ntdll

你要想省事，直接给 ssh ，然后大模型就啥都能干了

如果你想安全一点，限定它的能力，python 的 FastMCP ，可以很快搭出来一个，就看你想暴露哪些能力给大模型了。其实我认为 mcp 只需要给个 exec 方法就够了，限定一个可执行命令行的白名单。

原理可以先了解，然后手搓简单版本的试一下效果，比如 tool call 是怎么实现的

原理本质上并不复杂，AgentLoop 、ReAct 往简单了说就是 for/while 循环

但是没手搓过，可能对这个循环的概念并不深刻

只要不涨价，就还是好同志。要是敢和 GLM 一样涨价，那就只能是路边一条了。

我现在常用的分析工作，都是丢给 deepseek v4 flash ，从结果看，其实挺不错。而且还便宜，还快。现在的 GPT 速度是慢到姥姥家了。

跑了几亿多 token 也没花几个钱

我的用途主要是逆向，大多是几十个小时到几天的长任务，国内的模型这方面的审查低很多。缺点就是几乎没有主观能动性，以及偷懒。需要给出详细的方法论和验收标准，那就能执行的不错，因此比较依赖使用人员的经验，如果人本身在这方面不熟悉，就很容易被 deepseek 带沟里，或者长时间原地空转。

换而言之，就是 deepseek 在用户描述不准确的情况下，不太能把握住用户的真实需求，加上它容易脑补，就给人的感觉有点垃圾。

供参考： https://www.bilibili.com/video/BV17ojA6SEo5/

用量其实比想象的少，总 token 消耗÷总消息树，得出平均每个消息 49429 tokens

不清楚消息数的统计口径，如果多轮对话里，每次都算一个消息数的话，其实在经过多轮对话后，这个平均的 token 并不算高。

失败了

>> 目前没有找到直接匹配“畅爽无负担”的优惠券

看了下演示视频，和说明里的《 Dragon Quest VIII 》有啥关系呢。

可惜了，op 的上架费用大概率是收不回来。即使真的有人买，大概率也会 2 小时内退款。