小道的技术笔记

记录折腾、认知与闭环

系统日志原文写得明明白白:”Termux不支持浏览器自动化”。我盯着这行字看了三秒,然后说:你试试呢?
后来真跑通了。代价是 --no-zygote 这个参数,和一整个通宵。

TL;DR

“系统说不行”和”真的不行”之间,隔着一个 --no-zygote。本文记录8月底Termux升级后浏览器自动化被block的全过程:cryptography锁死48.0.1、--no-zygote救活Chromium headless、以及”系统说”和”实测说”哪个可信。结论:日志是参考,不是判词。

一、起因:升级只需5分钟,修环境要5小时

8月底,Termux推送了自动升级。我在床上刷到通知,顺手点了确认,心想”好事,新版本”。

升级完成用了5分钟。

然后我打开Hermes,浏览器自动化直接罢工。日志里一行字,我记得特别清楚:

browser command blocked on Termux

“不支持”。系统替我把话说了,说得斩钉截铁。

当时我的第一反应是:”行吧,等下个版本。”——这是打工人本能,被系统告知”不支持”,最省事的应对就是接受。

但那天晚上我躺在床上睡不着。不是因为多需要浏览器自动化,是那句话扎得慌:我花两个月搭起来的东西,别人一行日志就给我判了死刑,连个申诉渠道都没有。

骨子里还是那个扛11个城市业绩的人。系统说”不行”,我第一反应永远是”你试试呢”。

于是第二天,开修。

二、第一关:cryptography,Rust把我卡死

修浏览器之前,先过环境关。Termux升级把Python从3.11跳到3.13,我的venv全废了,所有依赖要重装。

重装到一半,cryptography 50.0.0在Android aarch64上编译直接崩溃——它的Rust原生依赖在手机上编译不过。微信插件跟着报错:

No module named ‘cryptography.hazmat.backends’

我对着崩溃日志看了二十分钟,没看出个所以然。当时我的原话(后来翻记录看到的):”Rust这玩意儿,我连它长什么样都没见过,怎么知道我错在哪?”

最终解法很土:锁版本。

1
2
export ANDROID_API_LEVEL=33
pip install cryptography==48.0.1

48.0.1在Android aarch64上能过。50.0.0过不了。两个数字,差了一整个通宵。

这一关的教训是:开源工具的代价,是永远在修环境。 但修好了,就是你的壁垒——别人不愿意修的坑,你修过了,以后都是平的。

三、第二关:–no-zygote,那个救命的参数

环境修好了,正式上浏览器自动化。Selenium + Chromium 149,按网上的教程配:

1
2
3
4
5
opts = Options()
opts.add_argument('--no-sandbox')
opts.add_argument('--disable-dev-shm-usage')
opts.add_argument('--headless=new')
opts.add_argument('--disable-gpu')

跑起来,Chromium直接启动失败。

翻了无数英文论坛,发现Android上跑Chromium还少了一个关键参数——--no-zygote。Linux桌面教程里从来没有人提它,因为桌面Linux不需要。但Android是例外:zygote进程模型和Termux的沙箱冲突,不加这个参数,Chromium在手机上就是起不来。

加上之后:

1
opts.add_argument('--no-zygote')  # Android必须,不加启动失败

验证环境:chromium 149.0.7827.155 + ChromeDriver 149 + Selenium 4.47.0。写个最小用例,打开example.com,打印title。

跑通了。

那个瞬间我截图留档了。不是炫耀,是给自己一个证据:系统日志说”不支持”,实测说”支持,差一个参数”。 两句话,只隔一个 --no-zygote。

四、”系统说”和”实测说”

这一篇真正想写的,不是参数,是这两个词。

“系统说”是日志、是报错、是文档、是”Termux不支持浏览器自动化”。它权威、简洁、看起来无懈可击。它的危险在于:它让你不用想了。 一旦接受”不支持”这个结论,你省下的不只是时间,还有可能性。

“实测说”是 driver.get('https://example.com') 跑通那一下。它不权威,甚至看起来很不严谨——“你才跑了一个example.com,算什么证据?”。但它有一个”系统说”给不了的东西:它是我自己验证的。

我这些年养成的习惯,一句话能总结:日志是参考,不是判词。

当年在阿里,客户说”这个功能我们用不上”,我不会直接写进结案报告。我会先问一句”你试试呢”——不是怼人,是确认。AI折腾这条路上,系统日志和参数文档就是”客户”,我照样不直接信。

被block之后,我多花了一个通宵。但那个通宵换来的,是一条自己验证过的路径,而不是一个转述的结论。这两者的价值,差着一个数量级。

五、翻车记录:不止一个通宵

--no-zygote 之后,还有两个坑没提,补上,都翻过车。

坑一:Google搜索会超时。 浏览器自动化能跑,但访问Google在手机上会卡死。我用example.com验证通过之后,第一反应是”完了,能用但不好用”。后来想明白了:验证环境用简单网站,真实抓取走CF代理出口。各干各的,不混。

坑二:inotify权限受限。 我想让Hermes的浏览器工具监听文件变化,改 /proc/sys/fs/inotify/max_user_watches,被拒。没root,改不了。这个坑我至今没绕过去,只能接受”浏览器自动化是手动触发,不是常驻服务”。

翻车不可怕,翻车不记录才可怕。这两条我现在写进了自己的skill里,下次再遇到,不用再花那个通宵。

六、结语:修好了,是你的壁垒

8月底那晚躺在床上睡不着,是因为”不支持”三个字扎人。

现在回头看,那三个字是系统日志,不是事实。事实是:Android上Chromium headless需要 --no-zygote,加上就通。 一个参数,一个通宵,一条自己验证过的路径。

开源工具永远在修环境,这是它的代价。但代价的另一面是壁垒:别人不愿意修的坑,你修过了,以后都是平的。 我这套”Termux + Selenium + –no-zygote + CF代理出口”的组合,市面上没有现成的教程——因为大多数人看到”不支持”就停了。

我多花了一个通宵。但我多了一条别人没有的路。


作者:小道 · 环境:Termux on Android 13,chromium 149 + Selenium 4.47 · 2026-09-29
关联阅读:《升级只需5分钟,修环境要5小时》 · 系列:AI Agent实战笔记(技术线)

搞了4个定时任务,删掉了1个。新闻播报从”不忍直视”到”脚本直抓”,花了整整两个月。最后我悟了:能脚本化的别交给AI,AI只做需要判断力的部分。”搞不好就算了”,不是摆烂,是止损。

TL;DR

4个cron任务(HN+arXiv日报、股票播报、H3MS反思、新闻播报),删掉了新闻播报里的”LLM自由搜索”层。架构从”让AI搜新闻”演进到”RSS脚本直抓+AI只做提炼”。核心教训:自动化任务里,AI是”加工层”不是”数据层”。数据获取靠脚本,判断提炼才靠AI。

一、起因:4个定时任务,每天7点准时推

折腾Hermes三个月,我搞了4个定时任务,每天早上准时往钉钉推:

  • HN+arXiv日报(7:00):技术线
  • 股票播报(7:30汇总):港股+美股
  • H3MS每日反思(21:00):知识复盘
  • 新闻播报(7:00):财经新闻

4个任务,4种套路。但新闻播报这个,折腾得最久,最后删掉了一层,才跑通。

今天这篇,讲的就是新闻播报的折腾历程——从”不忍直视”到”脚本直抓”,两个月,五个阶段。

二、阶段1:纯LLM自由搜索(失败)

最开始,我让AI”每天7点帮我搜几条财经新闻推给我”。

逻辑很简单:cron触发 → 让AI调用web_search → 搜”今日财经新闻” → 总结推送。

第一周,我收到的”新闻”是这样的:

  • “英伟达宣布500亿美元融资计划,将扩建GPU数据中心”
  • “某分析师预测下季度AI芯片出货量翻倍”

我核实了一下——英伟达没有这个融资计划,”某分析师”查无此人。

这就是LLM自由搜索的致命问题:它不是在”搜新闻”,是在”编新闻”。 搜索能力不够,就用幻觉补。token成本不可控、延迟不可控、结果更不可控。

我在session里给了它一个评价:“不忍直视。”

三、阶段2:优化prompt(治标不治本)

第一版失败后,我加了一堆prompt约束:

  • 必须搜多个关键词
  • 结果要分类
  • 必须带数据来源
  • 必须有数据支撑

效果?好了一点点。但核心问题没解决:AI还是得”搜”,搜不到就编。 prompt约束的是”怎么输出”,不是”数据从哪来”。

这一版,我跑了两周。期间它还编过几条”某部委发文支持AI”的假新闻。我把它们一条条核实,一条条删。

治标不治本,本质问题:数据层用了AI。

四、阶段3:架构演进——RSS脚本直抓(成功)

7月21日,我翻知识库,读到一篇”新闻播报架构演进”的笔记。里面有个判断:数据获取和数据处理应该解耦。

  • 数据层:用脚本直抓(RSSHub、API),保证数据真实
  • 处理层:AI只做”提炼、分类、摘要”,不碰”搜索”

我按这个架构重写了新闻播报:

1
2
阶段前:cron → AI自由搜索 → 编新闻 → 推送
阶段后:cron → 脚本抓RSS → 真实数据 → AI提炼 → 推送

具体到脚本,news_report.py负责所有数据源采集:

  • 国内信源:知乎热榜、36氪、澎湃新闻、华尔街见闻(RSSHub)
  • 海外信源:HackerNews、V2EX、少数派
  • 兜底搜索:ShuYan AI搜索(只补盲,不主力)
  • 分类规则:关键词打分 + 国际判断
  • 去重机制:三层(包含关系 → 指纹 → 主题聚类)

news_morning_v21.py是cron入口,no_agent=True——纯脚本模式,零LLM上下文成本。

五、阶段4:筛选过严,从3条到26条

架构对了,但内容还少。7月底我一看,国内要闻2条、国际1条、外媒0条,总共3条。

根因:

  1. 筛选过严:score ≥ 3 才输出,大量中高质量内容被过滤
  2. 条数上限:国内20、国际15、外媒12,高质量内容被截断
  3. 数据源单一:缺天气、科技、社会热点

三个调整:

  • 阈值从3降到2
  • 上限从20/15/12提到50/30/20
  • 加数据源:中国天气网RSS、虎嗅、微博热搜

效果:3条 → 26条。 国内3条、国际2条、外媒21条。

六、阶段5:删掉”LLM自由搜索”层(止损)

到这里,新闻播报能跑了。但还有一个”残留层”:兜底的ShuYan AI搜索。

它偶尔还会跑,偶尔还会编。我盯着看了两周,结论:

这一层,删掉。

理由:

  1. RSS已经覆盖主力信源,兜底搜索贡献的增量价值低
  2. 兜底搜索一旦跑偏,就是”编新闻”,破坏整份播报的可信度
  3. 删掉后,播报变成”纯脚本直抓+AI提炼”,100%可追溯,100%不编

这就是”搞不好就算了”的止损哲学:不稳定的层,宁可删掉,也别留着害人。

七、4个任务,1个删层:我的cron清单

折腾完,我现在的4个cron任务是这样:

任务 数据层 处理层 成本
HN+arXiv日报 脚本抓HN+arXiv API AI翻译+摘要 低
股票播报 脚本抓行情API 纯格式化(无AI) 极低
H3MS反思 脚本读H3MS文件 AI提炼+反思 中
新闻播报 脚本抓RSS AI分类+摘要 低

关键原则:能脚本化的绝不交给AI。 AI只做需要”判断力”的部分——分类、提炼、翻译、反思。数据获取、行情抓取、格式化输出,全是脚本的活。

八、通用原则:AI是加工层,不是数据层

新闻播报的折腾,其实是一个通用原则:

在自动化任务里,AI是”加工层”,不是”数据层”。

  • 数据层(脚本):保证数据真实、可追溯、可重复
  • 处理层(AI):保证判断、提炼、分类、翻译

这条原则能套用到所有cron任务:

  • 股票播报:脚本抓行情(数据层)+ 格式化输出(处理层,甚至不用AI)
  • 新闻播报:脚本抓RSS(数据层)+ AI提炼(处理层)
  • 反思播报:脚本读文件(数据层)+ AI反思(处理层)

数据层一旦用了AI,整条链路就可信度崩塌。 因为AI会编,编了你就发现不了。脚本不编,你才能信。

九、”搞不好就算了”:止损不是摆烂

很多人以为”搞不好就算了”是摆烂,是放弃。

不是。这是止损哲学:

  • 新闻播报第一版”不忍直视” → 止损,重构架构
  • 优化prompt治标不治本 → 止损,治本(RSS直抓)
  • 兜底搜索偶尔编 → 止损,删掉这层

每一次”算了”,都是在砍掉不可靠的依赖。 砍到最后,链路里每一环都靠谱,任务才敢跑在每天早上7点。

这是自动化任务最反直觉的一点:让任务更稳定的方式,不是加更多AI,是减更多AI。

十、结语:稳定性的尽头,是删

折腾完4个cron任务,我最大的收获是:

稳定性的尽头,是删。

删掉不稳定的层,删掉不可追溯的数据源,删掉AI能编但不能保证的部分。删到最后,链路干净、可重复、可追溯,才敢跑在”每天准时推送”的场景里。

新闻播报从”不忍直视”到”脚本直抓”,两个月,五个阶段,最后删了一层。这一删,才真正跑通。

搞不好就算了,算的是”止损”,不是”放弃”。 这是自动化任务折腾史,教给我的最后一课。


作者:小道 · 环境:Termux on Android 13 · 2026-09-28
关联阅读:《搞了4个定时任务,删掉了一个》(系列第一篇) · 系列:AI Agent实战笔记(技术线)

在手机上跑大模型,听起来很浪漫。修到能跑通,要过6个Bug。每个Bug都不是”写代码”能解决的,是”读懂机器脾气”的功课——参数污染、正则转义、伪流式、DOM操作爆炸。PP 20.81 tok/s,这是Android手机能跑大模型的真实速度。

TL;DR

在Termux上跑本地大模型(llama.cpp + GGUF + HexaBench Lite),修了6个Bug:①命令行参数污染 ②响应提取失败 ③正则表达式转义错误 ④伪流式处理 ⑤DOM操作O(n²)爆炸 ⑥Cloudflare Worker 1003/1031报错。核心教训:修大模型框架不是写代码,是读懂机器脾气——每条错误信息背后,都是一个你”以为能自动处理但机器没处理”的细节。

一、起因:为什么要在手机上跑大模型

朋友看我手机跑Hermes、爬虫、股票脚本,问:”手机能跑大模型吗?”

我当时的回答:能,但没那么美好。

“美好”的版本是:下载个GGUF模型,拖进HexaBench,点生成,出结果。

“真实”的版本是:拖进去之后,生成窗口是空的,响应是乱码,流式输出是假的,DOM刷着刷着卡死了,连浏览器都要加个参数才不崩。

这就是”在手机上跑大模型”的真相:模型能跑,但工程链路要过至少6个关。今天把这6个关的坑,挨个讲一遍。

二、Bug 1:命令行参数污染

现象:我在HexaBench里输入prompt,生成的结果里,混进了--threads 4 -ngl 0 --no-mmap这些命令行参数。

根因:代码里用的是裸位置参数传prompt,而不是 -p 参数。

1
2
3
4
5
# 错误写法:prompt作为裸位置参数
cmd = [llama_tool, "-m", model_path, prompt]

# 正确写法:用 -p 参数
cmd = [llama_tool, "-m", model_path, "-p", prompt]

裸位置参数的问题是:llama-simple会把prompt后面的内容,当成更多参数拼到命令行里。最后生成的输出,参数和prompt和响应,全搅在一起。

教训:命令行工具传参,永远用命名参数(-p xxx),别用裸位置参数。这是Unix老规矩,但跑大模型的人容易忘。

三、Bug 2:响应提取失败

现象:生成完了,窗口里是空的,或者显示”请求失败或无响应”。

根因:_extract_response函数不知道llama-simple的输出格式长啥样。

llama-simple的真实输出(从stderr里抓的):

1
--threads 4 -ngl 0 --no-mmap --temp 0.7 -p 你好,很高兴认识你 -s 1000000000 -t 1000main: decoded 20 tokens in 2.45 s, speed: 8.16 t/s

注意几个关键点:

  1. prompt被重复输出。llama-simple会把它收到的命令行参数原样回显,包括-p后面的prompt。所以你能看到-p 你好,很高兴认识你。
  2. 真正的AI响应,藏在main: decoded之前。
  3. 统计信息在main: decoded之后。

正确的提取逻辑:定位main: decoded这行 → 找prompt最后出现的位置 → 取prompt之后、main: decoded之前的内容 → 清理残留参数。

1
pattern = r'-p\s+' + escaped_prompt + r'(?:\s+-p\s+' + escaped_prompt + r')*\s+-p\s+(.*?)\s*(?:main:|\n|$)'

教训:别”以为输出是干净的”。跑一遍,把真实输出dump下来看,比猜靠谱一百倍。

四、Bug 3:正则表达式转义错误

现象:响应提取好了,但清理残留参数时,正则又出错了,要么清不掉,要么把响应也清了。

根因:正则里反斜杠没转义对。

1
2
3
4
5
# 错误:--[\w-]+ 里的 \w 在字符串里没转义
re.sub(r'--[\w-]+\s+\S+\s*', ' ', text)

# 正确:双反斜杠
re.sub(r'--[\\w\\-]+\\s+\\S+\\s*', ' ', text)

更坑的是嵌套在f-string或字符串拼接里的正则,转义层级又多一层。

教训:正则表达式是”看起来简单,实际魔鬼”。跑大模型的人天天写正则,转义错了你就得盯着空窗口干瞪眼。

五、Bug 4:伪流式处理

现象:HexaBench的”流式输出预览”,显示”请求失败或无响应”,或者一次性刷出来。

根因:代码以为自己做了流式,实际没做。

真正的流式:模型每生成一个token,就立刻推一个token到前端。
伪流式:等模型全跑完(几十秒),一次性把整段响应扔给前端。用户体验上”卡了半小时”,但其实模型早就跑完了。

修法是无缓冲模式(bufsize=0)+ 字符级流式处理。但要注意的是:bufsize=0意味着每一个字节都触发一次DOM更新,这又引出Bug 5。

教训:流式输出不是”看起来动了”,是”真的一个token一个token来”。别信”我加了流式”,要信”我测了token间隔”。

六、Bug 5:DOM操作O(n²)爆炸

现象:流式输出正常了,但前端越刷越卡,最后直接卡死。

根因:每来一个token,代码就操作一次DOM(append一个字符)。一次很快,但100个token下来,每次都要重排整个DOM,复杂度是O(n²)。

修法:批量更新。攒一批token,一次性更新DOM。或者用requestAnimationFrame节流。

教训:前端性能问题,往往不是”没优化”,是”优化方向错了”。O(n²)的DOM操作,是流式场景里最容易踩的性能坑。

七、Bug 6:Cloudflare Worker 1003 / 1031

现象:大模型API部署到CF Worker(为了从外网访问),结果报1003或1031。

根因:两个不同的错:

  • 1031:Worker代码不完整,被截断。移动端浏览器编辑,屏幕小,粘贴大段代码容易漏。检查export default + addEventListener('fetch') + 闭合括号。
  • 1003:Worker和Tunnel的端口上下文冲突,或WAF拦截。

这条是我上一篇CF Serverless那篇的延续。大模型部署到CF,部署链路本身就是坑。

教训:本地跑模型 ≠ 端到端可用。要把模型API对外提供,部署链路(CF/DNS/WAF)又是一条坑链。

八、真实速度:PP 20.81 tok/s

跑通之后,我在手机上实测的速度:

  • Prompt Processing(PP):约20.81 tok/s
  • Token Generation(TG):约8-12 tok/s(取决于模型大小)

这是什么概念?

  • 手机上跑7B模型,生成速度约8 tok/s。一句话(50 token)要6秒。
  • 手机上跑3B模型,生成速度约12 tok/s。一句话要4秒。

结论:手机跑大模型,能跑,但别指望速度。它是”离线可用、隐私安全、零成本”,不是”高速、低延迟”。

九、6个Bug的共同规律

回看这6个Bug:

  1. 参数污染 → 命令行传参的Unix老规矩
  2. 响应提取 → 别猜输出格式,dump真实输出
  3. 正则转义 → 正则的魔鬼在反斜杠
  4. 伪流式 → 信token间隔,不信”我加了流式”
  5. DOM爆炸 → O(n²)是前端性能第一坑
  6. CF 1003 → 部署链路也是坑链

共同规律:每一条都是”你以为能自动处理,但机器没自动处理”的细节。

这不是”写代码”的功课,是”读懂机器脾气”的功课。你越自信”框架应该能处理”,坑就越深。

十、从Bug到Skill:把6个坑沉淀成技能

这6个Bug,我修完之后,没让它们只留在脑子里。我把它们沉淀成了3个Hermes skill:

  • hexabench-lite-troubleshooting:修”请求失败或无响应”和流式问题
  • hexabench-lite-response-extraction:修响应提取(从llama-simple输出提取纯文本)
  • llama-simple-output-processing:llama-simple输出处理与AI响应提取

每个skill里都带着:触发条件、修复步骤、正则表达式、验证命令、常见陷阱。

这就是”折腾”的价值:坑踩过了,沉淀成可复用的知识。下次再跑大模型,不用重新踩。

十一、结语:修大模型框架,是读懂机器脾气

在手机上跑大模型,最浪漫的是”零成本、隐私安全、离线可用”。最真实的,是要过6个关。

每个关,都不是”写代码”能解决的:

  • 参数污染,是Unix传参老规矩。
  • 响应提取,是别猜、要dump。
  • 正则转义,是魔鬼在反斜杠。
  • 伪流式,是信间隔不信口号。
  • DOM爆炸,是O(n²)第一坑。
  • CF 1003,是部署链路也是坑链。

修过这6个Bug之后,你就明白了:跑大模型,不是”拖个模型进去”,是”读懂机器脾气”。

机器脾气读懂了,PP 20.81 tok/s,就够你手机上离线跑一个私人模型了。


作者:小道 · 环境:Termux on Android 13 · 2026-09-27
关联阅读:《用CF搭建Serverless代理:0元搞定外网出口》 · 系列:AI Agent实战笔记(技术线)

朋友问我:你手机连不上GitHub,咋办?我:我租了个”代理”,0元。他用CF搭了个Serverless HTTP代理出口,机器在本地,路在云端——这是”为什么不上云”的姊妹篇。

TL;DR

CF Workers是Serverless的免费额度天花板:10万次请求/月、无需VPS、5分钟上线。但坑也多:.workers.dev域名解析到专用IP会不通,得绑自定义域名走CDN IP;WAF会403拦截;cfut_和cfat_ token混淆会8000096报错。用CF搭Serverless代理,不是”上云”,是”借云”——数据留在本地,出口借云穿墙。

一、起因:手机连不上GitHub

Hermes在Termux里跑,要访问GitHub、Google、DuckDuckGo。手机在国内网络,这些站点要么被墙要么不稳定。

朋友问:”你租个VPS做代理呗,一年一千多。”

我:”不用,CF有免费额度,5分钟搞定。”

这就是Serverless的价值:不用买机器,不用管运维,按量付费(免费额度内0元)。但坑也不少,今天把这套”借云穿墙”的架构和踩过的坑,摊开讲一遍。

二、CF Workers:Serverless的免费额度天花板

CF Workers的免费额度:

  • 10万次请求/月,够用。Hermes日常调用(搜索、爬虫、API)一天几百次,一个月几千次,远没到上限。
  • 无需VPS:代码跑在CF全球边缘节点上,没有”机器”要管。
  • 5分钟上线:Dashboard里粘贴代码,点Deploy,DNS生效,完事。

对比VPS:

  • VPS要买、要配、要管、要防挂。CF Workers零运维。
  • VPS固定成本一年一千多。CF Workers免费额度内0元。

Serverless的核心逻辑:不用为”机器”付费,只为”跑起来的那一刻”付费。 免费额度内,跑起来也是0元。

三、架构:机器在本地,路在云端

1
2
3
4
Hermes/Curl → https://proxy.dingdao.me/proxy?url=<目标URL>
→ CF全球边缘节点(CDN IP 104.x)
→ 目标网站
→ 返回结果给Hermes

关键点:自定义域名走CDN IP(104.x),稳定。

为什么不用CF默认的.workers.dev子域名?因为它解析到Workers专用IP(173.x/108.x),某些网络不通。绑自定义域名后走CDN IP,实测稳定。

这就是”机器在本地,路在云端”:

  • 机器:Hermes、数据库、日志、持仓,全在手机上。
  • 路:CF Worker做HTTP代理出口,数据经CF边缘节点传到目标网站。

数据没进CF的机房,只借了CF的”路”。 这是Serverless和VPS的本质区别——你租的是”带宽”,不是”机器”。

四、踩过的坑(按频率排序)

坑1:.workers.dev域名不通

CF默认子域名解析到Workers专用IP,Termux网络不通。

解决:Dashboard → DNS → 添加CNAME(proxy.dingdao.me → Worker)→ 等1-2分钟生效。

坑2:部署后403/1010(WAF拦截)

CF的WAF默认Security Level高,会拦”可疑请求”。

解决:Dashboard → Security → WAF → Security Level调低到Low → 关Bot Fight Mode。

坑3:Error 1031(代码不完整)

CF Dashboard预览面板报1031,根因是Worker代码被截断(移动端屏幕小,一次性粘贴大段代码容易漏)。

排查:检查export default/addEventListener('fetch', ...) + async fetch + 闭合括号是否完整。

坑4:cfut_ vs cfat_ token混淆

CF有两类token:

  • cfut_:API Token,操作DNS/Workers/Pages/R2
  • cfat_:R2 S3兼容令牌,只能用于R2对象存储

用cfat_调Pages API会报8000096(Token没Pages部署权限)。

排查:curl https://api.cloudflare.com/client/v4/user/tokens/verify,看permissions是否为空。

坑5:Pages Direct Upload API manifest路径错

manifest.routes[].script必须指向functions/子目录下的文件,不能放根目录。

五、实测可用站点

站点 状态 备注
GitHub API ✅ 需透传User-Agent
Wikipedia ✅ 需默认UA,否则403
DuckDuckGo HTML ✅ 网页搜索可用
Bing Search ✅ v6自动跟随重定向
Arxiv API ✅ 论文搜索正常
HackerNews API ✅ JSON数据正常
Google Search ⚠️ 代理没问题,Google自身429限流
SearXNG公共实例 ❌ 全部403/429/Bot拦截

结论:CF Worker做HTTP代理出口,能覆盖90%的日常需求。 剩下的10%(Google限流、SearXNG全挂),是目标站自己的反爬,跟代理无关。

六、新设备5分钟部署

  1. CF Dashboard → Workers & Pages → Create Worker
  2. 粘贴v6模板代码,改API_KEY
  3. Save and Deploy
  4. DNS添加CNAME → 自定义域名指向Worker
  5. 验证:curl https://proxy.dingdao.me/health -H "Authorization: Bearer ***"

注意:创建的是Workers不是Pages。 进错入口是新手第一坑。

七、安全提醒

  • API_KEY是访问密钥:知道URL+Key的人就能用你的免费额度。定期轮换。
  • Worker代码只允许http/https协议:防止SSRF。
  • 敏感头过滤:Authorization/Cookie/Proxy-Authorization等不透传到目标站。

八、Serverless vs VPS:本质区别

维度 VPS CF Worker(Serverless)
机器 租整台 没有机器,跑在边缘节点
成本 固定一年一千多 免费额度内0元
运维 配、管、防挂 粘贴代码,点Deploy
数据 在VPS机房 留在本地,只借带宽
灵活性 受机器限制 全球边缘节点,NAT穿透

Serverless的核心逻辑:你租的是”带宽”,不是”机器”。 数据留在本地,出口借云穿墙。这是”为什么不上云”的正面回答——不是不上云,是只借云的路,不租云的机器。

九、CF Manager:多账户统一管理

CF免费额度最大化,一个技巧是多账户(业务隔离、额度叠加、新功能灰度)。但官方Dashboard不支持多账户统一管理。

CF Manager(开源项目)解决这个痛点:

  • 多账户Zone汇总 + DNS CRUD
  • 跨账户一键部署Worker
  • KV/D1/R2存储管理
  • 隧道和回源可视化编辑
  • AI工作台(对话/文生图/TTS/翻译)

启示:CF的Serverless生态比想象中深,不只是”粘个Worker”,还有一整套多账户+存储+隧管的工具链。

十、结语:借云,不租云

朋友问”为什么不租VPS”,我现在的回答是:

VPS是租机器,CF Worker是借带宽。 数据留在手机里,出口借CF边缘节点穿墙。免费额度内0元,5分钟上线,零运维。

不是不上云,是只借云的路,不租云的机器。 这是Serverless的精髓,也是我”数据在自己手里”那条底线的延伸。


作者:小道 · 环境:Termux on Android 13 · 2026-09-26
关联阅读:《为什么不在云上跑,一台手机就是AI服务器》 · 系列:AI Agent实战笔记(技术线)

不是不信任云,是这套东西里有几样数据我”绝不能上云”。数据在我手里,我才睡得着。

TL;DR

在手机上跑AI服务器,不是抠门,是数据敏感度决定的架构选择。云的舒适是真的,云的脆弱也是真的。最优解是”本地跑数据,云端做穿透”。

一、起因:朋友的那句”为什么不租台服务器”

上个月有个同行朋友,问我手机那套东西跑得怎么样。我给他演示了下:Hermes在Termux里跑,新闻播报、股票脚本、每日反思,全在这台手机上。

他听完,说了句:”你干嘛不租台云服务器?一年也就一千多,多省事。”

我当时没接话。

一千多。听起来确实不多。但这句话背后,藏着一整套我没细说过的决策。今天这篇,就把这套”为什么不在云上跑”的账,摊开算给大家看。

二、账一:成本,但不是你想的那个账

先算明账。

云VPS:入门款一年一千出头,听着不贵。但云的东西都是”基础价+增值”。要跑浏览器得加内存,要存数据得买云盘,要稳定访问得配CDN,一年下来轻松奔着两三块去。而且这些是固定成本——不管我用不用,都在那扣。

手机:边际成本几乎为零。Hermes跑在Termux里,用的就是手机已有的内存和存储。新闻播报、股票脚本、每日反思,一天用下来,电费忽略不计。真正的成本是时间——折腾它的时间。

但明账不是重点。重点是暗账。

三、账二:数据隔离——什么数据在我的手机上

我手机上跑着的东西,有几样是绝不能上云的:

  • 股票持仓和盈亏。港股+美股,成本价、浮盈浮亏。这些是我的家底。放到VPS上,等于把家底单交给一个我控制不了的机房。
  • 个人反思和每日日志。H3MS里那53篇daily_logs,是我写给自己的话,是最私密的东西。
  • 渠道和行业know-how。11年阿里攒下的,客户怎么想、渠道怎么走、哪些话能说哪些不能说。这是经验,不是数据,但它是我的核心资产。

云服务器的逻辑是多租户:你的数据在物理机盘上,和别人的挤一起。服务商能给你SLA,但做不到”绝对不碰”。

我这套东西的逻辑是物理隔离:数据长在一台我摸得到、带得走、随时能砸的设备上。没有多租户,没有机房,没有”服务商说不会泄露”——因为压根没有第二个人。

这不是偏执。这是数据敏感度:我处理的数据里,有一类叫”一旦泄露,损失不可逆”。这种数据,放云上是睡不着的。

四、账三:连根拔走——移动性

手机有个云VPS永远给不了的特性:它随身。

我出差,手机在裤兜里,Hermes跟着走。我在杭州,它在哪我不用想。我把它揣兜里就没了,物理意义上的连根拔走。

云VPS怎么办?你得登服务商后台、做镜像、导出、再导入到另一台机器。它”在云上”,但你摸不着它,搬不走它。

我做过一次真实的迁移:OTG U盘,把整个Termux目录物理拷到另一台设备。nc网络传输断了,U盘没断。那次之后我明白了:物理介质在关键场景下,比网络可靠。 这个特性,云天生没有——你没法拿根U盘插进机房搬走你的服务。

五、账四:零成本的容错空间

云最怕”跑起来就停不下来”。一旦开机器,就算你不用,钱在烧。

手机这套,关掉就关掉。我研究两周没跑通的东西,直接杀进程,成本是零。我可以疯狂试错:今天试llama.cpp,明天试HexaBench,后天试新框架,每一试都是零成本。

云上的试错是有价的。每次开机器、每次存快照、每次拉日志,都在烧钱。这种隐性成本会反过来绑架你的决策——你会舍不得删、舍不得试新的。

零容错成本,意味着试错可以无限。这是我敢在手机上乱搞的前提。

六、但云端不是没用——穿透才用得上

说”不上云”是片面的。我实际用的是**”本地跑数据,云端做穿透”的混合架构**:

  • 数据面(Hermes、数据库、日志、持仓):全部在手机上,物理隔离。
  • 控制面(远程访问、对外服务):走Cloudflare Tunnel。

这就是为什么我不用VPS却能用Tailscale/Cloudflare:我需要的不是”云机器”,是”一个能穿透NAT的隧道”。数据留在手机上,隧道只是修条路让外面能连进来。机器是本地,路是云的。

这套架构里,云的舒适(随时随地访问)是用了,但云的脆弱(数据在机房)是绕开了。

七、Cloudflare 1003:这套架构的代价

混合架构不是没代价。最典型的一次:我在Cloudflare Worker里部署了一个代理,手动部署成功,结果API一调就报1003。

查了半天,不是代码问题,是Worker和Tunnel的端口上下文冲突。这种问题,VPS上基本不会遇到——因为你直接跑在自己机器上,网络拓扑简单。

混合架构的复杂度,是拿可靠性换移动性换来的。你得接受偶尔”连不通、报1003、得手动刷”的成本。我刷过浏览器加载最新的JS,配过–no-zygote,调过Worker。这些折腾,是”不上云”的代价。

但代价换来的是:我的核心数据,始终没进过任何机房。

八、2026年的最优解

所以”为什么不在云上跑”的答案,不是”手机比云好”,而是:

数据敏感度决定了架构。

如果你的数据是低敏感的(开源项目、公开内容、临时服务),上云,舒服省事。
如果你的数据是高敏感的(个人财务、私密日志、行业know-how),本地跑,云端只做穿透。

我的最优解,在2026年是这么一套:

本地:一台Android手机 + Termux + Hermes,跑所有数据和逻辑。
云端:Cloudflare Tunnel做穿透,让手机变成”带不走的服务器”。
物理:OTG U盘做备份和迁移,关键场景下比网络可靠。

这套东西的成本是”折腾的时间”,但买回来的是”数据在自己手里”的踏实感。

九、结语:东西长在自己身上,才踏实

朋友问”为什么不租台服务器”,我现在的回答是:

不是省钱。是我这套东西里,有些数据是”一旦泄露不可逆”的,云机房的多租户模型,做不到”绝对不碰”,但物理隔离可以。

云很舒服,很省事,很”专业”。但它把你的资产,放在一个你控制不了的盒子里。

我的资产,长在我手机里。我揣兜里就能走。

东西长在自己身上,才踏实。 这是非技术人折腾AI,最朴素的一条底线。


作者:小道 · 环境:Termux on Android 13 · 2026-09-25
关联阅读:《OTG U盘迁移,物理传输的浪漫》 · 系列:AI Agent实战笔记(技术线)

起因很朴素:博客一直跑在家里一台 Windows 的 Hyper-V Ubuntu 虚拟机里,靠 Cloudflare Tunnel 暴露公网。电脑一关、VM 一停,博客就 502。我想把它变成”读永远在线、写和评论都不依赖家里电脑”。这篇记录整个迁移到 Cloudflare Pages + GitHub 自动构建 + Giscus 评论的过程,以及踩到的坑。

目标

  • 读:任何人任何时间都能打开,家里电脑关机也在线。
  • 写:改文章不需要开家里那台机器,在 GitHub 上改 .md 提交即发布。
  • 评论:访客能留言、我能管理,且不用自己养一个后端。

最终架构

1
2
3
4
5
6
7
8
9
GitHub 仓库(xiaodaoblog, Hexo 源码)
│ push 触发
▼
Cloudflare Pages ── 自动构建 npx hexo generate → public
│ 自定义域 blog.dingdao.me / www.dingdao.me
▼
访客 ──► 静态站(永远在线)
├─ 评论: Giscus ⇄ GitHub Discussions(零后端)
└─ 统计: Cloudflare Web Analytics(免费、无 Cookie)

关键点:Cloudflare Tunnel 是出站的,所以”服务在哪跑”和”域名能不能通”解耦了——静态内容一旦交给 Pages CDN,就跟家里机器彻底无关。

第一步:静态产物上 Pages

Hexo generate 出来的 public/ 是纯静态。用 wrangler 直接部署:

1
2
3
4
npm i -g wrangler
wrangler login # 浏览器授权一次
wrangler pages project create blog --production-branch main
wrangler pages deploy ./public --project-name blog

拿到 blog-xxx.pages.dev 后,在 Pages 项目里绑定自定义域 blog.dingdao.me。因为域名本来就在 Cloudflare,改一条 CNAME 即可:把原来指向 <tunnel-id>.cfargotunnel.com 的记录改成 <project>.pages.dev(保持橙云 proxied)。

第二步:评论换成 Giscus

原来是自己写的评论接口(Flask + SQLite),家里 VM 一关评论就废。换成 Giscus——评论数据存在 GitHub Discussions,零后端、免费、永久在线。

三步:

  1. 仓库开 Discussions,装 giscus GitHub App(授权到该仓库)。
  2. 在 giscus.app 选好映射方式(我用 pathname,每篇文章 URL 对应一个 discussion)、语言 zh-CN,拿到 data-repo-id / data-category-id。
  3. 把嵌入片段塞进主题的文章页(用 is_post() 只在文章页渲染),同时把旧的自建评论接口关掉。

第三步:源码进 GitHub + 自动构建

把 Hexo 源码(排除 node_modules / public / db.json)推到一个 GitHub 仓库,然后让 Pages 连这个仓库自动构建。

这里踩了最大的一个坑:在 Cloudflare 后台连上 GitHub 后,默认 Build command 是空的,Pages 不会执行 hexo generate,直接把源码仓库当产物部署 → 根路径 404。必须显式设置:

1
2
Build command:  npx hexo generate
Output directory: public

配好后,在 GitHub 上改 .md → 提交 → Pages 自动重新构建发布,全程不用碰家里电脑。

推送用 Deploy Key(仓库级 SSH 公钥,比账号级 token 安全)比账号级令牌干净;GitHub 对”加部署密钥/装第三方 App”会弹 sudo 二次验证(2FA),这一下得本人输验证码。

第四步:访客统计

用 Cloudflare Web Analytics:免费、无 Cookie、不跟踪跨站,Pages 项目里一键开启会自动注入 beacon。能看到来源(referrer)、各页面、平均停留时间、国家/设备/浏览器。想要更细的”访问路径/会话流转”,可以换自托管的 Umami。

踩坑清单(速查)

坑 现象 解法
Pages 连 Git 后不构建 站点 404 / 部署的是源码 设 npx hexo generate + 输出 public
自定义域不生效 一直指向旧隧道 把 CNAME 从 *.cfargotunnel.com 改到 *.pages.dev
评论迁 Giscus 后旧接口还在 页面出现两套评论 关掉主题里自建评论的 comment_api 配置
中文标题 slug URL 里是编码后的中文 正常,permalink 用 :title 即可
点赞/喜欢依赖后端 关机后失效 用 _worker.js 代理 /api 回后端,或改用 Giscus 的 reactions

结果

  • 博客 + 门户现在跑在 Pages CDN,家里电脑关机照样在线;
  • 写文章 = 在 GitHub 改 .md 提交,几十秒后自动上线;
  • 评论 = GitHub Discussions,我能直接在 GitHub 后台管理垃圾评论;
  • 统计 = Cloudflare Web Analytics。

家里那台机器从此只需要在”跑动态服务(面板/网关/智能家居)”时才开机,博客这条线彻底解耦了。

技术会过时,工具会迭代,模型会升级。但信任不会。OPC的护城河不是你会多少AI工具,是客户想到这个领域就想到你。持续公开表达、不可替代经验、客户关系深度、速度优势——这四个才是真正拦得住别人的墙。

TL;DR

OPC护城河构建指南:技术不是壁垒,信任才是。四个信任壁垒(持续公开表达、不可替代经验、客户关系深度、速度优势)。Palantir被嘲笑二十年现在成标配,FDE岗位增速800%。权力关系是AI部署最大障碍,价值证明比技术实现更难。从“供应商”到“伙伴”的关系跃迁,速度优势是大公司软肋也是OPC利器。政策红利期的渠道机会与五个决策问题实操清单。

一、起因:技术会过时,什么不会?

我折腾了两个月AI,装过Hermes,跑过HexaBench,调过cryptography,修过llama-simple。技术栈越来越丰富,但有一个问题始终悬在头上:这些技术,三年后还在吗?

AI模型迭代太快了。今天跑通的架构,明天可能就被新框架替代。今天调好的参数,明天可能就被新模型覆盖。

技术会过时。工具会迭代。模型会升级。

但有什么东西不会过时?

信任。

二、OPC的护城河:不是技术,是信任

Wiki概念页《一人公司OPC自运转商业模式》里,把护城河定义为“信任壁垒”:

  • 持续的公开表达 → 想到领域就想到你
  • 不可替代的个人经验 → 你的视角是唯一的
  • 客户关系深度 → 你是伙伴不是供应商
  • 速度优势 → 当天就能给,大公司走流程要两周

这四条,没有一条跟“技术多牛”有关。

我在阿里11年,从地推铁军到钉钉渠道,见过太多“技术很牛但没客户”的人。也见过“技术一般但客户排队”的人。区别在哪?在信任。

OPC时代,技术平权加速。越是不懂代码的人,越会被FDE这类岗位替代。但越是懂信任的人,越不会被替代。

三、四个信任壁垒构建法

壁垒1:持续的公开表达

不是“我发了”,是“有人看”。

公众号、B站、播客、Newsletter、甚至朋友圈。持续输出你的思考、案例、踩坑记录。

我在blog.dingdao.me写这14篇文章,就是在做公开表达。不是炫耀技术,是记录真实成长。读者看到的不是“多牛的技术”,是“一个中年人的真实转型”。

这种真实,就是信任的种子。

壁垒2:不可替代的个人经验

AI能力谁都能学,但“能把AI能力翻译给传统老板听”的人,不多。

我在阿里5年跑中小企业、4年做钉钉渠道,见过太多传统老板的痛点。考勤表卡死、数据滞后、执行偏差、培训成本高。这些痛点,AI能解,但需要有人翻译。

你的视角是唯一的。你的经验是不可替代的。把经验变成方法论,方法论变成产品,产品变成信任。

壁垒3:客户关系深度

从“供应商”到“伙伴”,是一步之遥,也是一道鸿沟。

供应商:做完项目,交方案,结束。
伙伴:部署、验证、优化、再部署。持续迭代。

FDE方法论里说:“AI部署不是技术问题,是权力再分配问题。谁掌握AI决策权,谁掌握企业未来。必须建立‘人机协同’模式,逐步建立信任。”

信任不是一次交付建立的,是持续迭代建立的。

壁垒4:速度优势

大公司的软肋:走流程要两周。
OPC的利器:当天就能给。

我在Termux上修bug,客户说“今天能跑通吗”,我晚上就能给结果。大公司要排期、要评审、要走流程。OPC没有这些包袱。

速度不是莽撞,是敏捷。小步快跑,快速迭代,当天反馈。

四、Palantir的启示:超前认知需要时间验证

FDE方法论洞察里提到:Palantir被嘲笑二十年,现在成标配。

2000年代:被质疑“太重”、“太贵”、“太复杂”、“不适合中小企业”、“只是政府承包商”。
2020年代:OpenAI投入40亿美金入场,PE资本开始投资FDE服务公司,FDE岗位增速800%。

启示:

  • 超前认知需要时间验证
  • 坚持正确方向比随波逐流更重要
  • “重模式”在复杂场景下反而是优势

OPC也一样。现在很多人觉得“一人公司就是个体户”、“AI落地就是写代码”。但五年后,OPC+AI会成为标配。

你现在做的公开表达、经验沉淀、关系深耕,都是在为五年后的标配铺路。

五、政策红利期的渠道机会

2026年7月,五城政策联动:广州最高500万、杭州50+社区、泰州首部标准、北京通州一站式、绵阳安州区下沉区县。

政策红利期,普通人怎么蹭?

H3MS Wisdom《OPC政策矩阵分析》给了四个渠道机会:

  1. OPC培训与咨询服务 — 工商注册代办、政策解读、AI工具培训
  2. AI工具渠道代理 — 成为AI服务商的渠道合作伙伴
  3. OPC社区运营 — 参考杭州模式打造本地创业社区
  4. 政策套利 — 各地补贴政策差异大,帮助客户选择最优注册地

这四个机会,不需要你技术多牛,需要你“懂政策+懂AI+懂传统企业”。三者交集,就是OPC渠道商的生态位。

六、五个决策问题实操清单

每次做一件事之前,问自己五个问题(附实操对照):

  1. 这件事能不能只做一次就反复卖?

    • 能 → 往产品方向走(模板/课程/SaaS)
    • 不能 → 做服务,但尽量标准化
    • 我的对照:Hermes部署能标准化,做成模板反复卖
  2. 这件事能不能被工具替代?

    • 能 → 先自动化(Cron/脚本/Agent)
    • 不能 → 保留,这是你的核心壁垒
    • 我的对照:新闻播报被工具替代,删掉;FDE诊断不能,保留
  3. 这件事是不是只有我能做?

    • 是 → 保留,这是你的不可替代经验
    • 不是 → 委托,花钱买时间
    • 我的对照:渠道痛点翻译只有我能做,保留;视频剪辑不是,委托
  4. 这件事做完之后能带来持续收入吗?

    • 能 → 优先做
    • 不能 → 降低优先级
    • 我的对照:订阅制咨询能带来持续收入,优先;一次性调试降低优先级
  5. 这件事是在“建系统”还是“卖时间”?

    • 建系统 → 做
    • 卖时间 → 不做(或提高单价)
    • 我的对照:H3MS知识管理系统在建系统,做;纯修bug在卖时间,提高单价或产品化

七、结语:建系统,不卖时间

OPC的终极目标:建系统,不卖时间。

系统是什么?是自动化+委托+系统化。

  • 自动化:能交给机器的,绝不自己干
  • 委托:能交给别人的,花钱买时间
  • 系统化:把能力变成可运行的系统

信任是什么?是持续公开表达+不可替代经验+客户关系深度+速度优势。

技术会过时,工具会迭代,模型会升级。
但信任不会。系统不会。

建系统,不卖时间。建信任,不追工具。

这是OPC的护城河,也是我从闲人打工人到AI折腾者,再到FDE交付者的长期主义。


作者:小道 · 环境:Termux on Android 13 · 2026-09-24
关联阅读:上一篇《OPC定价策略:为什么按小时收费是错的》 · 系列:一人公司OPC探索

500元/小时,看起来不低。但按小时收费,你的收入就被时间锁死了。正确做法:按成果收费。2999元/次AI诊断,不是500元/小时×6小时。客户买的不是你的代码,是你的翻译能力。

TL;DR

OPC定价策略:四种收入结构(打包服务、订阅制、一次性产品、衍生品),定价公式(目标时薪×总时间=基础定价),按成果收费而非按小时收费。GitHub开源项目变现案例:从几十元/张AI图片到上万/项目ERP部署。支付宝Agent支付工具:A402协议、虚拟资源供给平台。定价不是成本核算,是价值感知。

一、起因:一个定价问题,卡了我两个月

7月24日,我分析了Flutter POS系统。7月25日,我评估了OvisOCR2文档解析。7月26日,我做了防溺水视频生成。

三个项目,三个方向。但有一个问题一直没想清楚:我该收多少钱?

按小时收费?500元/小时,一天工作8小时,月收入12万。听起来不错,但一天只有24小时,不可能每天工作8小时。

按项目收费?POS系统部署,收5000还是50000?OCR解析服务,收500还是5000?

我想了两个月,没想清楚。直到我翻到知识库里的定价笔记。

二、四种收入结构

Wiki概念页《一人公司OPC自运转商业模式》里,把收入结构分成四种:

打包服务:按成果收费。5万全案,不是500元/小时×100小时。

订阅制:SaaS月费、社群年费、会员订阅。可预测,但有流失风险。

一次性产品:电子书、模板、单次课程。用锚定效应定价。

衍生品:一次创作,多次变现。方法论→课程→书→咨询→模板。

我对照了一下自己的情况:

我现在是打包服务——帮人搭Hermes、修bug、写脚本。按项目收费,但没想清楚”成果”怎么定义。

订阅制——没有。Hermes跑在手机上,不是SaaS。

一次性产品——没有。181篇H3MS文件是知识,不是产品。

衍生品——没有。方法论还没变成课程。

四种收入结构,我只占了第一种,而且占得不好。

三、定价公式:目标时薪×总时间

Wiki里给了一个定价公式:

目标时薪 × 总时间 = 基础定价

目标时薪不等于现在时薪,而是理想状态下的时薪。按500元/小时定价,即使现在只值100元/小时。初期会丢客户,但留下的是真正认可价值的。

这个公式的意思是:定价不是基于你的成本,是基于你的理想价值。

我在阿里做销售的时候,报价也是这个逻辑。不是”我花了多少时间”,是”这个方案值多少钱”。

现在做FDE,也一样。不是”我搭Hermes花了6小时”,是”这个AI系统帮你省了多少人月”。

四、按成果收费 vs 按小时收费

按小时收费的最大问题:收入被时间锁死。

一天24小时,工作8小时,月收入上限就是8×30×时薪。时薪再高,也高不到哪去。

按成果收费的逻辑:客户买的不是你的时间,是你的成果。

举例:

  • 按小时:500元/小时×6小时=3000元
  • 按成果:AI诊断方案,帮客户省了2个人月(约6万元人力成本),收费2999元

客户选哪个?肯定选按成果。因为3000元买6小时,和2999元买6万元的价值,后者更划算。

但按成果收费的前提是:你能量化成果。

“省了2个人月”是量化。”提升了效率”不是量化。

五、GitHub开源项目变现案例

知识库里有篇《GitHub开源项目接私单变现模式》,给了十个真实案例:

开源项目 目标客户 服务内容 收费标准
Stable Diffusion 餐饮店、服装店 AI生成菜品图/模特试衣 几十~几百/张
Nextcloud 中小企业 私有云盘搭建部署 几百~几千/次
Odoo 小工厂、贸易公司 ERP进销存+财务模块 几千~上万/项目
WeKan 中小企业 项目协作看板部署 几百/年服务费
Tiledesk 淘宝店主 AI客服机器人搭建 好几百/套

这些案例的共同点:

成功关键要素:

  • 技术翻译能力:把代码变成普通人听得懂的服务
  • 信息差:大多数人看代码,他看需求
  • 服务封装:安装包+教程+远程支持=产品化
  • 复购设计:年服务费模式

定价逻辑:不是按开发时间收费,是按客户价值收费。

Stable Diffusion生成一张图,技术上只需几分钟。但餐饮店老板不会用,你帮他生成,收几十到几百。他愿意付,因为一张好的菜品图能带来客流。

Odoo部署一个ERP项目,技术上可能需要几周。但小工厂用了ERP,库存周转率提升20%,一个月省几十万。你收几千到上万,他愿意付。

定价不是成本核算,是价值感知。

六、支付宝Agent支付工具:基础设施已就位

7月5日,支付宝AF团队分享了Agent开发者商业化工具。三个核心产品:

AI支付工具箱:一行代码嵌入Agent,完成支付能力全流程自动接入。官方费率千六,远低于第三方1%-2%。

Agent支付产品:Agent环境内完成授权额度内的自动支付。首次绑定后无需重复扫码。

AI收(A402协议):开发者上传Skill、API、工作流等资源,自动关联收款能力。支持免费试用、按量计费。

这意味着什么?

意味着OPC的基础设施已经就位。你不需要自己接支付、搞服务器、写收款模块。上传资源,自动关联收款。

以前做OPC,最大的障碍是”怎么收钱”。现在支付宝、微信、A402协议都在推Agent支付,收钱不再是问题。

问题是:你有什么值得别人付钱?

七、我的定价实践:FDE服务报价单

基于以上分析,我给自己定了个FDE服务报价单:

服务项目 收费方式 价格 说明
AI诊断 按成果 1999元/次 2小时深度诊断+1份AI落地方案
Hermes部署 按成果 2999元/次 三通道接入+股票脚本+定时任务
爬虫定制 按成果 1999-4999元/次 根据复杂度定价
FDE咨询 订阅制 999元/月 每周1次线上沟通+方案迭代
AI工具培训 一次性产品 499元/人 2小时线上培训+课件

定价逻辑:

  • AI诊断1999元:不是”我花2小时”,是”你省了1个月试错”
  • Hermes部署2999元:不是”我装个软件”,是”你有一套AI基础设施”
  • 爬虫定制1999-4999元:按复杂度分级,客户自己选
  • FDE咨询999元/月:订阅制,持续迭代,建立长期关系
  • AI工具培训499元/人:一次性产品,边际成本趋零

八、三个定价原则

原则1:价值感知 > 实际成本

10块钱月饼+25块包装=卖150。价值感知比实际成本重要10倍。

你的FDE服务,成本是2小时+一台手机。但价值是”帮客户省了6万元人力成本”。按价值定价,不按成本定价。

原则2:先卖再造,定金验证

不要免费试用。免费的东西没人珍惜。

付费预约,哪怕只收99元定金,也能验证需求真伪。有人付定金,再做。没人付,换方向。

原则3:定价是筛选,不是讨好

按500元/小时定价,初期会丢客户。但留下的是真正认可价值的。

定价不是讨好所有人,是筛选对的人。

九、结语:定价是价值观

定价不是数学题,是价值观。

你觉得自己值多少钱,你就定多少钱。

在阿里11年,我学会了报价。不是”我花了多少时间”,是”这个方案值多少钱”。

现在做OPC,也一样。不是”我搭了个Hermes”,是”你有一套AI基础设施”。

定价是价值观。你信自己的价值,客户才会信。


作者:小道 · 环境:Termux on Android 13 · 2026-09-23
关联阅读:上一篇《四种OPC模式,你适合哪个?选错努力白费》 · 系列:一人公司OPC探索

服务型、产品型、内容型、混合型。四种OPC模式没有高下,只有匹配。选错了,努力白费;选对了,事半功倍。别一上来就想做混合型,那等于自杀。

TL;DR

四种OPC模式的底层逻辑与致命陷阱:服务型突破24小时硬约束(提单价+标准化)、产品型避开”做了没人买”(先卖再造)、内容型认清媒体生意本质(三能力叠加)、混合型遵循正确搭建顺序(先活下来再加线)。三个问题帮你定位当前阶段最适合的模式。模式会进化,从服务型起步,向混合型演进。

一、起因:别一上来就想做混合型

很多人一听到”一人公司”,脑子里想的画面是:写公众号赚钱 + 卖课程赚钱 + 做个SaaS收订阅费。

混合型,看起来最完美。

但现实是:一上来就混合型,等于自杀。

我在知识库里有篇OPC商业模式的笔记,写得很清楚:混合型正确搭建顺序是”先活下来→加第二条线→加第三条线”。失败原因只有一条:”一上来想什么都做,结果什么都没做好”。

四种模式,没有高下,只有匹配。选错了,努力白费;选对了,事半功倍。

二、服务型:卖时间还是卖经验?

服务型是最常见的OPC模式。咨询、设计、开发、代运营,本质都是卖时间。

收入公式:客户数 × 单价 × 可用时间。

致命陷阱:24小时硬约束。一天只有24小时,睡觉8小时,剩下16小时。扣除吃饭、休息,真正能工作的时间不到10小时。一个客户占3小时,一天最多接3个。单价可以涨,但客户数和时间有上限。

怎么突破?三条路:

第一条路:提高单价

从执行者变成战略顾问。500元/小时的代码外包,变成5000元/小时的架构咨询。

为什么有人愿意付5000元?因为你帮他省了50万的试错成本。

我在阿里做渠道的时候,客户买的不是我的时间,是我的方案。现在做FDE,客户买的也应该不是我的代码,是我的翻译能力。

第二条路:标准化流程

把定制服务变成模块化服务。

不是”我帮你搭一个AI系统”,而是”我有一套AI诊断框架,分三步走,第一步是需求梳理,第二步是工具选型,第三步是落地实施”。

标准化后,交付时间从10小时缩短到3小时。同样的时间,服务更多客户。

第三条路:产品化雏形

在服务过程中,发现共性问题,做成模板/工具/课程。

这是服务型向产品型过渡的桥梁。

三、产品型:做了没人买是最大的坑

产品型是最让人向往的模式。SaaS、App、电子书、课程,做一次,卖无数次。边际交付成本递减,睡后收入。

但产品型有一个致命陷阱:做了没人买。

先造再卖思维:花三个月做一个产品,上线后发现没人要。

正确做法:先卖再造。

第一步:Landing Page验证

不需要代码,不需要开发。一个Notion页面、一个飞书文档、一个微信公众号文章,说清楚三件事:你解决什么问题、你怎么解决、多少钱。

第二步:付费预约

不是”免费试用”,是”付费预约”。免费的东西没人珍惜。付费预约,哪怕只收99元,也能验证需求真伪。

第三步:MVP交付

有人付钱了,再做。MVP(最小可行产品)不是完整版,是能跑通核心功能的最简版。

我在7月24日分析了一个Flutter POS系统,GitHub 488⭐,功能完整。当时的想法是”如果有经销商/门店客户,可以直接作为FDE交付方案参考”。

然后呢?然后就没有然后了。我写了分析文档,存进了H3MS tech目录。再也没有碰过。

为什么?因为我在”研究态”,不在”交付态”。没人付费预约,我就不需要做。

产品型的核心不是”做产品”,是”验证需求”。先卖再造,卖出去了再造。

四、内容型:本质是媒体生意

内容型是最多人尝试的模式。公众号、B站、播客、Newsletter。

误区是:”我只需要写就好了”。

内容型的本质是媒体生意,需要三件事同时在线:内容能力 + 运营能力 + 商业能力。

内容能力:你能持续产出有价值的内容。不是”我觉得有价值”,是”读者觉得有价值”。

运营能力:你能把内容分发出去,吸引粉丝,建立社群。不是”我发了”,是”有人看”。

商业能力:你能把流量变现。不是”有粉丝”,是”粉丝愿意付费”。

三件事,缺一门都不行。

很多人只有内容能力,没有运营能力和商业能力。结果写了100篇公众号,阅读量不过百,变现为零。

内容型不是”写文章”,是”建媒体”。媒体需要选题、排版、分发、互动、转化、复购。

如果你只有内容能力,建议先做服务型或产品型,把内容能力作为辅助,而不是主业。

五、混合型:正确顺序是先活下来

混合型是最理想的状态。咨询+课程+SaaS,服务型+产品型+内容型。

但混合型不是起点,是终点。

正确搭建顺序:

阶段一:先活下来

选一种模式,跑通第一个闭环。服务型最快,产品型最稳,内容型最慢。建议从服务型起步,快速拿到现金流。

阶段二:加第二条线

在服务型跑通后,加产品型或内容型。

把服务过程中的经验做成模板/课程(服务型→产品型),或者把客户案例写成文章/视频(服务型→内容型)。

阶段三:加第三条线

第二条线跑通后,加第三条线。

此时你已经有现金流、有产品、有内容。混合型开始显现威力:内容引流,产品转化,服务交付。

我在知识库里有几个真实案例:

  • 国内独立创业者:公众号起步(内容型),深耕个人成长3年,10万+付费用户。课程60%+社群25%+品牌15%。
  • 前大厂设计师:从设计咨询到Figma模板+课程(服务型→产品型)。模板45%+课程35%+咨询20%,每周工作20小时。
  • 独立开发者:3个小SaaS面向海外(产品型)。SaaS 70%+写作20%+赞助10%。

他们的共同点:都不是起步就做混合型。都是先跑通一种模式,再慢慢加线。

六、三个问题帮你定位

怎么知道自己适合哪种模式?问自己三个问题:

问题1:你现在有现金流吗?

有→可以选产品型或内容型,慢慢打磨。
没有→选服务型,快速变现。

问题2:你有什么稀缺能力?

技术能力→服务型(开发/咨询)、产品型(SaaS)。
表达能力→内容型(写作/视频)、服务型(培训/咨询)。
行业经验→服务型(顾问)、产品型(行业模板)。

问题3:你能接受多长的回报周期?

立刻要钱→服务型(接单就有钱)。
能等1-3个月→产品型(做MVP+验证)。
能等6个月以上→内容型(积累粉丝+变现)。

七、模式会进化

OPC模式不是一成不变的。它会进化。

我的进化路径:

服务型(现在):帮人搭Hermes、修bug、写脚本。有现金流,但有24小时硬约束。
→ 产品型(下一步):把FDE诊断经验做成标准化框架+模板。先卖再造,收定金再做。
→ 内容型(同步):把折腾过程写成文章,发到blog.dingdao.me。积累粉丝,建立信任。
→ 混合型(目标):咨询+模板+文章。内容引流,模板转化,咨询交付。

从服务型起步,向混合型演进。

先活下来,再谈理想。

八、结语:选匹配的,不选最好的

四种OPC模式,没有最好的,只有最匹配的。

匹配你的现金流状况、稀缺能力、回报周期预期。

别一上来就想做混合型,那等于自杀。
别盲目跟风做产品型,那容易做了没人买。
别以为内容型只是写文章,那需要三能力叠加。
别看不起服务型,那是最快的现金流来源。

选匹配的,做透它,再进化。

这是OPC的生存法则,也是我从闲人打工人到AI折腾者,再到FDE交付者的路径选择。


作者:小道 · 环境:Termux on Android 13 · 2026-09-22
关联阅读:上一篇《OPC启动第一步:从服务型到产品型,先卖再造》 · 系列:一人公司OPC探索

服务型有24小时硬约束,产品型有”做了没人买”的陷阱。正确路径是先卖再造:Landing Page + 付费预约,有人付钱再做。五个实操步骤,三个避坑指南。

TL;DR

OPC启动第一步:从服务型过渡到产品型。服务型收入=客户数×单价×可用时间(24小时硬约束),突破路径是提高单价+标准化流程。产品型最大坑是”做了没人买”(先造再卖思维),正确做法是先卖再造。五个实操步骤:选方向→做Landing Page→收定金→做MVP→交付复盘。三个避坑:不要一上来做SaaS、不要追求完美、不要只研究不交付。

一、起因:服务型干久了,发现天花板

我现在的状态是服务型。

帮人搭Hermes、修bug、写脚本、调参数。有人找我,我就做。没人找我,我就研究。

看起来自由,但有一个硬约束:24小时。

一天只有24小时,睡觉8小时,剩下16小时。扣除吃饭、通勤、休息,真正能工作的时间不到10小时。一个客户占3小时,一天最多接3个。收入 = 客户数 × 单价 × 可用时间。

单价可以涨,从500到1000到2000。但客户数有上限,可用时间有上限。涨到一定程度,就涨不动了。

这就是服务型的天花板。

我想往产品型走。同样的核心价值,反复卖给不同的人,不需要每次都重新做。课程、模板、SaaS、标准化咨询,边际交付成本递减。

但产品型有个更大的坑:做了没人买。

二、产品型的陷阱:先造再卖

我在7月24日分析了一个Flutter POS系统,GitHub 488⭐,Dart/Flutter跨平台,离线优先,功能完整(库存+收银+打印+数据分析)。

当时的想法:这个如果有经销商/门店客户,可以直接作为FDE交付方案参考。

然后呢?然后就没有然后了。我写了分析文档,打了标签,存进了H3MS tech目录。再也没有碰过。

为什么?因为我在”研究态”,不在”交付态”。

研究态的逻辑是:先研究清楚,再决定做不做。
交付态的逻辑是:先有人要,再做。

产品型最大的坑就是研究态思维:先造一个产品,再去找人买。

结果往往是:造了三个月,上线没人用。

三、正确路径:先卖再造

怎么避免这个坑?

Ada杨说得很清楚:先卖再造——Landing Page + 付费预约,有人付钱再做。

具体怎么做?

第一步:选方向

不是”我想做什么”,是”谁愿意为什么付钱”。

从你的服务型经验里找方向。你帮客户解决了什么问题?这个问题是不是很多人都有?是不是值得付费?

我在阿里4年做钉钉渠道,帮渠道商解决过很多问题:客户管理混乱、数据滞后、执行偏差、培训成本高。这些问题,是不是可以产品化?

第二步:做Landing Page

不需要代码,不需要开发。一个Notion页面、一个飞书文档、一个微信公众号文章,说清楚三件事:

  1. 你解决什么问题
  2. 你怎么解决
  3. 多少钱

第三步:收定金

不是”免费试用”,是”付费预约”。

免费的东西没人珍惜。付费预约,哪怕只收99元,也能验证需求真伪。

第四步:做MVP

有人付钱了,再做。

MVP(Minimum Viable Product,最小可行产品)不是完整版,是能跑通核心功能的最简版。

第五步:交付复盘

交付后问三个问题:

  1. 客户觉得值吗?
  2. 哪里不满意?
  3. 愿意推荐给其他人吗?

四、五个实操步骤:以FDE服务为例

我拿自己的FDE服务做个实操演示。

第一步:选方向

我在阿里5年跑中小企业、4年做钉钉渠道,见过太多传统老板的痛点。AI能力谁都能学,但”能把AI能力翻译给传统老板听”的人,不多。

方向:传统渠道商的AI诊断+落地方案。

第二步:做Landing Page

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
【FDE服务:传统渠道商的AI诊断】

你遇到的问题:
- 渠道商信息不对称,决策慢
- 数据滞后,靠经验拍脑袋
- 培训成本高,新人上手慢

我能提供的:
- 1次深度诊断(2小时)
- 1份AI落地方案(含工具推荐+实施路径)
- 1次方案讲解(1小时)

价格:2999元/次(首单优惠1999元)

适合谁:
- 50-500人制造企业
- 有渠道商/经销商网络
- 想尝试AI但不知道从哪下手

第三步:收定金

发到钉钉群、微信群、朋友圈。有人付1999元定金,就开始做。

第四步:做MVP

用Hermes+HexaBench+爬虫工具,搭一个Demo。不需要完美,能跑就行。

第五步:交付复盘

一周后问客户:”好用吗?省了多少时间?愿意续费吗?”

如果客户说”愿意续费”,恭喜,你跑通了从服务型到产品型的第一步。

五、三个避坑指南

坑1:不要一上来做SaaS

SaaS是产品型的终极形态,但不是起点。SaaS需要持续迭代、服务器成本、客服团队。一人公司做SaaS,很容易把自己做死。

正确顺序:服务型→标准化服务→模板/课程→SaaS。

坑2:不要追求完美

MVP的核心是”最小”,不是”完美”。能跑通核心功能就行,UI丑一点没关系,功能少一点没关系。

我在7月26日的反思里写了:”禁止纯技术研究日。每个研究动作必须绑定一个客户场景。”

Flutter POS系统分析完了,但没绑定客户场景,所以没交付。这就是追求完美的陷阱。

坑3:不要只研究不交付

研究是安全的,交付是危险的。

研究可以永远继续,交付必须面对真实客户的拒绝。

181篇H3MS文件,0个付费客户。研究陷阱的本质是:用体系建设代替商业闭环。

每周问自己:这周交付了什么?不是研究了什么,是交付了什么。

六、定价:不要按小时收费

服务型最容易犯的错:按小时收费。

500元/小时,看起来不低。但按小时收费,你的收入就被时间锁死了。

正确的定价:按成果收费。

2999元/次AI诊断,不是500元/小时×6小时。客户买的是”我知道AI怎么用了”,不是”你帮我搭了个系统”。

目标时薪 × 总时间 = 基础定价。

目标时薪不等于现在时薪,而是理想状态下的时薪。按500元/小时定价,即使现在只值100元/小时。初期会丢客户,但留下的是真正认可价值的。

七、结语:先卖再造,小步快跑

OPC启动第一步,不是注册公司,不是蹭政策红利,不是学一堆工具。

是先卖再造,小步快跑。

选一个方向,做一个Landing Page,收一笔定金,做一个MVP,交付一次复盘。

五个步骤,跑通一个闭环。

跑通了,再考虑产品化、规模化、自动化。

跑不通,换方向,再跑。

先闭环,后工具。先交付,后体系。先活下来,再谈规模化。

这是OPC的底层逻辑,也是我从服务型到产品型的过渡路径。


作者:小道 · 环境:Termux on Android 13 · 2026-09-21
关联阅读:上一篇《AI闭环能力:从0到1跑通一件事,远胜十次零散学习》 · 系列:一人公司OPC探索

0%