交流一二

·讓 AI 來管理代碼的話，每次讀 500 行反而比讀 1000 行更費 Token，而且人工編排流程真不如讓大模型自己定，「很多的事兒，還是很反直覺的」

·以前做生意，創(chuàng)造 100 份價值得賺 20 塊錢才活得下來，現(xiàn)在賺 1 塊錢就夠了，「因為 AI 在干活，這并不消耗人力」

·一個不寫代碼的律師，用 OpenClacky 一個人搞定了合同審查、閱卷分析、訴訟可視化等等一系列功能，定價 1999 元，「每天都有律師來找他買」

以上內容，來自我和 OpenClacky 創(chuàng)始人李亞飛的一次對話

OpenClacky 是一個以省錢為核心優(yōu)勢的開源 AI Agent，對 Claude、DeepSeek、GPT、Kimi、MiniMax 等十幾套模型 API 逐一做了響應格式和調用鏈的適配優(yōu)化

至于省錢的奧秘：上下文調優(yōu)，以及 90% 的 Cache 命中率

作為結果，比 OpenClaw 省 50%，更只有 Hermes 的 1/6

李亞飛，是 OpenClacky 的創(chuàng)始人，10 年全棧工程師經驗。而這個項目也拿到了包括奇績、真格、盈動、Variable、紅杉中國、高瓴的投資

我和亞飛聊了一個多小時，聊了很多東西，包括創(chuàng)業(yè)路徑、Agent 的成本控制、Skill 經濟的前提條件，以及一個連續(xù)創(chuàng)業(yè)者在 AI 時代的最新判斷

四次下注

亞飛在 OpenClacky 之前做過三個產品，每一個都是對行業(yè)的重新下注，每一次都比上一次更往深處走一層

ShowMeBug，2019 年啟動，做技術面試和編程測評，做到了行業(yè) TOP。支持 20+ 語言，幾十個框架，秒級啟動，也給團隊帶來了一個副產品：云端 IDE 的全棧自研能力

1024Code，這個項目是 2023 年做的，比 Devin 早半年，也是在國內做出了第一個自主決策鏈 AI Agent。當時 AutoGPT 剛出來，他們的平臺已經能一鍵托管 AutoGPT 了。但那時候 AI 寫個穩(wěn)定的貪吃蛇都做不到，他很清楚市場沒到。后來想明白一件事：1024Code 還是在「幫程序員寫代碼」的框架里，而程序員的人群是窄的。關掉了

Clacky.ai，2024 年 4 月立項。讓不會寫代碼的人用一句話生出一個能跑、能收錢的全棧應用。有數(shù)據(jù)庫、有中間件、有部署，一條龍。全團隊干了一年多，有一批鐵桿用戶

但到了去年 12 月，兩個現(xiàn)實壓過來了。第一，海外運營成本太高，云端并發(fā) 10 萬級非常燒錢。第二，Agent 架構已經穩(wěn)定了，Skill 加 Harness 工程這個模式可能好幾年都不會變

于是有了第四個產品

他把 Clacky 前面加了個 Open，就有了開源的 OpenClacky

我說：我第一次見有人這么自己搞自己產品的，一般都是別人出了 Manus 之后才有人搞 OpenManus

他笑了，我也笑了

讀 500 行代碼，比讀 1000 行更貴

這是一個非常反直覺的現(xiàn)象，我聽了想了好一會，得出一個結論：buy cheap, buy twice

做 coding agent 的時候，最吃 Token 的是讀大文件。一個 5000 行的代碼文件，塞進去可能 5 萬到 10 萬 Token。很自然地會想到先做個預處理，用語法解析器把密度降一下，或者只讀前 200 行、300 行，只暴露接口層

他們試了，大多數(shù)情況下無效，反而更貴

你不知道 AI 這次讀這個文件是想干嘛。你做的程序是死板的，再怎么優(yōu)化也不如大模型自己來看。你給它一份只包含幾個關鍵函數(shù)的摘要，AI 一看：我為什么只拿到這幾個函數(shù)？我還得看所有的信息。然后它又去讀一遍完整文件。雖然看著省了一次 Token，實際上多了兩次調用

也正是這個優(yōu)化思路，讓 OpenClacky 的請求數(shù)量，顯著低于其他框架

他們反復試了 200 行、300 行、500 行、800 行、1000 行。最后發(fā)現(xiàn) 1000 行是最優(yōu)解。一次讀 1000 行大約 1 萬到 1.5 萬 Token，看上去不便宜，但大多數(shù)時候夠 AI 翻一翻就找到它要的東西了。500 行的成本反而翻一倍

「這些東西就是慢慢測出來的，工程上沒有捷徑」

下半場是賬單

對于亞飛來說，它自己去年的 Agent 賬單，一個月穩(wěn)定在 1500 到 2400 美金，今年隨著模型價格的暴漲，費用開始水漲船高，最近半年差不多有 3000-4000 美金了

模型能力到了，接下來大家的瓶頸就是賬單了。去年底到現(xiàn)在，中國已經出了幾個真正能打的 agentic 模型。但你要真用，成本還是很高

OpenClacky 有個 V2EX 的用戶，用過所有熱門 Agent，Claude Code、OpenClaw、Hermes、Codex 全試過。加了他之后反饋：切到 OpenClacky，Token 消耗少了 8 倍（原話就是如此，忽視語法錯誤）

對此，亞飛他們 4 月底花一周時間做了一次正式橫評，把這四個 Agent拎了出來進行測試：同模型、同 prompt、同 skill、獨立 OpenRouter Key，就有了下面的這個結果：

我問：你們這東西，跟 Claude Code 差距在哪？

亞飛直言：Claude Code 的 Cache 命中率 95.2%，比 Clacky 的 90.6% 好很多。畢竟 Claude Code 是 Anthropic 自家做的，從底層就懂自己的模型

但另外的，但 OpenClacky 的請求數(shù)更少，51 個 vs 70 個，總賬單基本打平

OpenClacky 1.0.1 版本，實際使用中已經做到接近 100% 的 Cache 命中率

只有 16 個工具

在 OpenClacky 里，一共有 16 個核心工具。作為對比，Claude Code 有 40+ 個，OpenClaw 有 23 個，Hermes 有 52 個

我說：16 個就夠了？

他說：是因為有一個叫 invoke_skill 的元工具，所有復雜能力全部 Skill 化

工具越少，schema 越短，Agent 判斷越準，能夠不繞路的、穩(wěn)穩(wěn)的把你接住。每一次模型調用都要把所有工具描述塞進上下文，工具數(shù)量直接影響基礎開銷。這是請求數(shù)能壓到 51 的核心原因

漸進式安裝也是他反復講的一個設計。很多國產 Agent 一鍵安裝，安完之后發(fā)現(xiàn)啥功能都沒有。海外的那些開源 Agent 能力強，但安裝就要死要死。他們的做法是只有用到某個依賴的時候才會幫你裝。讀 PDF、OCR 這些場景，第一次用到它才安裝對應的依賴包

一個律師，一個人

聊到 Skill 創(chuàng)作者生態(tài)，李亞飛給我看了一個案例：青獅龍蝦

qingclaw.com，做的人本身是一個律師，網(wǎng)站用 OpenClacky 開發(fā)，微信支付，完全國產。律師朋友付了錢，錢打到他自己的賬戶，然后他調 OpenClacky 的接口自動開通 license

他一個人。用 OpenClacky 的體系搞定了自助審合同、閱卷分析、訴訟可視化、公眾號一鍵排版。1999 元一份 license，每天都有律師過來交流、上課

亞飛用了一個說法：全棧升級為一個科技公司

我問創(chuàng)作者生態(tài)接下來怎么做。他說先不急鋪量，因為每個行業(yè)可能就一個蝦就夠了。先找?guī)讉€有真本事的垂直專家，把標桿做出來

100 份價值，賺 1 塊錢

聊到最后，亞飛說他想做一個中國版的黑曜石

這里得說一下，黑曜石是一個筆記軟件，叫 Obsidian，團隊只有十幾個人，沒拿過大額融資，但用戶眾多、口碑極佳，活得很好。亞飛想做的就是這種：不需要很大的組織規(guī)模，但有著海量用戶

為什么呢？ 因為 AI 在干活、團隊收縮了，也不需要大量的服務器資源和 VC 燒錢續(xù)命了，現(xiàn)在「也有點像一人公司了」

「以前你創(chuàng)造 100 份價值，至少得賺 20 塊錢才能活下來。但現(xiàn)在你創(chuàng)造 100 份價值，你只需要賺 1 塊錢，你就活得很不錯」

OpenClacky 完全開源免費，不需要注冊、用自己的 Key 就行。客戶端的話，有騰訊云 CDN 加速，國內直接下載安裝

作為結果，目前處理每天 1 萬多個五輪以上長任務，比上周翻了一倍

所以吧：做好國內的 CDN 加速還是很重要的

作為與 Claude Code 的對比...「你用 Claude Code 總感覺到你是外人，你舔著它用，信用卡搞兩下隨時封你」

我自己會好奇：如果之后 OpenClacky 做成了，現(xiàn)在的那些事兒更能起到了幫助，對此亞飛則說到：

「先把 Agent 的內核做扎實，讓 Agent 能夠經濟的跑長任務，這樣才有機會長出來」

地基先做好，房子才有得蓋

OpenClacky 官網(wǎng)

openclacky.com

GitHub（MIT 開源）

github.com/clacky-ai/openclacky

技術內幕（7 個工程決策）

openclacky.com/docs/tech-deep-dive

橫評數(shù)據(jù)（可復現(xiàn)）

openclacky.com/benchmark

青獅龍蝦（創(chuàng)作者案例）

qingclaw.com