AI工具收集及使用笔记，持续更新

Created on December 14, 2025

2025   ·   AI   ·   AI

为了让内容更条理清晰，本文对原有的 AI 工具和笔记进行了重新分类和整理。

1. AI 编程辅助与 Agent 工具

Pi Agent

pi agent：第三方开源agent，使用CLI/TUI界面交互，可以接入市面上LLM供应商。github – pi。使用/login选择厂商并设置API Key，使用/scoped-models选进或者剔除模型列表，使用/model选择正在使用的模型，/resume恢复上次的会话，命令列表：Slash Commands。有Packages以及Models扩展安装。

Pi Agent 增加 GLM-5.2 模型

GLM-5.2是一个多模态大模型，上下文长度1M token。创建并编辑~/.pi/agent/models.json，内容如下：

{
  "providers": {
    "zai": {
      "api": "openai-completions",
      "apiKey": "<YOUR_ZAI_API_KEY>",
      "baseUrl": "https://api.z.ai/api/coding/paas/v4",
      "compat": { "supportsDeveloperRole": false, "supportsReasoningEffort": false },
      "models": [
        { "id": "glm-5.2", "name": "GLM-5.2", "contextWindow": 200000, "maxTokens": 131072, "reasoning": true },
        { "id": "glm-4.6", "name": "GLM-4.6", "contextWindow": 200000, "maxTokens": 131072, "reasoning": true }
      ]
    }
  }
}

可以在~/.bashrc添加环境变量ZAI_API_KEY以设置API Key，并在~/.pi/agent/models.json中使用${ZAI_API_KEY}替代<YOUR_ZAI_API_KEY>。

查看模型列表：

pi --list-models | grep -i zai

可以在~/.pi/agent/models.json设置GLM-5.2为默认模型:

"defaultProvider": "zai",
"defaultModel": "glm-5.2"
  • zai_pi.md：参考资料，给 Pi Agent 添加 GLM 模型。

Pi Agent 增加本地部署的 gemma 4 模型

参见另外一篇记录的博客NVIDIA Jetson Orin AGX 安装，以及配套的docker compose仓库：Gemma-4 Local Servers on Jetson Orin。

另外，也可以在Pi agent中添加局域网部署的Gemma 4 模型，即在~/.pi/agent/models.json中进行配置，具体请参考代码仓库Gemma-4 Local Servers on Jetson Orin。

Antigravity agy CLI（原Gemini CLI）

Gemini CLI 是基于 Node.js 的，Antigravity agy CLI 改为使用 Go 实现，速度快很多。安装（安装完成之后可能需要重新启动终端）：

# macOS/Linux
curl -fsSL https://antigravity.google/cli/install.sh | bash

# Windows PowerShell
irm https://antigravity.google/cli/install.ps1 | iex

# 测试是否可用
agy --version

# 启动agy进入交互式界面
agy

# 去掉权限提示，直接操作沙箱外的文件系统
agy --dangerously-skip-permissions

为了方便记忆，可以在~/.bashrc中添加alias：

# AGY 别名 (免确认权限运行)
alias dagy='agy --dangerously-skip-permissions'
alias agy-skip='agy --dangerously-skip-permissions'

认证及 VPN 代理设置

首次启动，需要登录并认证。每次启动agy都会进行区域检测，针对国内区域有限制，认证阶段agy会提示Google OAuth失败，需要打开科学上网工具并设置代理，或者在~/.bashrc中添加代理配置：

# Linux / macOS
export http_proxy="http://192.168.11.139:7890"
export https_proxy="http://192.168.11.139:7890"

# Windows (PowerShell)
$env:http_proxy="http://192.168.11.139:7890"
$env:https_proxy="http://192.168.11.139:7890"

# 验证代理是否生效
curl -I https://oauth2.googleapis.com

设置代理之后，认证完成之后，进入agy交互，还是会提示”Eligibility check failed: Your current account is not eligible for Antigravity, because it is not currently available in your location.”。不过似乎不影响使用。可能使用VPN的TUN模式（增强模式/虚拟网卡模式）可以完全解决，不太熟悉，尝试没有成功。 agy卡死之后，使用Ctrl+D强制退出，而不是Ctrl+C。

可以免费试用的 LLM 有：Gemini 3.5 Flash (High / Medium)。其他几个也可以使用，的额度比较有限，比较容易出现额度已满，包括：Claude Sonnet 4.6 (Thinking)、Claude Opus 4.6 (Thinking)、GPT-OSS 120B (Medium)。其中 Claude Opus 4.6 适合复杂架构设计及深度推理。

在进入 agy 之后，还是会提示”Eligibility check failed: Your current account is not eligible for Antigravity, because it is not currently available in your location.”，其原因为 Google 账号归属地限制，但是似乎不影响使用（使用免费LLM测试可用，高端LLM可能会有限制）。此时需要修改 Google Terms of Service，此时显示的”Country version”是 china 或者 Hong Kong。需要将地区修改美国/特拉华州(Delaware)，修改时，原因选择”Other reason”，并填写原因，比如：

I have a valid US mailing address and intend to use Google services primarily from the United States for both personal and professional purposes. Changing my region to the US will align my account with my current and anticipated usage patterns.

如果后期需要绑定支付方式，填写如下地址（咨询DeepSeek，特拉华州税比较干净）：

147 S College Ave
Newark, DE 19711

解释如下：

纽瓦克市（Newark）
街道地址 (Street Address)：147 S College Ave
城市 (City)：Newark
州 (State)：DE
邮编 (ZIP Code)：19711

获取更多免费LLM额度

据说可以通过在Google AI Studio上申请API Key，获取更多额度。Google AI Studio也是一个网页版的免费平台，聊天入口：https://aistudio.google.com/prompts/new_chat，API Key申请入口在Dashboard菜单栏中。

export ANTIGRAVITY_API_KEY="你的_AI_Studio_API_Key"

其他的获取免费LLM的方式，根据Google AI回复，有Google One Pro / Ultra 订阅。

agy命令列表

agy命令列表

常用/有用的命令：

# 查看各个模型用量情况
/usage

# 恢复以前的会话（从列表中选择恢复的会话）
/resume

# 配置项目设置
/config

# 查看已经安装的skills
/skills

# 选择正在使用的模型
/model

# 针对复杂的任务，使用plan模式
/planning

# fast模式，使用完成之后，记得恢复成planning模式
/fast

# 查看操作键
?

# 退出
/exit     # 或者 /quit 或者 Ctrl+D

一些第三方资源

  • Agent Skills：这是一个通用的 agent skills 仓库，其中就包括导入到Antigravity CLI 的技能。
  • Antigravity-Proxy：代理注入，操作简单，专门为国内用户设计。仅适用于Windows。

资料：

CodeX

安装 CodeX CLI 版本：

# set proxy: linux & macOS
export http_proxy="http://192.168.11.139:7890"
export https_proxy="http://192.168.11.139:7890"

# set proxy: windows
$env:HTTP_PROXY="http://127.0.0.1:7890"
$env:HTTPS_PROXY="http://127.0.0.1:7890"

# 全局安装 @openai/codex，如果不行，尝试使用国内npm镜像
# npm config set registry https://registry.npmmirror.com
npm install -g @openai/codex

# 验证：查看版本
codex -V

安装过程中，需要验证手机号，使用接码平台：SMS-Activation短信接收服务，该平台是收费的，且要求开启的VPN代理区域与号码所在区域一致，例如都在美国。

CodeX 桌面版下载地址：Codex app。不论CodeX CLI，还是桌面版，其都需要稳定的VPN。

设置 CodeX 的代理：

要分别在两个文件中添加设置，针对Windows，分别是：C:\Users\Administrator\.codex\.env，C:\Users\Administrator\.codex\config.toml，其中config.toml是 CodeX 的配置文件。增加的配置如下：

添加 API Key：

OpenAI有两种计费方式：API Key，以及按类似订阅登录的方式，参考Codex / GPT-5 国内怎么用?ChatGPT Plus 一键登录、额度与限制说明(程序员向,2026)。

另一个讲解搭建 CodeX 比较清楚的博客：OpenAI API Key 获取完整教程：国内开发者AI编程与GPT-5.4-Codex集成实战。主要有：访问官网并注册/登录 -> 申请 API Keys页面 -> 开通计费（Billing）。另外，可以使用合规中转/聚合API平台（如UIUI API）。

Open AI 官方申请 API Key 以及绑定支付 VISA 卡网页：https://platform.openai.com/home。可以购买虚拟 VISA 卡，搜索虚拟visa卡申请查找购买网站。或者使用第三方网站购买 Open AI，参见上述的Codex / GPT-5 国内怎么用?ChatGPT Plus 一键登录、额度与限制说明(程序员向,2026)，其中一个 ChatGPT代购网站：Glouth。

获取到 API Key 之后，添加系统环境变量OPENAI_API_KEY。

经过实践，需要完成billing，即绑定VISA卡（也可能需要付费），才可以使用 CodeX。

一些搜集的资料：

OpenCode 以及 GLM-5.2

OpenCode CLI 安装命令：

# 设置国内镜像，以及全局安装
npm config set registry https://registry.npmjs.org/
npm install -g opencode-ai

# 检查安装是否成功
opencode --version

OpenCode 常用命令

分类 命令 说明
初始化 /init 项目初始化，自动扫描项目目录、识别技术栈、生成项目配置文件
文件 /open <文件名>文件名> 打开本地文件进行编辑分析
  /save 保存当前修改的代码
  /list 查看当前项目所有文件
  /run 直接运行当前代码文件
代码优化 /debug 自动排查代码报错、修复BUG
  /refactor 一键重构代码、精简冗余逻辑、规范代码格式
  /test 自动生成对应单元测试用例
会话管理 /new 新建代码文件、初始化项目模板
  /clear 清空当前对话记录
  /help 查看全部内置命令
  /exit 退出 OpenCode
模型 /connect [provider] 连接模型提供商
  /model [model-name] 切换使用的模型
  /models 查看可用模型列表
  /mode plan 切换到规划模式
  /mode build 切换到构建模式
  /compact 压缩上下文，减少 token 使用

OpenCode 使用技巧

# 引用单个文件
# e.g. 帮我分析这段代码
@file src/main.py

# 引用多个文件
# e.g. 对比这两个文件的差异
@file src/app.js src/utils.js

# 引用特定行
# e.g. 优化这段代码的性能
@file src/app.js:10-30

# 引用函数
# e.g. 重构这个验证函数
@function UserService.validate

# 引用目录
# e.g. 分析这些组件的设计模式
@dir src/components

资料

Copilot 资源及使用笔记

Copilot 中的 Instructions、Prompts、Skills

Instructions、Prompts、Skills 是 Copilot 中的三个重要概念，分别用于指导模型行为、提供输入提示和定义特定功能，他们之间的区别在于：

  • Instructions = 「你必須這樣做」（規則）
  • Prompts = 「幫我做這件事」（範本）
  • Skills = 「遇到這類問題時請這樣處理」（專家知識）

Copilot 添加Qt的 Instructions、Prompts、Skills

Qt官方在github上的一个仓库，提供了相关的资源：Qt AI Skills，可以放在项目中使用、也可以放在用户目录中作为全局配置使用。

另外，这套Skills可以接入几乎所有工具中，比如Claude Code、CodeX等等十几种。在安装的时候，可以复选创建哪些工具的配置。

在Windows系统上，使用方法如下：

# 首先下载并安装 Copilot CLI，在 Copilot CLI 中使用如下
# Copilot CLI地址：https://github.com/github/copilot-cli
gh skill install TheQtCompanyRnD/agent-skills qt-qml-review

在Linux系统上，使用方法如下：

git clone https://github.com/TheQtCompanyRnD/agent-skills.git
cp -r skills/qt-qml-review ~/.copilot/skills/qt-qml-review

2. AI 平台接入与模型使用

使用NVIDIA免费模型

通过使用claude-nvidia-proxy，将claude客户端连接到NVIDIA的API，可以使用NVIDIA提供的免费模型。其流程为：claude 客户端 → claude-nvidia-proxy → NVIDIA API → 模型推理结果返回给claude客户端。

** 安装claude客户端

# 标准安装方式（linux）
curl -fsSL https://claude.ai/install.sh | bash
# 标准安装方式（windows）
irm https://claude.ai/install.ps1 | iex

# 国内安装，使用淘宝镜像
sudo npm install -g @anthropic-ai/claude-code --registry=https://registry.npmmirror.com
# NPM卸载
sudo npm uninstall -g @anthropic-ai/claude-code

新增并编辑claude的配置文件，添加字段跳过官方登陆引导：

{
  "skipOnboarding": true
}
  • Windows: C:\Users\你的用户名\.claude.json
  • macOS/Linux: ~/.claude.json

测试claude：

# 进入claude交互式界面
claude

# 选择模型
/model

**获取NVIDIA API密钥

登陆https://build.nvidia.com/explore/discover，注册账号并获取API密钥。密钥期限为半年，另外，可以多次获取密钥，重复申请，之前的密钥将失效，最后一个有效。

**编译安装及配置claude-nvidia-proxy

git clone https://github.com/zhangrr/claude-nvidia-proxy.git
cd claude-nvidia-proxy

# 编译安装
GOOS=linux GOARCH=amd64 go install -trimpath -ldflags "-s -w" .

在claude-nvidia-proxy的安装目录创建config.json，内容如下：

{
  "nvidia_url": "https://integrate.api.nvidia.com/v1/chat/completions",
  "nvidia_key": "你的NVIDIA API密钥"
}

**启动claude-nvidia-proxy及claude客户端

创建一个脚本start-claude.sh，用于设置claude的环境变量并启动claude：

#!/bin/zsh

SUPPORTED_MODELS=(
  "deepseek-ai/deepseek-v3.2"
  "moonshotai/kimi-k2-thinking"
  "minimaxai/minimax-m2.7"
  "z-ai/glm4.7"
)
DEFAULT_MODEL="deepseek-ai/deepseek-v3.2"

print_models() {
  echo "支持的模型列表："
  for m in "${SUPPORTED_MODELS[@]}"; do
    if [[ "$m" == "$DEFAULT_MODEL" ]]; then
      echo "  $m  (默认)"
    else
      echo "  $m"
    fi
  done
}

if [[ "$1" == "-h" || "$1" == "--help" ]]; then
  echo "用法: $0 [模型名称]"
  echo ""
  print_models
  exit 0
fi

MODEL=${1:-$DEFAULT_MODEL}

# 校验模型是否在支持列表中
valid=0
for m in "${SUPPORTED_MODELS[@]}"; do
  if [[ "$m" == "$MODEL" ]]; then
    valid=1
    break
  fi
done

if [[ $valid -eq 0 ]]; then
  echo "错误: 不支持的模型 \"$MODEL\""
  echo ""
  print_models
  exit 1
fi

export ANTHROPIC_BASE_URL=http://localhost:3001
export ANTHROPIC_AUTH_TOKEN="nvapi-你的真实key"
export ANTHROPIC_DEFAULT_HAIKU_MODEL=${MODEL}
export ANTHROPIC_DEFAULT_SONNET_MODEL=${MODEL}
export ANTHROPIC_DEFAULT_OPUS_MODEL=${MODEL}

echo "使用模型: ${MODEL}"
claude

随后，运行该脚本，以及启动claude-nvidia-proxy，即可使用NVIDIA的免费模型。如果claude客户端是运行在Windows系统上，或者另外一台电脑上，需要修改脚本中的base url为claude-nvidia-proxy所在电脑的IP地址。

运行之前，确保claude-nvidia-proxy监听的端口可用，使用命令sudo ufw allow 3001放行该端口。

**更新 NIM 免费模型列表

如上脚本中的模型列表，可以通过软件工具freellm更新，代码仓库：freellm。本地安装以及使用命令如下：

# 需要创建uv虚拟环境，并激活
uv pip install -e .

# 保存到 JSON 文件
freellm list --provider nvidia --output out/nvidia.json

# 保存筛选结果
filter-models -i out/nvidia.json -o out/top_models.json

**资料

在 VSCode 中使用 NVIDIA NIM 服务及模型

首先在VSCode中安装插件NVIDIA NIM Provider。

安装完成之后，在VSCode的Chat边栏的模型选择弹出菜单中，点击管理语言模型打开模型管理界面，点击添加新的语言模型，在模型管理弹窗中，选择NVIDIA NIM，并配置：名称（默认名称为NVIDIA NIM），以及API_KEY。

配置完成之后，NVIDIA NIM栏目下面会显示很多可用的LLM模型，同时在退出弹窗之后，在Chat的模型选择中也可选择并使用这些模型。

NIM中的模型推荐列表

通用LLM：

Llama 4 Maverick（17B 128E）：Meta最新一代LLM模型，128k token上下文窗口，适合需要处理长文本的应用场景。对中文的支持也相当不错。

DeepSeek V4：DeepSeek最新旗舰LLM模型，支持1M token上下文窗口，适合需要处理超长文本的应用场景。应该是编写代码的首选。

Qwen 3.5 系列：应该也是最新的LLM模型。

GLM 5.1：智谱AI+清华，中文语言模型的领头羊。

MiniMax M2.7：最新的 M2.7 是一個 2300 億參數的 MoE（混合專家）模型，特別強在推理和多模態任務，2026年4月上架NVIDIA NIM。

NVidia 自家的 LLM：

Nemotron 3 Super 120B：旗艦版，適合複雜推理和結構化工具使用。

Nemotron 3 Nano Omni：多模態版本，可以同時處理圖片、影片、語音和文字。

特殊用途 LLM（语音、图像、嵌入）：

Riva（TTS）：NVIDIA 自家的文字/语音互转模型。

Llama 3.2 Vision：支持图像输入的多模态LLM。

Qwen Image Edit：可以使用文字指令直接编辑图片。

安装 NVIDIA NemoClaw

TODO

资料

OpenRoute 资源及使用笔记

OpenRouter 上面有很多LLM，其中有一些免费的LLM可以使用，列表地址：OpenRouter Models，要接入OpenRouter，也需要配置API Key，地址：OpenRouter API Keys，例如设置如下：

export OPENROUTER_API_KEY="你的OpenRouter API Key"

3. AI 垂类工具收集

代碼与知识图谱生成

  • BabelDOC: 一款基于AI的文档生成工具，能够自动从代码库中提取信息并生成详细的技术文档，支持多种编程语言和格式。
  • graphify：基于AI的知识库生成工具，会搜集目录中的代码、文档、网页等内容，生成知识图谱。代价是需要消耗LLM资源。
  • codebase-memory-mcp：代码仓库知识图谱，对C++不友好，或者说不支持
  • graphify：另外一个代码知识图谱工具，支持C++
  • code-graph：又一个代码知识图谱，支持C++
  • Mimir：使用Go实现的代码知识图谱

视听媒体处理

  • Pixelle-Video：阿里云团队出品：只需输入一个 主题，AI 全自动短视频引擎–撰写视频文案、生成 AI 配图/视频、合成语音解说、添加背景音乐、一键合成视频。
  • OpenMontage：开源视频生成系统
  • MOSS-TTS：MOSS-TTS主打高保真，相对QWen TTS，Voice Clone时间比较长（QWen TTS似乎限制3秒），但QWen TTS时延小（<96ms）。另外，MOSS-TTS nano版本占用资源很小，可以在CPU上运行。

图像与辅助设计

  • ComfyUI：AI绘图工具，提供本地APP，以及在线方式。
  • DrawnixDesktop：github 开源白板工具，一体化白板，包含思维导图、流程图、自由画等
  • design.md：Google 出品，UI设计skills以及工具
  • archify：架构图/流程图等画图skills及工具

计算机视觉处理

文档处理与格式转换

4. 日常实用工具与资源

媒体下载与管理

  • yt-dlp: 一个命令行视频下载工具，支持从YouTube及其他多个网站下载视频，功能强大且持续更新。
  • Bilibili-Mass-Unfollower: 一个用于批量取消关注Bilibili用户的工具。

初中物理/数学/化学虚拟实验室

通用开发资源

通用Skills



    Enjoy Reading This Article?

    Here are some more articles you might like to read next:

  • 在Ubuntu上部署OpenMAIC
  • AI工具大全
  • Fast DDS入门（On-Going）
  • NVIDIA GPU 架构：SP、SM 与 LSU 工作原理详解
  • al-folio 模板定制修改总结