上一篇文章，我和常驻中国做生意的朋友们聊了聊AI环境方面需要有的准备。这次想具体写一写，我是如何搭建这套”可以自由切换引擎的多AI环境”的。

为什么要搭建多AI环境

原因主要有三个：

1. 作为准备，即使某个特定AI无法使用，也不影响业务继续进行；
2. 优秀的AI和便宜的AI层出不穷，不想被某一家绑死，保留灵活性；
3. 作为在中国做生意的立场，也想把中国的AI用起来。

最主要的理由：搭建一套能纳入中国AI的环境

三个理由中，分量最重的是最后一个。我的业务据点在上海。与其只依赖西方AI，不如提前搭建一套环境，让中国的AI（如DeepSeek等）也能以同样的方式使用。这就是这次搭建环境的出发点。

作为附带的效果，我也可以按每个AI的擅长领域来分配工作。比如Claude虽然不能直接生成图片，但很擅长理解图片、构思整体设计。于是设计部分交给Claude来做，再原样把”照这个思路画出来”的指令交给GPT，这样就形成了分工。让GPT从头开始设计我觉得有点浪费，所以这种分工方式对我来说很实用。

即便加入了付费方案，有时候单次会话的Token也会用尽。把工作分散到多个AI上，也能让消耗更均衡、更有效率。

另外，DeepSeek虽然在8月涨价了，但即便如此依然比其他AI便宜，所以在处理耗时较长的任务时，我依然会用DeepSeek。

设计要点①：设计MD文件的读取方式

搭建这套环境的基础是Markdown（MD）文件。首先要把”启动时就会读取的文件”和”只有在做特定工作时才会读取的文件”清晰地区分设计好。

麻烦的是，不同AI最初读取的文件不一样。Claude会读取CLAUDE.md，但很多其他AI读取的是AGENTS.md。所以我把基本规则都汇总在AGENTS.md里，CLAUDE.md里只放一个指向它的链接。在最上层写好”在这个环境里应该这样运作””请阅读这个文件并遵循其中的规则”这样的指示。把需要读取的文件汇总成一条链接，是设计上的一个要点（不同AI也会有例外）。

设计要点②：按负责领域分别留存记录

我按主题或项目把工作分成不同的”负责人（担当）”，并在各自的MD文件里记录目前的状况、已经决定的事项，以及接下来要做的事。这和软件开发中的版本管理有点类似，目的是让每个负责领域的来龙去脉都可以被追溯。

这和Git（管理源代码变更历史的机制）是两码事。我平时使用的工作文件并没有用Git管理。用Git管理的，是把这套环境整理成可以分享给他人使用的”分发用骨架（Skeleton）”这个工具本身。这两者不要混淆。

备份方面，只要把MD文件和工作文件放在云端（比如OneDrive）就足够了。在多台电脑之间使用时，这个方法也很方便。

设计要点③：区分使用子智能体

不同的AI，有的可以调用子智能体（分担工作的下级AI），有的不能。不能调用的情况下，会出现不同的模式：或者由多个AI互相协作后再返回主体，或者由主体调用轻量模型来执行具体作业。

就我自己而言，如果需要进行大量的轻量调研，会把调研工作交给DeepSeek的V4 Flash或Claude的Sonnet这类轻量模型。至于信息收集的具体指示，则由更高阶、更强大的模型来下达。对收集到的信息进行整理和分配（策划整理），我也经常使用价格相对低廉的模型。具体在哪种场景使用哪个模型，我会根据成本和精度的平衡来决定。

在成本方面，像DeepSeek这样的中国系AI，比Claude和GPT要便宜得多。具体价格会有变动，感兴趣的话可以到官方页面确认（DeepSeek官方价格页面、Anthropic官方文档）。能把耗时较长的处理交给便宜的AI来完成，在实际工作中确实帮了大忙。

作为准备的安全措施

把信息交给多个AI处理，难免有人会担心安全问题。这里也可以搭建这样一套机制：在中间加入一个本地运行的轻量AI（LLM），在信息发送到外部之前，先把公司名称、机密信息等进行编码或匿名化处理，再发送出去。

第一步：直接问AI

读到这里，或许有人会觉得”这对我来说有点难”。但我推荐的第一步其实很简单：直接问AI。

只要告诉AI”听说有人搭建了这样的环境，我也想照着做”，对话就能从这里展开。只要脑子里有”我想做到这样的事”这个大概的想法就足够了。先动手试试看，我认为是最快的捷径。

结语

多AI环境不需要一次性做到完美。先搭建一个负责人，准备好一个MD文件，从这里一点点扩展就足够了。对于在中国做生意的人来说，拥有一套可以把中国AI也纳入其中、灵活切换的环境，本身就是一种准备。

大家平时都在用什么样的AI呢？如果你是常驻中国的商务人士，应该大多在使用总部指定的GPT或Gemini之类的工具，这很正常。但另一方面，也有人会在私下尝试不同的环境。今天想聊聊我个人思考的一个话题——”在中国做生意的人，需要留意的AI环境构建方式”。

被封禁的风险，谁都可能遇到

我认识一位经常使用AI的日本朋友。他会根据网络状况切换不同的接入点来使用，结果有一天账号突然被封禁了。这是今年7月发生的事。

封禁的理由是服务提供方自己的判断。之后他不得不转移到别的服务上，据说整整两天几乎通宵在处理这件事。用惯的环境，某一天突然就用不了了。在中国使用AI，这种可能性最好要放在心里有个数。

数据存放位置，另一个可以参考的先例

这是一家在中国经营的全球企业的例子。设计和网站架构保持全球统一，但唯独会员信息等数据库，在中国境内完全独立搭建。其他国家用的是同一个公共数据库，唯独中国被单独切分出来。这是基于中国数据相关法规而做出的、非常自然的应对方式。

输入到AI服务里的信息，今后是否也会面临类似的处理方式，现在还不好说。虽然不是马上就要发生的事，但这样的先例，以及数据跨境相关的法律确实存在，这是事实。

关于”把数据放在中国是否安全”的担忧

另一方面，考虑使用中国的AI服务时，很多人会担心”输入的数据会不会被挪作他用”。

这种感觉很自然。不过，正如GPT、Gemini等西方AI服务也提供”不将输入内容用作训练数据”的设置一样，中国的AI服务有时也提供类似的选项。这类信息通常可以在使用条款或设置页面中确认，如果在意的话，建议签约前先确认清楚。

作为一种准备，习惯AI的灵活切换

我自己在日常使用中，会同时使用西方AI和中国AI，根据场景切换使用。中国的AI大多只提供引擎部分（AI本身），没有界面（UI），需要通过API按量计费，每次使用都会产生费用。如果你习惯使用Claude Code这类CLI（命令行界面）工具，应该能上手，但如果你平时用的是Claude Cowork或GPT Work这类图形界面产品，可能会不太习惯。最近出现了DeepSeek Harness这种可以通过浏览器操作的模式，一定程度上缓解了这个问题，但它能做的事和操作体验，跟前面提到的应用型产品还是不一样。这个话题或许值得另外展开写一篇。

另外，我自己搭建了一套多AI环境，无论用哪个AI模型都能在同一个环境下使用。企划构思、文案校对这类”陪练”工作交给Claude，设计交给GPT，需要跑子智能体的调研或耗时较长的处理交给DeepSeek。搭建好多AI环境之后，就可以像这样按用途切换，也能应对前面提到的风险。关于多AI环境，我会另写一篇文章详细整理。

平时习惯了这样的环境，即使某一个用不了了，也不至于让业务停摆。尤其是高度依赖AI的驻华商务人士，希望大家能多留意这一点。

结语

总部规定只能用某一种AI，这本身并没有什么不妥。但在中国做生意，难免会遇到环境突然改变的情况。为了在那种时候不至于手忙脚乱，我平时会有意识地多多少少接触一下中国的AI。这样的准备，我觉得很重要。

“只要用AI，公司内部应该也能自己做”——最近，抱有这种想法的经营者和管理者应该不少。事实上，文本生成、图片生成这类工具，现在谁都能接触到。但即便这么想，实际会不会有人真的动手去做，我觉得完全是另一回事。今天想就这个原因，谈谈我自己的一些思考。

明明可以做到，却没人去做

那些原本就没有社交媒体运营专人的企业，即便AI出现之后，专人依然没有出现。管理层觉得”用AI应该能做到”，但实际去做的人却不存在——我感觉这就是现状。

原因我认为有以下几点。

1. 很多人对AI的使用，还停留在”聊天提问、获得答案”这个程度。真正深入到图片生成、AI智能体这一层面的人很少，加上成本负担，也不容易感受到使用的必要性。
2. 并非设计师或文案出身的人，即便让AI生成文章或图片，也很难判断输出质量的好坏。没有能判断好坏的人，内部自主运营就很难推进。

用好AI的关键，在于”明确定义规格”

我自己在使用AI的过程中感受到，用好AI的诀窍，就是”把规格明确定义出来”。这和编程里”测试先行（Test First）”的思路很接近。规格越明确，判定合格与否的标准（测试）也就能同步建立。反过来，如果需求一直很模糊，就很难把AI用好。

比如图片生成，与其用语言去描述色调和风格，不如直接给一张参考图，这样反而是更准确的”规格”。文字方面，则可以先定好”这样不行””这样可以”的判定标准。这种”先定好合格标准”的思路，我认为正是能否用好AI的分水岭。

现在的AI，一次可以接收相当于10本书体量的指示。虽然真要传递这么大量的指示很困难，但这说明，使用方式必须和”一次聊天里随口交代”完全不同。我认为，缺少能够把规格梳理清楚并正确传递给AI的人，才是AI用不好的最主要原因。

如何”培养”AI

那么，应该从哪里开始呢？不用想得太复杂，先用口头或聊天的方式给AI下达指示，让它先做一版草稿，从这里开始就可以了。

对于它的输出，如果觉得不对，就去纠正。感觉到偏差，就把偏差之处指出来。接下来，让AI复述一遍被纠正的内容，确认理解是否一致。如果理解正确，就把这条正确的规则写进MD文件，之后每次工作都参照这份文件。

把发现的问题、想要修改的地方记录下来，让AI记住它们。建议先从这一步开始。复杂的指示有时会出现漏改或漏测的情况，如果能事先定义好”根据指示的复杂程度，最多测试3次”之类的动作规则，会更加稳定。同时也要注意，别让Token消耗过多。

KEMBO的定位

我们一直以来，也包括社交媒体运营、制作业务、运营业务在内，为客户提供各种协助。但KEMBO这家公司存在的意义，并不在于这些业务本身。我们认为，用数字方面的知识、经验和技术能力，去帮助在中国市场挑战、拓展业务的企业实现成长与成功，才是我们的角色。

正因为过去这些企业内部没有能做社交媒体运营的体系，我们才以代运营的形式提供协助。如果有企业希望”借助AI来推进业务改善”，我们非常愿意成为大家商量的对象。

结语

AI变得可用，和真正有人能把它用好，是两回事。明确定义规格、提前设定合格标准——只要意识到这一点，与AI打交道的方式就会随之改变。

在与企业交流的过程中，我经常听到这样的情况：总部说”我们公司用Gemini””可以用GPT”，员工只能使用总部指定的工具。

但实际上，很多企业还停留在”当场提问、当场获得答案”的聊天式使用阶段，真正用到AI智能体（AI Agent）的企业还不多。

也许有人会想：”智能体不就是能自动帮你写邮件的东西吗？”确实可以做到这一点，但我认为它真正的价值并不在这里。

对话式AI和AI智能体，区别在哪里

在我看来，对话式AI是每次都以全新会话来回答问题的工具。而AI智能体即使开启新的会话，也能继承之前的经过，从上次的状态继续工作。

它可以把自己的知识、项目信息、工作方式都以文本形式积累下来。甚至可以把具体的操作指示都存进一个庞大的数据库里，这样就不用每次都重新说明一遍。

比如PowerPoint，可以事先定义好制作方法和格式；Word也一样。邮件的话，连措辞和写法都可以提前设定好。

如果只看”帮忙写邮件”这一项功能，有人可能会觉得没那么必要。但如果有一个理解你工作背景和规则的”负责人”，并且这份理解还能延续到下一项工作中——我认为这才是真正的价值所在。

制作资料所花的时间大幅减少

在我的工作中，过去把大量时间都花在制定战略、撰写企划书和提案书上。往往在和客户的第一次会议中，提案的框架在脑子里已经基本成形了。但把它整理成资料，却只能靠自己一个人完成。

一份较长的资料，光是制作就可能要花上4个小时左右。如果是分量较重的提案，反复评审和修改，完成为止甚至需要一周左右的时间。

现在，只要把脑子里的构思和所需数据交给AI，它就能结合过往信息和制作规则，帮我整理成资料。有的一小时左右就能完成，有的十分钟左右就能成形。凭我自己的感受，包括收集素材和修改在内，工作效率大约提升了3倍。

更重要的是，那种被不需要动脑筋的制作作业占用大量时间的压力，几乎消失了。

人类专注于”接下来该怎么做”

我交给AI智能体的工作包括：记录管理、定期的信息收集、资料制作与审阅，以及关于”接下来应该做什么”的建议。

比如，把员工提交的月度报告交给负责该项目的智能体，它就能发现合计计算错误，或者上个月的数字残留未更新等问题。像”只有数据汇报，却没有分析这意味着什么、接下来该怎么办”这样的不足，它也会指出来。

而我则专注于思考”接下来要做什么””真正想要实现的是什么”。人类了解客户的具体情况和现场的常识，基于这份理解来决定方向，再向AI下达指示。我觉得这样的分工很适合我。

用语音输入，把脑子里的想法直接传递出去

另一个很大的变化，是使用Typeless进行语音输入。

有些背景信息和想法太长，用键盘打字根本来不及，但用说的方式，短时间内就能传达出来。对我来说，与其把想法压缩成简短的指令句，不如把前提条件、甚至自己还在犹豫的地方都说出来，这样AI反而更能理解真正的意图。

要用好AI，比起写出一句漂亮的指令，更重要的是打造一个能够让你把手头信息充分传递出去的环境。

第一步：先培养一个”负责人”

一开始并不需要搭建一套庞大的体系。

先针对自己负责的业务或某一个项目，在AI那边培养出一个”负责人”。把项目的背景、目的，以及希望它做什么告诉它。第一步，这样就足够了。

随着持续使用，数据会不断积累，自己的习惯、哪些做得好、哪些做得不好，也都会逐渐反映到记录里。等到不再需要每次都重新说明的时候，你就会真切感受到AI智能体和普通聊天工具的不同。

不要先入为主地认为”智能体是写代码的人才会用的东西”，先试着把一项工作交给它看看。如果你是用电脑工作的人，应该总能在某个场景中感受到它的便利。

之前的文章里提到过”想另外深入聊聊”的中国AI智能体环境话题，这次就来写。这次只聚焦”如何便宜地用起来”这一点。

DeepSeek Harness，最低2美元、10元人民币就能用

DeepSeek Harness是DeepSeek官方推出的开源智能体工具。可以在浏览器中进行对话，还能访问本地文件夹。安装Node.js之后，只需在命令行输入以下一条命令即可完成部署。

npx @deepseek-ai/dsh web

这样浏览器就会自动打开，通过 http://127.0.0.1:3080 即可使用DeepSeek Harness。

归根结底，这背后用的就是DeepSeek的API。和Claude、GPT那种月费订阅不同，它是先充值、再按实际使用量扣费的按量付费（预付费）模式，最低充值金额是2美元，或者10元人民币。哪怕只是想随便试试看，这个金额也足够立刻开始。

到底便宜到什么程度

我之前专门把DeepSeek的API价格和几个主流模型做过一次横向对比。那是2026年7月的数据，每百万Token的价格（输入／输出）如下：

• DeepSeek V4 Flash：0.14美元／0.28美元
• DeepSeek V4 Pro：0.435美元／0.87美元
• GPT-4o：2.50美元／10.00美元
• Qwen 3.7 Max：2.50美元／7.50美元
• Claude（标准档位）：3.00美元／15.00美元

DeepSeek V4 Flash的0.14美元，大约是Claude的二十分之一、GPT-4o的十八分之一。当时，Qwen、Kimi K3等其他中国厂商的价格，已经逐渐收敛到和欧美厂商差不多的水平，相比之下DeepSeek的便宜程度，即便在中国厂商中也很突出。

涨价，确实来了

当时我也写到，”DeepSeek自己已经明确表示今后会涨价”。眼下这种极低的价格，应该是为了抢占市场份额而采取的战略性定价。

果然，2026年8月16日，DeepSeek大幅调整了API价格。高峰时段（北京时间9〜12点、14〜18点）的输出Token价格，V4 Pro从0.87美元涨到3.96美元，V4 Flash从0.28美元涨到1.32美元，涨幅约为4.5倍。非高峰时段的价格是高峰价格的一半，虽然比之前贵了，但依然比Claude便宜。

正如之前预告的那样，涨价确实来了——这是我最直观的感受。如果是”因为便宜”才一直在用，这种价格上的变动，我认为最好提前纳入预期。

即便如此，我依然在用DeepSeek的原因

虽然涨价了，但我现在的工作中依然在用DeepSeek。具体的配置是：负责统筹调度的交互用”DeepSeek V4 Pro”，负责调研、写作等重活的子智能体则用更轻量的”DeepSeek V4 Flash Vision Exp”。

之前，我也用Claude搭过类似的架构，用Opus做统筹、Sonnet做子智能体。但当时很快就触到了Token上限，甚至没法做出准确的对比。换成DeepSeek的架构，即使反复跑很多次高负载任务也没问题。凭直观感受，大概比用Claude便宜3倍左右。

还有一点，通过API使用的预付费按量计费模式，也不用担心用超，这一点让人比较安心。月费订阅容易让人产生”不用到上限就亏了”的心理负担，而按量计费只按实际用量扣费，可以更轻松地去尝试。

按量计费，能便宜到什么时候

结论上说，这个问题有两个层面。

充值进去的”钱”本身，不太容易失效。我查看了DeepSeek的官方服务条款，里面没有关于充值余额有效期的记载。未消费的部分，扣除一定手续费后，也可以申请退款。充2美元或10元进去，即便暂时不用，这笔钱本身基本不用担心会凭空消失。

但另一方面，构成”便宜”这个前提的Token单价本身，并不能说一定不会变。实际上8月就出现了大幅涨价。只要避开高峰时段使用，单价还是能压低不少，但”会一直保持这么便宜”，这一点并没有定论，这是比较客观的说法。

结语

只要有2美元或10元人民币，就能立刻开始用DeepSeek Harness。作为想轻松试一试的人的入门方式，门槛也很低。不过，按量计费并不代表可以高枕无忧地一直便宜下去，单价本身是会变的，了解这一点之后再用会比较好。即便如此，比Claude便宜大约3倍这种直观感受，在涨价之后的今天依然没有变化。有兴趣的朋友，不妨先从小额开始试试看。

这是今天刚收到的消息。DeepSeek发布了”V4.1 Flash”。新价格已从北京时间2026年9月10日12点起正式生效。同时，V4 Pro将于9月14日12点停用，此后请求将统一路由至V4.1 Flash。

“快速版””专家版””识图”三合一，架构也全面革新

此前DeepSeek一直分为三个版本：常规模式的”快速版（Flash）”、精度更高的”专家版（Pro）”，以及能识别图片的”识图版”（V4-Flash-Vision-Exp，即Vision Exp）。V4.1 Flash把这三者整合成了一个模型。

更大的变化在于多模态处理方式本身的改变。以往的Vision Exp，是在纯文本模型基础上后期加装视觉能力的”扩展包”方式。而V4.1 Flash则从架构层面进行了革新，从一开始就把文本、图像、语音输入一体化处理，采用”原生支持”的方式。模型会自动判断问题的复杂程度以及是否包含图片，并按需启动视觉能力或高阶处理，无需再手动切换模式。上下文长度为100万Token，参数量未公开。

许可协议变了。权重不再公开

这是这次最让我在意的一点。此前的V4系列（Flash、Pro、Vision Exp）都采用MIT许可协议，权重均在Hugging Face上公开。也就是说，可以下载下来放到自己的服务器上运行，也就是所谓的自建部署（self-host）。

V4.1 Flash目前还没有公开这个权重，是一个只存在于DeepSeek官方API上的版本。

这在实际业务中会产生不小的影响。对于有数据出境限制的组织来说，以前即便用不了官方API，也还有把权重下载下来自建服务器，或者使用第三方推理服务这样的退路。而V4.1 Flash，至少在这次的内部测试期间，这条退路实际上被堵死了。

这个方针今后是否会一直持续，还是会有一定时间差后在Hugging Face上公开，目前刚发布还不清楚。不过，”开放权重”原本是DeepSeek的一个特色，这次的动作看起来是朝相反方向迈出了一步，这一点我会持续关注。

价格：相比8月涨价后，反而是降价了

把每百万Token的价格，按闲时、高峰时段列一下（按1美元≈6.7元人民币换算）：

和8月涨价之后的价格（V4 Flash单独计算）相比，V4.1 Flash在所有项目上都降价了。不过还没有回到涨价前（输出¥2）的水平，目前仍是当时的2倍。即便如此，相比Claude、GPT里最便宜的档位，依然属于较低价位。

从输出价格来看，是V4 Pro的三分之一，官方称同时连接数是Pro的5倍，看起来DeepSeek是想验证能否做到”以Flash的价格，用到接近Pro的能力”。

来源

• DeepSeek V4.1 Flash：DeepSeek官方邮件（2026年9月10日收到）
• DeepSeek V4 Pro（8月调整）：techtimes.com
• Claude各模型：Claude官方文档
• GPT各模型：OpenAI官方文档
• 架构与许可协议：BigGo Finance

结语

我之前在DeepSeek这边，一直是用Pro做统筹调度、Flash做具体执行者。这次听说Flash的性能已经超过了Pro，所以Pro被停用了。以后统一用Flash一个模型就够，价格还是Flash的价格，脑子却是Pro的水平，对我来说是个相当好的消息。

我本来就是通过API使用的，所以现成的环境可以直接接着用。作为一个生活在中国的商务人士，今后我也会继续关注中国的AI动态。