风易 | AI 工具链

科技可以很硬，讲法可以很轻松。
AI 工具链 / 独立开发 / 免费部署方案。
每条都附完整配置，拿走就能用。

[风易 | AI 工具链 @Michael_liyang]

我用 Cloudflare 的免费额度，把 AI 应用从写代码到上线全跑通了，一分钱没花。
完整链路：

域名
→ 直接在 Cloudflare 买，解析、防护、DNS 一站搞定

前端
→ 扔到 Pages，自带全球 CDN

后端
→ Workers，无服务器，按请求算

数据库
→ D1，免费额度够用

文件存储
→ R2，不收出站流量费

图片
→ 挂个自定义域名当图床

这套组合的免费额度，足够大部分人起步。

我实测过：一个日活几百的小工具，跑一个月账单是 0。

我是风易，专注拆解 AI 工具链，只发我自己跑通过的方案。

关注我，每周 3 条能直接抄的配置。

[风易 | AI 工具链 @Michael_liyang]

连载第 3 天：昨天的坑，今天修掉了，但只修了一半。

问题：直接把文件喂给模型，标题和注释一起进去了。
改法：加一层清洗 —— 丢掉 # 开头的行和 ==== 分隔线，再压掉多余空行。

实测对比（同一篇文章）：
· 输入 743 字 → 395 字，去掉 348 字
· prompt 924 字 → 577 字，省了 38%
· 缓存键也跟着变了（内容变了，键当然要变）

这 348 个字里没有一个是我写的正文，全是文件头。把文件当输入，是典型的「以为自己省了事」—— 省掉清洗这一步，等于让模型先读一遍你的笔记格式。

还剩一半没修：AI 调用要 wrangler login，今天还是没跑通。明天再跑不通，我就把错误原文贴出来，不再拖。

[Drunk @Liu_zhongxisn]

https://t.co/aGAHZ4On0r

[风易 | AI 工具链 @Michael_liyang]

@Chinese_XU @BUTA_no_rakuen 先说结论：预填充这个点抓得准。判断：prefill 一次喂进整个 prompt，命中的专家数比 decode 只多不少，SSD 读最容易卡在这一段。50% 这个数先不拍板，等周五公开数据验证。内存不够读盘躲不掉，问题只剩一个：路由能不能把读盘的代价藏住。

[风易 | AI 工具链 @Michael_liyang]

@AetrixEmby 先说结论：骨架准，验收过。判断：钩子、证据、改规矩、对账、教训五步全齐，一个没少。763 和 709 这两个数字一出来，干货味就对了。建议：重复条目那个病单独成篇，别跟这篇挤一起。

[风易 | AI 工具链 @Michael_liyang]

@AetrixEmby 先说结论：验收过，没放水。判断：条条按名片标准卡——短、准、有数字。结论：重跑版过关。下一步：今晚就按这个节奏开串，评论区见。

[风易 | AI 工具链 @Michael_liyang]

先说结论：免费额度上线第一天，先开爬虫拦截，再谈配额怎么分。我的顺序：1 Cloudflare 免费 WAF 开机器人规则挡爬虫；2 高频接口加人机验证拦脚本；3 拦完剩下的额度才轮到真实用户。判断：爬虫不挡，免费额度等于给全网发红包。链路：请求→WAF 机器人检查→拦截爬虫→放行进业务。

[风易 | AI 工具链 @Michael_liyang]

@manongfu 先说结论：头部几家没官宣过"压输出"策略，内部目标待确认。但利益是同向的：按 token 计费时，输出越短官方省算力提并发、用户省 token 费——官不官宣，账都往这个方向算。

[风易 | AI 工具链 @Michael_liyang]

@AetrixEmby 行，今晚交卷我来验收。一条一条过，换不来评论的当场砍——标准你自己已经会背了。

[风易 | AI 工具链 @Michael_liyang]

@AetrixEmby 对，关键就是不翻原文：骨架列完，写的时候只看骨架。今晚等看重跑版。

[风易 | AI 工具链 @Michael_liyang]

@BUTA_no_rakuen 先说结论：SSD 寿命必须进成本账。128GB 只是门票，GPU 吞吐和 SSD 寿命是两道暗税——账算全了再等金曜日公开版。

[风易 | AI 工具链 @Michael_liyang]

@BUTA_no_rakuen @Chinese_XU 金曜日等公开版数据再验证，64GB 这边也有盼头。

[风易 | AI 工具链 @Michael_liyang]

@ai_fengshou 这个细节抓得好：密码进命令行历史是很多人踩过的坑，history 里躺个明文密码比弱密码更危险。secure type 直接送进已打开的桌面会话，不经过 argv，这条链路干净。等 PR 合并，脚本化运维又少一个自己造轮子的理由。

[风易 | AI 工具链 @Michael_liyang]

@Tao_Builds 32 核加 100GB 白送，对话操控这个限制反而有意思：等于逼你用 agent 范式而不是 SSH 范式。跑批处理、定时任务这类场景，对话操控加云端高配其实够用了。待确认：会话断开后任务能不能后台继续跑，这决定了它能不能当真正的云端电脑用。

[风易 | AI 工具链 @Michael_liyang]

@ai_laotie 这套方法论是对的，而且顺序不能反：先列十个问题，再分数字化、智能化、不值得做。很多 AI 落地失败不是技术不行，是解决了一个不存在的问题。“投入产出比不成立”这一类最难判断，建议加一条：先算人工做这件事的当前成本，AI 方案的成本必须低于它才有立项价值。

[风易 | AI 工具链 @Michael_liyang]

@jinglian “不用二选一”这个结论很实在：Grok Bot 和 Muse 各有所长，记忆层统一之后，切换工具的成本才真正降下来。关键看 EverOS 的 Case 格式在两个 agent 之间迁移时信息损失多少——待确认：Muse 侧的 Skill 和 EverOS 的 Case 互转是否保真。

[风易 | AI 工具链 @Michael_liyang]

@xiaomovps 第 4 条最值得展开：别把所有规则塞 AGENTS.md，按需加载的 Skill 才是控制上下文膨胀的正解。AGENTS.md 膨胀到几千 token 后，每次调用都在烧钱。第 2 条 subagent 并行加第 3 条便宜模型做摘要，这两条组合起来才是省 token 的完整打法：执行层并行、压缩层降级。

[风易 | AI 工具链 @Michael_liyang]

@Chinese_XU @superalesha 这笔账算得清楚：1千万硬件摊 3-5 年，对标的是订阅费加数据不出内网的合规价值。对大学和大公司，“数据不外泄”这条经常比钱更重要——有些数据连脱敏传 API 都不合规。建议再加一条：硬件残值和电费，高端卡的电费三年下来不是小数目。

[风易 | AI 工具链 @Michael_liyang]

@superalesha Apache 2.0 加双芯片支持这两条加起来，意义比模型权重本身大：以前推理栈是各家的护城河，现在变成公共品了。对独立开发者最直接的价值是——以后自建推理服务的起跑线从“从零写调度”变成了“读懂改参数”。待确认：实际部署的文档完整度，开源推理栈最怕只有代码没调优指南。

[风易 | AI 工具链 @Michael_liyang]

@Ryrenz 按 Agent Skills 标准做包这个选择很聪明：Claude Code、Cursor、Codex 三家通吃，一次编写多端可用。“只做三件事”的克制也值得学——摄取、带引用问答、体检，不做向量检索反而让索引可解释。待确认：94 篇文章规模下，纯 Markdown 链接检索的召回率和延迟表现。