# 影片筆記：Claude Code 竟然能接 DeepSeek？我用 Codex 跑通了 ｜ CC Switch

## 一句話總結

主講人分享如何以「AI 原生」方法，利用 **Codex** 的 **Computer Use** 能力自動執行安裝與配置，將 **Cloud Code** 桌面端 GUI 接入第三方低成本模型（如 DeepSeek V4、阿里雲 Coding Plan），透過 **CC-Switch** 實現本地路由，解決 Codex 網路不穩與費用高昂的問題，並建立「左右護法」架構以提升效率與平衡成本。

## 核心重點

1.  **痛點與解決方案**：
    *   **Codex 痛點**：網路不穩定導致任務失敗（reconnect），且費用高昂（Pro Lite 套餐約 100-200 刀）。
    *   **解決方案**：引入 **Cloud Code** 桌面端 GUI，接入低成本第三方模型（DeepSeek V4、阿里雲 Coding Plan）。
    *   **架構策略**：建立「左右護法」架構，結合 Codex、Cloud Code、第三方模型及 GPT，以平衡專案效率與成本。

2.  **AI 原生方法論**：
    *   **核心概念**：非傳統手動下載與配置，而是將過程抽象化為 **Markdown 文檔**。
    *   **執行邏輯**：將文檔交給 **Codex**，利用其 **Computer Use** 能力自動執行安裝與配置。
    *   **AI 互操作性**：強調 AI 間的互相可理解性，讓 AI 輸出成為另一個 AI 的輸入，減少人工直接輸入。

3.  **技術架構與優勢**：
    *   **Cloud Code 優勢**：擁有強大的 **Harness** 工作流框架與規劃過的 **Agent Loop**，能自主規劃任務、使用工具、讀取結果並繼續執行。
    *   **用戶群體差異**：
        *   **Codex**：偏向開發者終端、CLI 模式，精確但對普通工作者門檻較高。
        *   **Cloud Code**：GUI 桌面端，適合普通知識工作者與職場人士，具備 **Cowork** 功能，適合辦公任務與本地文件處理。

4.  **實戰操作與成本效益**：
    *   **工具鏈**：Codex（遠程執行）+ CC-Switch（本地路由）+ Cloud Code Desktop（最終 GUI）。
    *   **案例驗證**：成功接入 DeepSeek V4 與阿里雲 Coding Plan。DeepSeek V4 具備即時搜尋能力（對比 Code Wedding 數據截止至 2025 年 5 月）。
    *   **成本對比**：使用 DeepSeek API 半天，費用僅約 10 元人民幣，遠低於 Codex 的高昂套餐費用。

5.  **迭代與思維倡議**：
    *   **文檔迭代**：將實際操作中的卡點與未覆蓋內容抽取出來，更新 Markdown 文檔，形成更完整的手冊。
    *   **思維倡議**：保持 AI 原生思維，將工作模組盡可能 AI 原生化，長期培養與 AI 對話的能力。

## 詳細大綱

### 一、 背景與痛點
*   **現有工具限制**：
    *   主力使用 **Codex** 執行落地任務，但網路不穩時常出現 `reconnect` 導致任務失敗。
    *   費用高昂：套餐已升至 Pro Lite (100 刀)，可能升至 200 刀。
*   **解決方案構想**：
    *   引入 **Cloud Code** 接入低成本第三方模型（如 DeepSeek V4 Pro/Flash）。
    *   建立「左右護法」架構：Codex + Cloud Code + 第三方模型 + GPT。
    *   目標：提升專案效率，尋找平衡點。

### 二、 為什麼要接入 Cloud Code？
*   **架構優勢**：
    *   Cloud Code 擁有強大的 **Harness** 工作流框架。
    *   具備規劃過的 **Agent Loop**，能自主規劃任務、使用工具、讀取結果並繼續執行。
    *   檔案系統與終端能力強大。
*   **用戶群體差異**：
    *   **Codex**：偏向開發者終端、CLI 模式，精確但對普通工作者門檻較高。
    *   **Cloud Code**：GUI 桌面端，適合普通知識工作者與職場人士。
    *   **Cowork 功能**：區別於純寫代碼，適合普通辦公任務、本地文件處理及交付成果。

### 三、 AI 原生方法論核心
*   **定義**：
    *   非傳統手動下載、一步步配置。
    *   將過程抽象為文檔，由 AI (Codex) 自動執行。
    *   強調 AI 間的互相可理解性：讓 AI 輸出成為另一個 AI 的輸入，減少人工直接輸入。
*   **執行流程**：
    1.  準備交接文檔（Markdown 格式）。
    2.  將文檔交給 **Codex**。
    3.  Codex 利用 **Computer Use** 能力，自動執行安裝與配置。
    4.  透過 **CC-Switch** 工具進行本地路由，接入第三方模型。
    5.  若遇 Bug，直接反饋並啟動 Computer Use 修正。

### 四、 實戰操作步驟
*   **前置條件**：全新 Mac mini。
*   **工具鏈**：
    *   **Codex**：負責遠程執行安裝與配置。
    *   **CC-Switch**：用於本地路由接入第三方模型。
    *   **Cloud Code Desktop**：最終使用的 GUI 介面。
*   **具體案例**：
    *   接入 **DeepSeek V4** 與 **阿里雲 Coding Plan**。
    *   提供 API Key 給 Codex，由其自動完成接入。
    *   驗證：DeepSeek V4 具備即時搜尋能力（對比 Code Wedding 數據截止至 2025 年 5 月）。
*   **成本效益**：
    *   使用 DeepSeek API 半天，費用僅約 10 元人民幣。

### 五、 迭代與總結
*   **文檔迭代**：
    *   將實際操作中的卡點與未覆蓋內容抽取出來，更新 Markdown 文檔。
    *   形成更完整的手冊，減少後續使用者的卡點。
*   **思維倡議**：
    *   保持 AI 原生思維，將工作模組盡可能 AI 原生化。
    *   長期培養與 AI 對話的能力，讓 AI 思維更強。
*   **資源獲取**：
    *   相關文檔可於同名公眾號查找。

## 工具 / 模型 / 名詞整理

*   **平台/產品**：
    *   **Cloud Code** (桌面端 GUI / Desktop)
    *   **Codex**
    *   **GPT**
    *   **CC-Switch** (用於本地路由的工具)
    *   **Computer Use** (Codex 的功能/能力)
    *   **CLI** (Command Line Interface)
    *   **GUI** (Graphical User Interface)
    *   **Mac mini**
*   **模型/服務**：
    *   **DeepSeek V4**
    *   **DeepSeek V4 Pro**
    *   **DeepSeek Flash**
    *   **阿里雲 Coding Plan** (Aliyun Coding Plan)
    *   **Code Wedding** (主講人提及的代碼寫作工具，註：聽似 Code Wedge 或特定內部工具，依逐字稿保留)
*   **技術概念/術語**：
    *   **Harness** (工作流框架)
    *   **Agent Loop**
    *   **Agent Skier** (聽似 Agent Skill 或特定術語，依逐字稿保留)
    *   **MCP**
    *   **API Key**
    *   **Markdown (MD) 文檔**
    *   **Reconnect** (重連界面)
    *   **Pro Lite** (套餐等級)

## 操作流程整理

1.  **準備階段**：
    *   準備全新 Mac mini 環境。
    *   撰寫交接文檔，將安裝與配置過程抽象化為 **Markdown 格式**。
    *   準備第三方模型（如 DeepSeek V4、阿里雲 Coding Plan）的 **API Key**。

2.  **執行階段 (AI 原生自動化)**：
    *   將 Markdown 文檔交給 **Codex**。
    *   Codex 利用 **Computer Use** 能力，自動執行安裝與配置步驟。
    *   透過 **CC-Switch** 工具進行本地路由配置。

3.  **驗證與修正**：
    *   在 **Cloud Code Desktop** 介面中驗證接入效果。
    *   測試第三方模型功能（如 DeepSeek V4 的即時搜尋能力）。
    *   若遇 Bug，直接反饋並啟動 Computer Use 進行修正。

4.  **迭代優化**：
    *   將實際操作中的卡點與未覆蓋內容抽取出來。
    *   更新 Markdown 文檔，形成更完整的手冊。
    *   持續優化流程，減少後續使用者的卡點。

## 值得注意的限制或風險

1.  **網路穩定性**：使用 Codex 時，網路不穩定常導致 `reconnect` 進而引發任務失敗。
2.  **成本考量**：Codex 的 Pro Lite 套餐費用高昂（100-200 刀），需透過接入低成本第三方模型來平衡成本。
3.  **技術依賴**：此方法高度依賴 AI 間的互相可理解性與自動化能力，若 AI 輸出或輸入出現偏差，可能影響配置成功率。
4.  **工具兼容性**：需確保 CC-Switch 等本地路由工具與 Cloud Code Desktop 及第三方模型之間的兼容性。
5.  **數據截止與即時性**：部分模型（如 Code Wedding）數據截止至 2025 年 5 月，需確認第三方模型（如 DeepSeek V4）是否具備所需的即時搜尋能力以彌補數據缺口。

## 逐字稿辨識疑點

*   **Cloud**：逐字稿中多次出現「我的這個 Cloud 的桌面端的 GUI 界面」，疑為 **Cloud Code** 的口誤或簡稱，需查證是否指代特定產品。
*   **Cowork**：文中提到「它中間有一個能力就是 Cowork」，疑為 **Cloud Code** 的某個功能模組名稱或口誤，需查證。
*   **Code Wedding**：文中提到「一開始我讓他安裝的是 Code Wedding... 阿玲的 Code Wedding」，疑為特定工具名稱或聽寫錯誤（如 Code Wedge, Code Wizard 等），需查證。
*   **Deep6**：文中提到「但是我接入 Deep6 之後」，疑為 **DeepSeek** 的聽寫錯誤，需查證。
*   **Agent Skier**：文中提到「管理各個 agent 的 Skier MCP」，疑為 **Agent Skill** 或 **Agent Server** 的聽寫錯誤，需查證。
*   **CC switch**：文中多次提到「CC switch」，疑為 **Cloud Code Switch** 的簡稱或特定開源工具名稱，需查證。
*   **低成本的模型**：文中提到「像 Deepseek 的 V4」，DeepSeek 目前主流版本為 V3 或 R1，V4 是否為最新發布版本需查證。
*   **100 刀 Pro Lite**：OpenAI 或其他平台的套餐名稱是否為「Pro Lite」需查證，常見為 Plus 或 Pro。
*   **阿里雲的 coding plan**：阿里雲是否有名為「Coding Plan」的產品或服務需查證，疑為「通義千問」或相關代碼產品。
*   **特朗普 2026 年的訪華**：文中作為測試即時搜尋能力的例子，需確認該事件是否為真實預測或假設性問題。

## 可延伸追問

1.  **CC-Switch 的具體技術原理**：CC-Switch 作為本地路由工具，其架構與工作原理為何？如何確保與 Cloud Code Desktop 的無縫集成？
2.  **Codex Computer Use 的邊界**：Codex 的 Computer Use 能力在執行複雜安裝配置時的準確率與失敗率如何？有哪些常見失敗場景？
3.  **第三方模型接入的穩定性**：接入 DeepSeek V4 或阿里雲 Coding Plan 後，在 Cloud Code 中的響應速度、代碼生成質量與原生模型相比有何差異？
4.  **AI 原生文檔的維護成本**：將配置過程抽象為 Markdown 文檔並由 AI 執行，長期來看，維護這些文檔以適應模型或工具更新的成本如何？
5.  **「左右護法」架構的具體分工**：在 Codex、Cloud Code、第三方模型與 GPT 組成的架構中，各角色具體負責哪些任務？如何避免衝突或重複勞動？
6.  **成本效益的長期評估**：雖然使用 DeepSeek API 半天僅需 10 元人民幣，但考慮到開發與維護成本，整體專案的 ROI 如何評估？
7.  **Code Wedding 與 DeepSeek V4 的對比**：Code Wedding 數據截止至 2025 年 5 月，DeepSeek V4 的即時搜尋能力具體如何運作？兩者結合使用的實際效果如何？
8.  **Agent Loop 與 Harness 的優勢**：Cloud Code 的 Agent Loop 與 Harness 工作流框架相比其他 AI 編程工具，具體優勢何在？
9.  **Cowork 功能的應用場景**：Cloud Code 的 Cowork 功能具體如何應用於普通辦公任務與本地文件處理？有哪些實際案例？
10. **AI 原生思維的培養方法**：主講人提到「長期培養與 AI 對話的能力」，具體有哪些方法或實踐建議？