如果你用的平台不在预置列表里，Cherry Studio 支持添加自定义服务商。设置 → 模型服务商 → 拉到最下面 → 点「添加自定义服务商」填名称（随便写，给自己看的）填 Base URL 和 Key手动添加模型名称（这一步容易忘！不加模型名的话对话界面选不到）模型名称要跟 API 实际支持的 model id 一致，比如gpt-5.5这种。填错了会报错误。

GPT-Image-2 老是生成失败？完整排查和修复指南，5 个真根因逐个击破GPT-Image-2 的处理时间比文字模型长很多——高质量 1024px 需要 145-280 秒。大多数所谓的"生成失败"其实不是模型问题，而是网络链路（CDN、反代、SDK）提前断开了连接。这篇文章总结了实际使用中最常遇到的 5 类问题，每个都附了可以直接用的修复代码。

上周三帮朋友的创业团队搞一个客服对话系统，需求很简单——用 Claude Opus 4.7 做流式输出，让用户看到"打字机效果"，别干等着一整坨文字刷出来。我心想这不就改个参数的事嘛，结果折腾了大半天，踩了好几个坑。把过程记录下来，省得你们再走弯路。Claude API 的 streaming 走的是 SSE（Server-Sent Events）协议，逐 token 往回吐内容。你可以用 Ant

折腾了一周，我的结论：Claude Opus 4.7 在代码和推理这两个维度上确实是目前最强的选择，SWE-Bench 72.3% 不是吹的。但它贵，输出 $75/M tokens 这个价格决定了它不适合当日常模型用。我的策略是分层：Agent 核心推理用 Opus 4.7，普通对话和初步生成用 Sonnet 4.6，简单分类/提取用 Haiku 4.5。这样月成本能控制在 Opus 全量的 30

上个月团队决定全面切到 Claude Code 做日常开发，Sonnet 4.6 的代码能力确实猛，但问题来了——十几个工程师每人都要绑自己的 API Key，月底报销的时候财务看着一堆美元账单直接崩溃。老板让我调研一下 API 聚合平台，统一走一个入口，最好能看到每个人的用量明细。我花了大概一周时间，把市面上几个主流的聚合平台都接到 Claude Code 里跑了一轮。结果跟我预想的不太一样。

用 Claude Code 写代码有一个很烦的事：每一轮对话结束，它就停下来等你回复。改一个 bug 要来回五六轮，你得一直盯着终端，看它改完了没，然后敲回车让它继续。本质上你变成了一个人肉"继续"按钮。v2.1.139 加了两个命令，直接解决了这个问题。/goal让 Claude 自己干到满足条件为止，不用你催；打开一个多会话管理面板，让你同时派发好几个任务，哪个卡住了一眼就能看到。这篇文章是我

上周我们团队把内部的 AI 工具链从 Cherry Studio 迁到了 OpenClaw，主要是看中它的插件机制——能自己写 Channel 把任意 API 源接进来。但说实话，官方文档写得挺粗糙的，我折腾了差不多两天才把第一个 Channel 插件跑通。这篇把完整过程记下来，省得后面的人再踩一遍。OpenClaw 的 Channel 插件本质上是一个遵循特定接口规范的 TypeScript 模

我不想用一个漂亮的结论来收尾，因为我自己也还没想清楚。但有一点我比较确定：Gowers 那篇博客里描述的那 17 分钟，是一个值得认真对待的信号。不是因为它证明了 AI「有多厉害」，而是因为它来自一个极其可靠的观察者，在一个极其难以造假的领域，给出了一个极其具体的案例。这种信号，比一千篇「AI 改变世界」的营销文章更值得花时间消化。原文出处：Timothy Gowers 博客，

我不想用一个漂亮的结论来收尾，因为我自己也还没想清楚。但有一点我比较确定：Gowers 那篇博客里描述的那 17 分钟，是一个值得认真对待的信号。不是因为它证明了 AI「有多厉害」，而是因为它来自一个极其可靠的观察者，在一个极其难以造假的领域，给出了一个极其具体的案例。这种信号，比一千篇「AI 改变世界」的营销文章更值得花时间消化。原文出处：Timothy Gowers 博客，

我不想用一个漂亮的结论来收尾，因为我自己也还没想清楚。但有一点我比较确定：Gowers 那篇博客里描述的那 17 分钟，是一个值得认真对待的信号。不是因为它证明了 AI「有多厉害」，而是因为它来自一个极其可靠的观察者，在一个极其难以造假的领域，给出了一个极其具体的案例。这种信号，比一千篇「AI 改变世界」的营销文章更值得花时间消化。原文出处：Timothy Gowers 博客，