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。