它产出的结果越精准
写好Prompt的几个技巧：
1. 给AI一个角色
"你是一位有十年经验的产品经理，帮我分析这个功能需求"比"帮我分析这个需求"效果好得多
2. 举例子（Few-Shot）
与其说"帮我写一条幽默风格的文案"，不如直接说："下面是三条我喜欢的文案风格：[例1][例2][例3]，请照这个风格帮我写"
几个例子比一千个形容词有用
3. 让AI一步步思考（Chain of Thought）
遇到复杂问题，在末尾加上"请你一步一步分析"或者"Let's think step by step"
这能让AI把思路拆开来想，而不是直接跳到一个可能错误的答案
4. 说清楚你要什么格式
"帮我总结成三个要点，每个要点一句话，不超过20字"比"帮我总结"具体太多了
Plugin（插件）——给AI装"外挂"
你用过浏览器插件吗？比如油猴脚本、广告屏蔽插件
装上之后，原来的浏览器就多了新能力——这就是插件的概念
AI的Plugin也是同一个逻辑：给AI安装一个功能包，让它具备本来没有的能力
2023年3月，OpenAI推出了ChatGPT插件商店，一度超过1000个插件上架——有的能帮ChatGPT实时搜索网页，有的能直接操作你的日历，有的能查股票行情
听起来很厉害吧？
但结果到了2024年4月9日，OpenAI直接把这个功能整个关掉了
原因很简单：1000多个插件，真正常用的寥寥无几，大部分用户根本不知道怎么选、怎么用
OpenAI后来把插件模式换成了"Custom GPTs"——你可以理解成把插件功能内置进了一个定制化的AI助手，更傻瓜，但也丢失了很多灵活性
Plugin和API有什么区别？
API是传话筒（让AI和外部工具通信的管道），Plugin是一个装好的工具箱（里面打包了各种功能，拿来即用）
API需要你自己配置，Plugin一般点击安装就完事了
简单说：API更底层，Plugin更傻瓜
Agent（智能体）——从"回答者"到"行动者"
这是近两年最火的概念，也是让很多人感到困惑的地方
普通AI（比如你直接问ChatGPT一个问题）：你问→它答→结束
Agent：你说目标→它自己想办法→自己找工具→自己执行→告诉你结果
最核心的区别：普通AI是"回答者"，Agent是"行动者"
举个例子：
你跟普通AI说："帮我订明天早上9点去北京的高铁"
普通AI回答："我没法订票，你可以去12306……"
你跟Agent说同样的话，Agent会：先查询明天北京高铁余票 → 筛选9点前出发的车次 → 登录12306账号（如果你授权了）→ 选座 → 付款 → 告诉你"已订好G108次，8:42出发"
这就是Agent的本质：不只告诉你怎么做，而是直接帮你做
2023年有个叫AutoGPT的开源项目，号称能自主完成一切任务，发布两周就收获了10万颗GitHub星星，一时间让所有人都觉得"AI打工人要来了"
结果呢？用起来经常原地转圈、幻觉乱飞、任务跑偏——完全不像宣传的那么能干
真正落地的Agent其实更"务实"：做客服的、做数据分析的、做代码审查的，都是针对特定场景、有人类把关的Agent，而不是那种"什么都能自主完成"的幻想
到2024年，调查显示已经有51%的专业人士在工作中用上了某种形式的Agent——只是大多数人用的时候不知道那叫Agent而已
MCP（Model Context Protocol）——AI世界的"USB-C接口"
这是2024年底Anthropic（Claude的母公司）发布的一项新标准
在解释MCP之前，先说一个问题：AI想用外部工具，之前有多麻烦
比如你想让Claude帮你查你的Google日历。以前的方式：
开发者专门为Claude写一套接入Google日历的代码 另一个AI（比如GPT）要用，得重新写一套 换一个工具又得再写一套 一旦Google日历的API更新，之前的代码可能全部失效
每接一个工具都是个独立工程——繁琐、不通用、维护成本高
MCP就是为了解决这个问题而生的
MCP的全名是Model Context Protocol，翻译成中文叫"模型上下文协议"
听起来很绕？其实就是定了一套标准规范，让所有AI都能用同一种方式跟外部工具"说话"
就好比USB-C出来之前，各家手机充电口各不相同，一根苹果充电线根本插不进安卓手机
MCP就是AI世界的USB-C——统一接口，一个规范，所有工具都能接
你接入一个MCP服务器，Claude可以用，GPT可以用，其他任何支持MCP的AI也都能用
2025年3月，OpenAI宣布他们的Agents SDK正式支持MCP，这意味着MCP从一家公司的标准变成了整个行业的标准
现在你可以找到各种现成的MCP服务器：连接Google日历的、连接本地文件夹的、连接数据库的、连接GitHub的……
一旦配置好，你的AI助手就真的可以帮你操作这些工具了
Skills（技能）——AI助手的"内功心法"
如果说MCP是AI连接外部工具的USB-C接口，那Skills就是AI本身储存的"行事规则"
你可以把AI想象成一个新来的员工
不配置任何Skills的AI：你说一件事，它做一件事，没有经验积累，每次都从零开始
配置了Skills的AI：它知道"遇到XX类型的任务要这样处理"、"这个项目有这些规范"、"遇到不确定的事情要先问清楚再行动"
Skills = 给AI灌输的专业经验和行事规范，不需要你每次提醒，它会自动带入
比如你配置了一个"写作技能"：所有输出都要先给结论、再给论据、不用bullet point
以后不管你叫AI做什么写作任务，它都会默默遵守这个规则，不用你反复强调
又比如你配置了一个"代码审查技能"：每次修改代码之前要先备份，高危操作要先确认
AI就会把这个规矩变成条件反射，而不是每次都得靠你提醒
Skills和Prompt的区别？
Prompt是你每次对话时输入的内容（一次性的）
Skills是提前预设好的行为规则（持久生效的）
一句话：Prompt是"今天让它怎么做"，Skills是"让它永远懂得怎么做"
Hooks（钩子）——AI流程里的"自动传感器"
Hooks这个概念在Claude Code（Anthropic的编程AI工具）里特别重要，但说白了就是一句话：
在某件事发生的时候，自动触发另一件事
就好比高速公路上的测速摄像头：
只要有车经过（触发条件），摄像头就自动拍照（执行动作）——不需要人手动操作，100%可靠
AI的Hooks也是这个逻辑：
每次AI修改文件之前 → 自动备份一份（防止AI改坏了） 每次AI写完代码 → 自动跑一遍格式化工具（保持代码规范） 每次AI执行了危险操作 → 自动发一条通知给你（随时掌握动态） 每次AI完成一次对话 → 自动记录到日志文件（留存记录）
Hooks最大的价值是：AI的行为是不可预测的，但Hooks是代码，执行结果100%确定
你配置了"代码修改前备份"的Hook，就一定会备份——不会因为AI"忘了"就跳过
就好比银行给每笔转账都加了验证短信，这个短信不是靠柜员记得发，是系统级别的强制触发
常见的AI Agents工具：你经常会听到的几款
如果说上面讲的是“Agent是什么”，那下面这几款就是现在最常被拿来举例的工具。
如果把它们再粗暴一点分一下，你大概可以这样理解：
- Codex / Claude Code
：更偏“代码工作流”，就是你把活丢给它，它去读仓库、改代码、跑测试。 - OpenCode
：更偏“开放版的终端编码代理”，你想换模型、想自己掌控，选它会更顺手。 - OpenClaw
：更像一个把 AI 接进消息和设备入口的总控台，不只是写代码。 - Hermes
：更像一个长期搭子，重点不是单次回答，而是记住你、学会你、慢慢变顺手。
我自己的感觉是，Codex 和 Claude Code 最像“工程师搭子”；OpenCode 像“更自由的替代方案”；OpenClaw 像“AI 总控入口”；Hermes 则像“会越用越懂你的长期代理”。
好了，六个概念讲完了
这些概念乍看起来很技术，其实背后都是同一件事：
让AI从一个"问答机器"，变成一个真正能帮你干活的数字助手
API是管道，Prompt是说话方式，Plugin是工具包，Agent是会自主行动的助手，MCP是标准接口，Skills是习惯规范，Hooks是自动化触发器
它们不是孤立存在的——一个真正强大的AI工作流，往往是这些东西组合在一起发挥作用的
所以下次当你看到某篇文章说"配置好MCP，AI就能自动帮你管日历"，你应该能反应过来：是有人在AI里配置了MCP服务器接口，再加上一些Hooks做自动触发，AI才能完成这件事——而不是AI自己突然学会了什么新技能
理解了这个底层逻辑，你在选工具、配工具的时候，就能真正知道自己在做什么了
今天就先简单给大家过一遍AI相关的一些概念，可能讲得不算专业，但肯定通俗易懂，后面有机会我真想出一期Claude Code的使用教程，但是吧，现在网上其实已经有一堆教程了，感觉没有太大必要，今天也是受粉丝建议而写一篇概念的速览，后续还有个教程专门讲如何使用Codex自动分析论文相关内容并带上真实文献引用，也是受某位粉丝请求
这几天，真是折磨煎熬，写作也是断断续续，真希望能够快点结束化设和期末考，我现在真的对AI编程上瘾了，这不，最近又开发了一款面向Obsidian到WeChat微信公众号写作编辑排版的工具
包括我这一片排版就是使用了这个工具，然后还有AI配图功能
项目地址：
https://github.com/luffysolution-svg/obsidian-wechat-formatter
感兴趣的可以提前了解使用，等后续我有时间增加新功能即将全面开放使用
嗯呐，今天的分享就到这里
感觉这次写的有些逻辑混乱，梦到那写到哪，可能是最近复习复得麻木了
好了，依旧下次再见，我是口天三木，也可以叫我Luffy，欢迎一起交流学习
目前在探索AI和zotero、Obsidian集成，AI与材料、化学智能体，感兴趣可以一起交流
愿我们永远保持探索，走在驾驭AI的路上！