当前的claude code我高攀不起
起初的原因是因为,claude code实属是当下agent的顶流,我也没有理由不跟波风。但由于地域原因,claude无法在国内注册。未果。
cc switch来了
其实已开始,我也并不知道这个软件,这多亏了我在我们专业2班的兄弟了。一经介绍之后,我今晚抽出来时间操作了一番。发现还是可以使用claude code的。其原理大致可以解释为,claude code只能匹配自己的Anthropic协议,但其他api有各自的格式协议,故使用了cc switch来作为中转站,进行代理和协议的转换。
磨拳擦掌开始使用claude code
我本身也并不喜欢挨着视频一分不差的看完,但经过基本的了解之后,发现claude code支持多模式切换使用,自动模式,计划模式,确认模式。
- 确认模式:agent提出的每个操作请求都要经过人工审核。主打稳妥。
- 计划模式:进入规划模式,用户可以提出各类问题,来规划项目方案,或者自己的想法,claude code会智能地引导你一步步完善你的计划。节省token,计划更有体系。
- 自动模式:agent自动执行操作请求,不经过人工审核。效率快但有风险。
了解了三种模式,我们便可以提出一次想法了。
First try—优化博客
优化博客主要分为两个方面,代码结构和具体页面修饰。
我首先提出了一个总体的要求,之后他自动帮我把我的话整理之后,进行二次处理。
用户 FRiver 拥有一个基于 Hexo + Stellar 主题的个人博客(雨停之后),托管于 Vercel,仓库位于 GitHub。本次 session 的核心任务是:审查博客代码结构、执行全面优化、并打通未来的自动化部署流程。
之后一直在自动模式下,经过几次无脑确认,就可以完成本次的代码修复,以及具体博客内容的模块调整。帮我提高了工作效率。之后我让他给我了完整的操作内容,附下。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
| Claude Code Session 总结:Hexo 博客全栈优化
任务背景
用户 FRiver 拥有一个基于 Hexo + Stellar 主题的个人博客(雨停之后),托管于 Vercel,仓库位于 GitHub。本次 session 的核心任务是:审查博客代码结构、执行全面优化、并打通未来的自动化部署流程。
本次 Session 完成的工作清单
一、代码结构审查与清理。发现根目录存在 100 多个 Hexo 生成的 HTML/JS/CSS 文件被错误提交到 Git,导致仓库膨胀、结构混乱。通过 git rm --cached 加物理删除,将仓库精简为纯源文件形态(94 files changed, +190 / -45,488 行)。
二、Git 配置修复。修复 .gitignore 中的拼写错误,添加完整的生成文件忽略规则(node_modules/、public/、db.json、.deploy*/)。删除根目录下的 2025/、2026/、about/、archives/、categories/、css/、js/、tags/ 等所有生成目录。
三、Vercel 部署配置优化。重写 vercel.json,明确指定 buildCommand 为 npm run build(即 hexo generate)和 outputDirectory 为 public,使 Vercel 能够自动从源码构建并部署。
四、依赖清理。卸载未使用的 hexo-theme-landscape 主题和 hexo-deployer-git 部署插件(用户已迁移至 Vercel,不再需要 GitHub Pages 部署),删除空的 _config.landscape.yml 和 themes/ 目录,移除 _config.yml 中过时的 deploy 配置块,删除 .deploy_git/ 缓存目录(约 12MB)。
五、Dependabot 策略优化。将依赖更新频率从「每日 20 个 PR」调整为「每周六 5 个 PR」,减少噪音。
六、文章元数据补全。为全部 16 篇文章补充 categories 字段(Linux / AI / 生活),修复标签重复问题,将 C++ 标签改为 C/C++(加号在 URL 中会导致标签页无法生成),为唯一无标签文章「慢慢走下去」补充标签。更新 scaffolds/post.md 模板,默认包含 categories 字段。
七、项目文档。创建 README.md,包含本地开发命令、文章写作示例、Vercel 部署指南和目录结构说明。
八、推送部署。将所有变更提交并推送至 GitHub,Vercel 将自动触发构建部署。
模型表现观察(基于 deepseek-v4-pro)
本次 session 使用的底层模型为 deepseek-v4-pro,通过 Claude Code 的 agent 架构驱动。以下是几个关键观察:
任务切换效率。本次 session 在「代码审查 → 结构优化 → 配置修复 → 内容编辑 → 文档撰写 → Git 操作」等多个迥异任务之间无缝切换,模型在每种任务模式下均能保持一致的输出质量,未出现上下文丢失或风格偏移。
Plan Mode 与执行模式的灵活切换。用户在前期要求「先审查再动手」,模型进入 Plan Mode 进行了全面的代码探索;确认问题后退出 Plan Mode,进入高效执行阶段。这种模式切换由 Claude Code 的 harness 层自动管理,对用户透明。
底层操作能力。模型直接操作了 git 暂存区(git rm --cached)、文件系统(批量删除生成文件)、npm 依赖管理、YAML 配置编辑、批量文本替换(Python 脚本修复 16 个文件的 frontmatter),展现了 Claude Code 作为 CLI 工具的强大底层能力。
性价比。本次 session 处理了 94 个文件的变更(+190 / -45,488 行),涵盖代码审查、结构重构、配置优化、内容编辑、文档撰写和 Git 操作等多个维度。如果人工完成这些任务,保守估计需要两到三个小时;而通过 Claude Code + deepseek-v4-pro 的组合,在单次对话中一气呵成。
中文技术内容处理。博客内容为中文技术文章(Linux 系统编程、AI 概念介绍等),模型准确理解了文章主题并为每篇文章分配了合适的分类和标签,包括对 C++ 文件名兼容性问题的识别和修复。
关键数据
文件变更:94 files changed。 新增行数:+190 行。 删除行数:-45,488 行(主要是清理的生成文件)。 修改的文章:16 篇(全部补充 categories 与标签修复)。 清理的生成目录:15 个(2025/、2026/、about/、archives/、categories/、css/、favicon/、js/、links/、page/、tags/、themes/、.deploy_git/ 等)。 卸载的冗余包:2 个(hexo-theme-landscape、hexo-deployer-git)。 编辑的配置文件:6 个(.gitignore、vercel.json、_config.yml、dependabot.yml、package.json、scaffolds/post.md)。 新建文件:2 个(README.md 与本次总结文件)。
|
Second try—实现一个企业级的任务待办软件
最初我也没有这样的灵感,其实我也没有使用claude code的经验,多亏了Claude Code 从 0 到 1 全攻略:MCP / SubAgent / Agent Skill / Hook / 图片 / 上下文处理/ 后台任务这个视频,主播同样是马克的技术工作坊(他真的很厉害)。在视频开头就带着我们使用claude code来实现一个纯前端HTML的任务待办web,之后主播对项目进行了优化,加入了react + vite + TypeScript的前端框架。我心想,既然都要使用claude code了,为什么不进行一些更好的询问。
我启用计划模式,我要做一个前后端分离的项目,让他在现有的框架下多给我一些思路,包括前端的技术,后端的实现等等。通过一系列沟通,我们敲定了计划,React + TypeScript + vite做前端处理,python + REST API做后端处理。中间我们聊了很多,包括可以不可以使用rust作后端,为什么不建议使用c++来写后端,不同的前端技术的优缺点等等。
之后在自动模式中,一切都交给claude code和deepseek了。
最后我让他总结了整体内容,把我们的沟通对话和项目文件都传入到git仓库内,一切行云流水。
下面是我们的session内容,附下。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200
| Session 开发记录 ==================
日期:2026-06-11 目标:将 C++/Qt 桌面待办应用迁移为现代 Web 全栈应用
一、项目背景 ============
原有项目是一个 C++17 + Qt5/Qt6 桌面端待办应用,功能包括:
· 任务增删改查、完成状态切换 · UUID 标识、JSON 文件持久化 · 系统托盘、无边框窗口、始终置顶
代码位于 desktop-legacy/(已归档)。
二、技术选型讨论 ================
2.1 前端框架选择 ----------------
对比了 3 套方案:
方案 A(选中):React 19 + TypeScript + Vite 优势:生态最大、招聘市场首选、TS 支持最佳 劣势:学习曲线中等
方案 B:Vue 3 + TypeScript + Vite 优势:上手最简单、中文文档好 劣势:生态略小于 React
方案 C:Next.js(React 全栈) 优势:开发效率最高、部署简单 劣势:前后端耦合
>>> 决策:选择方案 A — React + TypeScript + Vite
2.2 后端方式选择 ----------------
对比了 4 种后端架构:
纯前端(localStorage):最快但无跨设备同步 REST API(选中):前后端分离、灵活、可复用 全栈框架(Next.js):耦合度高、迁移成本大 BaaS(Supabase/Firebase):供应商锁定
>>> 决策:选择 REST API 前后端分离架构
2.3 后端语言对比 ----------------
┌──────────┬───────────────┬───────────────────┬──────────┬──────────┐ │ 语言 │ 框架 │ 性能(单机 CRUD) │ 开发效率 │ 结论 │ ├──────────┼───────────────┼───────────────────┼──────────┼──────────┤ │ Python │ FastAPI │ ~5k-15k QPS │ 最高 │ 选中 │ │ Node.js │ Express/Hono │ ~10k-30k QPS │ 高 │ 备选 │ │ Rust │ Axum/Actix │ ~200k+ QPS │ 中 │ 性能最强 │ │ C++ │ Drogon/Crow │ ~200k+ QPS │ 最低 │ 不推荐 │ └──────────┴───────────────┴───────────────────┴──────────┴──────────┘
>>> 决策:Python + FastAPI — 对 todo 应用性能完全够用,开发效率最高, 自动生成 Swagger 文档。
2.4 数据库选择 --------------
>>> 决策:SQLite — 嵌入式、零配置、单文件、todo 规模完全匹配。
三、最终技术栈 ==============
前端 React 19 + TypeScript + Vite 样式 TailwindCSS v4 状态管理 Zustand + TanStack Query HTTP Axios 后端 Python FastAPI ORM SQLModel 数据库 SQLite 包管理 npm(前端)+ uv(后端)
四、实现过程 ============
Step 1:前端项目初始化 ----------------------
$ npm create vite@latest frontend -- --template react-ts $ npm install @tanstack/react-query axios zustand uuid lucide-react \ tailwindcss @tailwindcss/vite
· 配置 vite.config.ts:TailwindCSS 插件 + /api 代理 · 配置 index.css:Tailwind v4 入口 · 创建目录结构:api/、hooks/、store/、components/、types/
Step 2:后端项目初始化 ----------------------
$ uv init --name todo-api $ uv add fastapi uvicorn sqlmodel
· main.py:FastAPI 入口 + CORS 中间件 + lifespan 建表 · models.py:SQLModel Task 模型 · database.py:SQLite 引擎 · schemas.py:Pydantic 请求/响应模型
Step 3:后端 CRUD API ---------------------
实现 5 个 REST 端点(routes/tasks.py):
GET /api/tasks 获取所有任务 POST /api/tasks 添加任务 PATCH /api/tasks/{id} 更新任务 DELETE /api/tasks/{id} 删除任务 DELETE /api/tasks/completed 清除已完成
【踩坑记录 1】 问题:使用 engine.begin() 返回 Connection 对象而非 Session,导致 exec()、add() 等方法报 AttributeError。 解决:改用 Session(engine)。
【踩坑记录 2】 问题:FastAPI 路由匹配顺序 — DELETE /tasks/completed 被 DELETE /tasks/{task_id} 当作路径参数捕获,返回 404。 解决:将 /tasks/completed 路由定义在 /tasks/{task_id} 之前。
Step 4:前端 API 层 + Hooks ---------------------------
· types/task.ts:Task、TaskCreate、TaskUpdate 接口 · api/tasks.ts:5 个 axios 请求函数 · hooks/useTasks.ts:TanStack Query useQuery + 5 个 useMutation · store/useAppStore.ts:Zustand 全局错误状态
Step 5:React 组件 ------------------
按叶子到根的顺序实现:
TaskItem -> TaskList -> TaskInput -> StatusBar -> TitleBar -> App
数据流:TanStack Query 管理服务端状态,变更后 invalidateQueries(['tasks']) 自动重新获取。
Step 6:样式打磨 ----------------
· TailwindCSS 原子化样式 · 自定义滚动条(暗色模式适配) · Checkbox 强调色 · Hover 状态过渡动画 · 删除按钮 hover 显示
Step 7:端到端验证 ------------------
全部 5 个 API 通过 curl 集成测试:
POST /api/tasks x3 -> GET -> PATCH toggle -> DELETE completed -> GET 验证
Vite dev server proxy 验证通过(localhost:5173/api/tasks -> localhost:8000/api/tasks)
TypeScript 类型检查 + Vite production build 均通过。
五、项目整理 ============
· 旧 C++/Qt 代码归档至 desktop-legacy/ · 项目重命名为 todo_list_for_you · 编写 .gitignore、README.md、SESSION.md · Git 初始化并提交(49 files, 5801 lines)
六、未实现功能(后续计划) ==========================
· 拖拽排序(@dnd-kit) · PWA 离线支持 · 手动深色/浅色模式切换 · 用户认证 & 多用户 · Docker 一键部署 · WebSocket 实时同步
|
What’s more—清理ubuntu不重要文件
Linux下一切皆文件,无论从硬盘大小,还是理解Linux底层内容,优化一下文件还是很有必要的。
人生苦短,我选择使用claude code。
这次我的prompt非常简单:帮我整理一下我Linux系统下的所有文件,并且清理一些不需要文件,在清理的时候我要逐个确认。
这里我先开启计划模式,万一claude code能给一些更好的清理方案呢?但claude code使用最直白,最不拐弯抹角地方式告诉我:这个直接操作就可以了,现在可以进入执行模式。:)
确认进入自动模式之后,他对每个需要清理的请求都想我提出了询问,并且我也保持确认,之后请求我也让他直接通过就好,不需要再提问。
值得说的一点是,claude code真的会分析每个目录,因为他在某个目录下我记得递归搜索的时间很长,长达8分钟。
整体的清理还是很多的,从系统缓存,到一些下载内容,更新软件的缓存等等,清理的很干净。
我同样让他给我了完整的session内容,附下。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131
| Linux 系统文件清理总结
日期:2026-06-11 操作人:friver(Claude Code 辅助)
本次操作的目的是整理本机 Linux 系统中的冗余文件,释放根分区磁盘空间。在清理过程中,每一项操作均经过确认,避免了误删重要数据。
一、清理前的磁盘状况
清理前,系统根分区 /dev/nvme0n1p5 总容量为 79G,已使用 74G,仅剩 1.1G 可用空间,使用率高达 99%,磁盘空间已经严重不足。home 目录总计占用约 43G,其中缓存类文件占据了相当大的比例,是本次清理的重点对象。
二、已执行的清理操作
以下是按照清理优先级逐项执行的内容,共计 8 个步骤,累计释放约 19G 空间。
第一步:清空回收站(释放约 913M)
回收站位于 ~/.local/share/Trash/,其中堆积了大量此前删除但未彻底清除的文件。主要内容包括 YOLO 训练用的标注图片文件、一些已过时的 deb 安装包(VS Code、Clash Verge 等)、若干视频文件以及 PDF 文档。这些文件此前已被用户主动放入回收站,直接清空不存在误删风险。
第二步:清理 pip 下载缓存(释放约 5.6G)
pip 是 Python 的包管理工具,每次执行 pip install 时下载的包文件会被缓存至 ~/.cache/pip/。清理后不影响任何已安装的 Python 包,若将来需要重新安装,pip 会自动重新下载。
第三步:清理 VS Code C++ 工具缓存(释放约 6.5G)
~/.cache/vscode-cpptools/ 是 VS Code 的 C/C++ 扩展在提供 IntelliSense 智能提示时生成的索引缓存。这一项是本次清理中最大的一笔单项缓存,清理后 VS Code 会在下次打开 C++ 项目时自动重建索引。
第四步:清理浏览器及系统杂项缓存(释放约 950M)
这一步骤涵盖了多个小型缓存目录,汇总起来体量可观:
- ~/.cache/google-chrome/(629M):Google Chrome 浏览器缓存,包括网页资源、图片等; - ~/.cache/thumbnails/(123M):GNOME 桌面环境的缩略图缓存; - ~/.cache/pnpm/(111M):pnpm 包管理器的下载缓存; - ~/.cache/node-gyp/(65M):Node.js 原生模块编译缓存; - ~/.cache/uv/(56M):uv 包管理器的缓存; - ~/.cache/tracker3/(37M):GNOME 文件索引服务的缓存; - ~/.cache/nvidia/(16M):NVIDIA 驱动相关缓存; - 其余更小的缓存包括 typescript、flatpak、mesa_shader、fish、fontconfig、ibus、gstreamer、matplotlib、evolution 等。
第五步:清理 npm 缓存(释放约 1.1G)
npm 是 Node.js 的包管理工具,~/.npm/ 中保存了所有曾经下载过的 npm 包的缓存副本。通过执行 npm cache clean --force 清除了这些缓存,不影响已安装在各个项目中的 node_modules。
第六步:清理 Conda 包缓存(释放约 3.3G)
Conda 会将所有下载过的包文件保留在 ~/miniconda3/pkgs/ 中,即便是已经安装完毕的包也不会自动删除。执行 conda clean --all --yes 后共清理了 228 个 tarball 包文件、1 个索引缓存和 15 个已解压的包目录。清理不会影响任何已创建的 conda 环境。
第七步:清理 VS Code 配置目录中的缓存(释放约 810M)
~/.config/Code/ 是 VS Code 的配置目录,其中混杂着用户配置和缓存数据。本次清理时特别区分了缓存与配置:
- 已清理:CachedExtensionVSIXs(618M,扩展安装包缓存)、Cache、CachedData、GPUCache、DawnGraphiteCache、DawnWebGPUCache、logs、CachedProfilesData 等纯缓存目录; - 已保留:User/(122M,用户设置和快捷键配置)、WebStorage/(155M,扩展的本地存储数据),这两项目录包含个人配置,不可删除。
第八步:清理下载目录中的安装包(释放约 1.3G)
~/下载/ 目录中堆积了多个已完成安装的 deb 安装包和 shell 安装脚本。这些文件仅用于初次安装,安装完成后即无保留价值。被删除的文件清单如下:
- Feishu-linux_x64-7.66.10.deb(418M)—— 飞书 - WeChatLinux_x86_64.deb(203M)—— 微信 Linux 版 - QQ_3.2.26_260319_amd64_01.deb(166M)—— QQ Linux 版(新版) - QQ_3.2.26_260311_amd64_01.deb(166M)—— QQ Linux 版(旧版) - UnityHubSetup-amd64.deb(155M)—— Unity Hub - google-chrome-stable_current_amd64.deb(125M)—— Google Chrome - Miniconda3-py38_22.11.1-1-Linux-x86_64.sh(62M)—— Miniconda 安装脚本 - CC-Switch-v3.16.2-Linux-x86_64.deb(15M)—— CC-Switch 切换工具
三、清理后的磁盘状况
经过以上 8 个步骤的清理,根分区的磁盘使用情况得到明显改善:已用空间从 74G 降至 55G,可用空间从 1.1G 扩大到 20G,使用率从不堪重负的 99% 降到了较为健康的 74%,累计释放了约 19G 空间。
四、未处理的可清理项目
以下目录在本次清理中暂未处理,因为它们属于应用数据或运行环境,需要根据实际使用情况自行判断是否删除:
- ~/.config/QQ/(1.6G):QQ 的缓存和聊天数据,如聊天记录中存在重要信息则不应删除; - ~/.config/unityhub/(3.7G):Unity Hub 的编辑器下载和项目缓存,若已不使用 Unity 开发可以整目录删除,这是剩余项中最大的一笔; - ~/.local/share/nvm/(2.0G):nvm(Node Version Manager)安装的 Node.js 各版本文件,如需继续使用 Node.js 开发请保留; - ~/.rustup/(1.5G):Rust 工具链和组件,若不再使用 Rust 可以卸载删除; - ~/qemu-5.1.0/(1.1G):QEMU 5.1.0 的源代码目录,若已经编译安装完毕且不再需要源码,可以安全删除; - ~/gitclone/(1.5G):多个 Git 仓库,大部分为课程项目的代码,可按需清理已完成或不再需要的仓库; - ~/miniconda3/envs/(约 6.4G):7 个 conda 虚拟环境,其中 yolo 环境独占 5.3G,可按需删除不再使用的环境; - ~/.vscode/extensions/(2.0G):VS Code 安装的扩展,一般不建议手动删除,可通过 VS Code 界面管理; - ~/文档/xwechat_files/(421M):微信客户端接收的文件。
五、清理经验总结
通过本次清理,可以总结出以下几类文件的处置原则,供日后参考:
第一,缓存目录(~/.cache/*、npm cache、conda pkgs 等)是可随时清理的安全项,不会影响任何已安装软件的正常运行,软件会在需要时自动重建缓存。
第二,安装包文件(.deb、.sh 等)在对应软件安装完成后即失去价值,可以放心删除。
第三,回收站应养成定期清空的习惯,避免已删除的文件持续占用磁盘。
第四,IDE 缓存(VS Code 的 CachedExtensionVSIXs、CachedData 等)可以清理,IDE 会在下次启动时按需重建,但要注意区分缓存与用户配置目录,不要误删个人设置。
第五,运行环境(conda envs、nvm、rustup 等)在删除时需谨慎判断,只删除确定不再使用的部分,避免影响开发工作。
第六,应用数据(QQ、微信、Unity Hub 等)往往包含用户个人数据,清理前务必确认不再需要。
六、定期维护命令参考
日常可以使用以下命令快速检查并清理磁盘:
清空回收站: rm -rf ~/.local/share/Trash/files/*
清理 pip 缓存: pip cache purge
清理 conda 缓存: conda clean --all --yes
清理 npm 缓存: npm cache clean --force
查看磁盘使用情况: df -h / du -sh ~/* ~/.[!.]* | sort -rh | head -20
本操作由 Claude Code 辅助完成,所有删除操作均已逐项与用户确认。
|
小总结
在我看来,claude code的使用可以分为3步。
- 确认好本次目标:我是要让claude code干什么,比如我是要让他写一份计划?帮我清理一下文件?帮我改个代码?帮我梳理一下代码结构?
- 先无脑使用计划模式,之后按需使用自动模式:使用计划模式首先可以减少token的消耗,只做计划,不做操作,而且能给我们很多的计划方案。其次真的需要操作了,claude code也会智能地给我们请求,用户确认就可以。对于自动模式,遇到一些高风险,重要文件,应当使用确认模式,其他时候使用自动模式效率更高。
- 总结本次session内容:总结在我看来,不仅可以梳理本次对话的内容,知道今天做了什么,按部就班。也能让之后重新开启的对话,可以直接读取本次的session,来对接任务,避免重新执行一些高消费token的操作来对接需求。其实也有利于写博客~
值得夸赞的地方
对于本次的对话,我最满意的是deepseek的高性价比。今天的这三个session,只消费了2.80人民币,价格不如一根烤肠。而且claude code的对话十分健全,帮我很多。
后续
其实对于token的消耗,可以有更好的优化方案,比如使用计划模式,使用token saver cc等。
剩下的视频还没看完,还有更多的功能继续解锁,等我看完继续聊~