Jie Mi

[Jie Mi @Jiemi232]

@nuvexfamily 6BDXMDJtJij2FmBXSZLL5svWUJYX9GUBADSURo4zPLva

[Jie Mi @Jiemi232]

@Covercgo 0x7684f7BAd8068Ee6A2C8bd2164a178Ede8aF1F26

[Jie Mi @Jiemi232]

如果还有人没有用上muse，那一定是非常令人遗憾的，如果是因为没有方法去注册账号，那这篇帖子一定能帮助到你： https://t.co/sVM7JavE6W

[Muse @Muse]

you gave your Muse a look. now give it a voice

[Jie Mi @Jiemi232]

@senge0301 好的，我今天找个时间把我的bridge muse开源放GitHub上面，然后给大家整理一个一键安装的agent配置提示词，大家又需要可以点点收藏

[Jie Mi @Jiemi232]

这绝对是你见过最具干货的帖子之一，它结合了最近爆火的jev模型以及muse智能体完成了99%的人想做到的agent间的协调和远程操控！

[Jie Mi @Jiemi232]

1/
这个开源项目解决了我 99% 在外面��不了电脑的问题！先放链接后介绍https://t.co/VtFUwFqmAw

2/
先说大家的苦恼，一条比一条扎心😤：
① A 家 agent 突然变强还送大量免费额度，你很想用，但它只能在电脑上跑——人在外面，只能干看着，有的时候福利吃的就是一个红利信息。
② 想把活儿从 B 家挪到 A 家，还得回家在电脑前人肉粘贴。
③ 每个 agent 都逼你装它的专属 App，消息散在微信、飞书、Telegram——人成了 agent 之间的传话筒。
Agent 越多，人越被拴在电脑前。

3/
💡我的思路是反过来的：不增加入口，只留一个。
让一个真正懂我的云端助手当总指挥，它去调度所有的 agent。
我只跟一个人说话，剩下的事它去办。

4/
🏗️解决办法分三层，很简单：
① 我：只表达意图
② 云端助手 Muse：理解意图，拆任务，选 agent，定验收标准
③ 家里电脑：通过加密通道直连，执行并实时汇报
我在外面说一句话，家里的 agent 就开始干活——写代码的、跑任务的、跑模型的，随叫随到。

5/
🧠为什么总指挥是它���第一，它记得我。
长期记忆：我的偏好、做过的决策、踩过的坑，它都记着。不用每次从头讲"上次说好的规矩"。
养得越久越懂我——这是换个新 App 就清零的东西。

6/
🛠️第二，它真能动手，还会验收。
能读写文件、跑命令、调通道，是真干活的。我的闭环：派发→跟踪→验收→建议。
验收时，最近爆火的 jev 模型当第二双眼睛——独立给完成度打分、给质量评分、给结论分类；最终判分我来下，不通过就打回重做。

7/
🤖而且智能体之间用的是程序语言交流。
给干活 agent 的指令是结构化的：目标、约束、验收标准全写死；回来的是结构化汇报：完成了什么、证据在哪、风险是什么。
人跟 agent 说话靠感觉，agent 跟 agent 说话靠协议。后者不丢信息。

8/
🔓这���最大的优势：不被任何一家锁死。
今天 A 家送福利、额度多，就用 A 家；明天 B 家变强，换过去就行——入口不变、习惯不变、记忆还在。
编排层和执行层解耦，谁家香用谁家。

9/
📱比如出门在外，手机上说一句"把数据清洗脚本跑完，告诉我结果"。
过一会儿它回：跑完了，2000 条剩 1832 条，过滤原因列出来了，抽查 20 条没问题。
全程没碰电脑——这就是那 99%。

10/
⚠️它也不是万能的。断网、断电、电脑休眠，通道就断——我定时巡检，断了标记，恢复自动续上。
剩下的 1%，是物理世界的事。

11/
总结：agent 时代，稀缺的不是 agent，是统一的调度。
与其在五个 App 里当传话筒，不如养一个真正懂你的总指挥。
这套方法论的模板我开源了，拿去就能用：https://t.co/VtFUwFqmAw
你被哪家的 App 锁过？评论区聊聊💬。

[Jie Mi @Jiemi232]

1/
做 AI 应用最疼的不是写代码，是 token 永远不够用。
官方 API 按量烧钱，免费额度几天见底；想批量生成数据、跑实验，还没跑出结果，账单先跑完了。
这篇讲怎么把闲置的订阅额度变成免费 API，以及接线时我踩过的四道坑。

2/
先介绍下我的开源小项目：chat2api-sft-toolkit。
配合 Sun9220/chat2api（MIT 项目）把 ChatGPT 订阅的闲置额度变成 OpenAI 兼容 API，工具包里有批量问答生成脚本、SFT 数据清洗脚本、踩坑文档和长文版。
地址：https://t.co/TwOyZ0Hrt6，目录 chat2api-sft-toolkit，觉得有用点个 star。
但注意：脚本有了，接线还有四道坎，下面是我实测踩过的。

3/
坑 0：别指望它做 tool_calls。
我实测过一个同类中转，带 tools 发请求，一次原生 tool_calls 都没回来；模型甚至用纯文本编造过"执行结果"，看起来调了工具，其实什么都没发生。
机制：网关直接丢了 tools 参数，还往上游注入了一条"不能执行工具"的提示。
判据：看返回的 tool_calls 是否非空。
结论：逆向通道只做生成、评测、造数据；要做 agent，走官方 API。

4/
第一道坎：配置的真实来源。你改的，可能不是它读的。
配置有四五层：环境变量、配置文件、面板设置、硬编码默认值，docker-compose 的环境变量还会盖掉配置文件。
解法：启动时打印最终生效的配置；一次只改一个变量二分定位；网页端参数以浏览���抓包为准——文档是人写的，抓包是机器发的，信机器。

5/
第二道坎：SSE vs JSON。流式不是"分段的 JSON"。
三种死法：拿 JSON 解析器直接解析整个流，[DONE] 当场炸；忽略 `: ping` 保活注释行；流式非流式用同一套解析——非流式没有 delta 字段，直接取空。
解法：看 Content-Type 分流，text/event-stream 逐行处理，[DONE] 收尾。

6/
第三道坎：delta 语义。最阴的一道：不报错，只出乱码。
每个 chunk 是增量：role 只在第一个包，后面全是 content 碎片得自己拼；finish_reason 最后一个包才有值。
翻车代码：text = chunk["content"]（覆盖，最后只剩一个字）；delta["role"]（第二个包直接 KeyError）。
记住：content 永远 += 追加，role 只取首包。

7/
第四道坎：严格的 schema 校验。���段对不上，客户端直接抛异常。
网页端原始字段名和 OpenAI 格式不一样，翻译层漏一个映射就炸；tools、strict 发过去可能被静默丢弃——200 OK 但参数根本没生效，排错排到怀疑人生。
解法：curl 裸调先行一层层套；别在逆向通道上用 strict/json_schema，结构化输出自己在外面做解析+重试。

8/
接线前自检清单：
□ 打印最终生效配置，确认改的是它读的地方
□ 网页端参数以 devtools 抓包为准
□ SSE/JSON 两套解析，[DONE] 和注释行都处理
□ delta 用 += 追加，打印前三个 chunk 裸看
□ curl 裸调，确认网关没丢关键参数
□ tools/strict/response_format 先验证再依赖

9/
懒人福音：不想学，复制下两段发给 AI Agent（全文版在仓库 prompts/），它全自动跑完。

你是资深 AI 工程助手，全程自动执行。
1.部署 https://t.co/EPZLCxKxQ1（Zeabur/docker/本地三选一），必须设 API_PREFIX
2.[需要我]让我去 https://t.co/QRN6LXz3mg 拿 token；配好 curl 测通接口
3.[需要我]问主题条数；clone 工具包跑 scripts/generate_dataset.py 生成；429等1h，401换代理

10/
4.跑 scripts/clean_dataset.py 清洗成 data/sft.jsonl（每行 {"prompt":"","completion":""}），汇报原始/剩余条数和过滤原因
5.[需要我]随机抽 20 条给我确认，不行问我要不要换主题重跑
红线：仅个人学习用，不商用不对外；花钱/发布先问我；别拿它做 tool_calls（实测不支持）；token 不写进任何上传文件

11/
还是那句话：仅供研究学习、个人开发和自己使用。逆向接口违反 ToS，封号是真实风险，别对外提供服务，别商用。
转发给那个天天喊 token 不够用的朋友。

[Jie Mi @Jiemi232]

如果你正在为免费token苦恼，那这绝对是你最值得看的一篇帖子，仅限个人学习使用，最后结尾给大家放了懒人福音，一键粘贴给agent一键完成配置。

[Jie Mi @Jiemi232]

有需要的可以自己去尝试，但是这个API调用无法使用工具，暂时仅限于开发者们用于免费白嫖额度研究和学习，过段时间再发帖教大家如何去转换成可以给agent调用tool的api

[Jie Mi @Jiemi232]

《把吃灰的 Chat 订阅额度，变成你的免费 API》

1/ 交着 Plus 的钱，大半额度却在过期前都没碰过。另一边，写脚本调 API 还得按 token 付费。这两笔账其实能并成一笔：把网页端的订阅额度，包成 OpenAI 兼容的 API，自己写脚本调用。

2/ 实现这个的就是 GitHub 上的开源项目 chat2api：
https://t.co/EPZLCxKxQ1（MIT 协议）
一句话介绍：把网页版 ChatGPT 逆向成 OpenAI 格式的 API。请求走 /v1/chat/completions，返回格式和官方 API 一模一样，几乎所有支持 OpenAI 的客户端都能直接接，换个 base_url 就行。

3/ 原理不复杂：它在你和 https://t.co/eNXAC1ZJM8 网页后端之间做了一层"翻译"。
你按 OpenAI 格式发请求 → 它转成网页端的内部对话请求 → 再把网页回复翻回 API 格式（支持流式 SSE）。
等于把"只能人肉聊天的额度"变成了"可编程的额度"。

4/ 它能干嘛？核心就一句：额度不再只能聊天，还能被你的脚本和训练管线调用。
- 免登录直接用 GPT-3.5，零配置开箱
- 登录账号 token 后，用 GPT-4/4o/mini、o1/o3 系列、GPTs，走的都是订阅里本来就有的额度
- 多账号轮询：一个 token 挂了自动换下一个重试；RefreshToken 定时自动刷新，不用隔几天手动续
- 支持 Team Plus 账号、图片/文件上传（URL 和 base64 都行）、o1/o3 推理过程输出，可当网关多机部署

5/ 怎么用？三步。
第一步部署，按 README 来（三选一）：
- 最省事：Zeabur 一键部署
- 有服务器：按 README 的 docker 命令起，Plus 用户推荐用仓库里的 docker-compose-warp.yml
- 本地：pip install -r requirements.txt 然后 python https://t.co/fT9HT3M5SY

6/ 第二步：给它 token。
浏览器登录 https://t.co/eNXAC1ZJM8 后，打开 https://t.co/QRN6LXz3mg，复制 accessToken 的值。
然后打开服务的 /tokens 页面上传；或者配环境变量 AUTHORIZATION 设个自己的授权码，请求时当 API Key 传，自动多账号轮询。

7/ 第三步：当 OpenAI 的 API 调。
POST http://127.0.0.1:5005/v1/chat/completions
Header：Authorization: Bearer 你的token
body 里 model 名带 gpt-4 就走 GPT-4 系列（要 AccessToken），不带默认走 GPT-3.5（免登录也行）。

8/ 几个关键环境变量（README 原话，不懂别乱设）：
- API_PREFIX：给接口加前缀密码，不设等于裸奔
- PROXY_URL：�� 401/403 时配代理换出口 IP
- ENABLE_LIMIT=true：不去硬破官方限流，尽可能防封号
- RANDOM_TOKEN：多账号随机还是顺序轮询
想开官网镜像（/login 网页版）就开 ENABLE_GATEWAY，但开了等于把入口暴露出去，自己掂量。

9/ 下面讲 SFT——监督微调（Supervised Fine-Tuning），这才是这套玩法的真正价值。
一句话：给预训练好的基座模型喂"问题→标准答案"的数据对，让它学会按你想要的格式和风格回答。训练时 loss 只算在"答案"部分，问题只是条件。指令微调（instruction tuning）本身就是 SFT 的一种。

10/ chat2api 和 SFT 的关系，叫"蒸馏"：
大模型当老师 → 用 chat2api 批量生成高质量问答对 → 攒成指令数据集 → 拿去微调本地小模型（Qwen/LLaMA 系）。
学生学的是老师的回答模式。这就是个人开发者玩得起的模型定制：数据成本约等于你本来就交着的订阅费。
记住一句：SFT 学的是"模仿"，数据质量决定上限——500 条干净的比 5000 条脏的好用。

11/ 我自己实测过一个同类中转（网页端号池，类型同 chatgpt2api 系），有个硬提醒：
这类逆向通道对 tools 参数支持有限——我实测没有产生原生 tool_calls，模型甚至以纯文本编造过执行结果。
判据：带 tools 发一次请求，看返回的 tool_calls 是否非空。所以它适合生成、评测、造数据；要做 agent 工具调用，该走官方 API 还是走官方 API。

12/ 最后几句：
① 逆向接口违反 ToS，封号是真实风险——仅供研究学习、个人开发和自己使用，别对外提供服务，别商用。
② 401 多半是 IP 问题（免登录对 IP 敏感，美国 IP 成功率高），429 是被限流，等一小时或换 IP。
③ 额度别浪费：chat2api 把它变成可编程的 API，SFT 把它变成���自己的小模型。下一篇讲接线时踩过的四个坑（SSE、流式增量、schema 校验）。
④ 配套的批量问答生成 + SFT 数据清洗脚本，我整理成开源小项目放自己 GitHub 了：https://t.co/TwOyZ0Hrt6（目录 chat2api-sft-toolkit），觉得有用点个 star。
⑤ 转发给那个还在按 token 交 API 账单的朋友，他可能正需要这个。

[Jie Mi @Jiemi232]

这是我一周高强度使用muse的剩余额度，这真的很不错！

[Jie Mi @Jiemi232]

如果一句话就消耗你百分之二三十的免费额度，另外每个月还要二三十块钱��去订阅才能使用，那我认为没有人会拒绝隔壁邀请即送10亿词元的muse。朋友们没有路径可以看我这篇帖子以及我的邀请码。 SYFTMH、MYU0RM、7T3HJM。 https://t.co/sVM7JavE6W

[Today AI @TodayAIofficial]

9月24日，和 Today 见面。

Today 中国版将于9月正式上线。你的专属 AI 助理会逐渐记住与你有关的事，在需要时主动帮你。

Meet Today on September 24.
Today launches in China. Your personal AI gets to know you over time and helps before ask.

iOS · Android · Windows · Mac · Linux

[Jie Mi @Jiemi232]

当然有些方面确实可圈可点，但是muse将会是大部分人的选择。

[Jie Mi @Jiemi232]

@ningmeng5188 感谢您的支持

[Jie Mi @Jiemi232]

🧵（1/9）
人在国内，实测用上了 Meta 刚发布的 AI Agent——Muse。
先说为什么值得折腾：它不只是聊天，每个人都有自己�� agent，跑在独立云电脑上，能替你上网办事、定时监控、整理文件——你不在线它也能继续干活。
福利也很实在：免费版每周 1 亿 tokens 额度，新人再用邀请码还能多领 2000 tokens

[Jie Mi @Jiemi232]

@mjjwiki 真心从百科老师这学会了很多，少走了很多弯路

[Jie Mi @Jiemi232]

不知道为什么还要那么多朋友还要花钱去找人注册Muse，https://t.co/FfzFj541uH，我已经写了非常详细的教程，自己踩了坑然后绕过去帮助大家，另外必须要注意，这个Muse现在只开放美国和加拿大两个地区，风控管控非常严格，所以大家还是尽量挑好的IP地址，百科老师的这篇帖子建议大家拿去学习，https://t.co/aWE9mjAcXp。另外注册完了之后第一件事就是绑定到whatapp上面，这样节点一直跳也不会因此而被封控，大家不要以为注册完了就完事大吉了，绑定whatapp上面一台属于你的云服务器兼小助理！

[Mark Zuckerberg @finkd]

Opening access for developers to build Muse connectors. You bring the API -- Muse brings the agent, the browser, and the context of what the person actually wants. People reach your service just by asking for it, and their agent takes it from there.

New connectors are live today. Come build with us. https://t.co/o6oTf1Sj9y

[Jie Mi @Jiemi232]

（8/8）
教程就到这里。能帮到你最好，有问题直接留言或私信我，看到就回。
注册链接再放一次：
https://t.co/F1GqkEejfL...

[Jie Mi @Jiemi232]

（1/8）
接上条，完整教程来了 👇
很多人问我 Gate、MEXC、Bybit EU 要的地址证明到底怎么搞。方法就是 WorldFirst（万里汇）开官方账户证明，全程线上操作，不用 P 图。
下面四步，手把手教你。

[Jie Mi @Jiemi232]

（7/8）
几个提醒：
⚠️ 注册时个人信息务必真实，认证对不上会被打回
⚠️ 证明上的地址按你实际需要填，但要和你提交给平台的地址一致
⚠️ 别 P 图造假，正规渠道的证明不比假的香吗