Appearance
第十九章：一人公司的AI配置方案
不是顶配，是适用 · 过得好就好 · 我的真实配置清单
我想先说一件很多人不会说的事： 我换过很多AI。 ElevenLabs试过，豆包2.0用过，Claude各种版本切换过，GPT-4o用过，本地模型跑过，各种TTS模型测试过—— 最后留下来的，不是最贵的，不是评测分数最高的，不是最多人推荐的。 是最合适我的。
这个「合适」，不是我看了对比测评之后得出的结论，是我真实用了之后、踩了坑之后、有时候发了脾气之后，慢慢留下来的答案。
就像婚姻。 你不是找最完美的人，你是找一个能和你一起把日子过好的人。 AI配置，也是这个逻辑：不追求顶配，追求适用。过得好，就好。
一、我的真实配置清单
让我把我现在实际在用的配置，完整地告诉你。 不是理论上的最优解，是二十多天真实试错之后的当前答案。
主控大脑：DeepSeek
负责：日常对话、任务理解、中文内容生成、战略分析、方案撰写。
为什么是DeepSeek，不是Claude或者GPT？ 一个字：懂。 它更懂中文的逻辑和表达。 不只是能说中文，而是思维方式更接近中文母语者——它理解「差不多」和「大概」的微妙差异，理解「再想想」背后的真实意思，理解中国商业语境里的潜台词。
我做企业AI咨询，大量的工作是中文的——和客户沟通、写方案、做汇报。DeepSeek在这些场景里，给我的感觉是更顺，更少需要我反复解释「我说的不是这个意思」。
而且，DeepSeek的性价比在目前所有主流模型里是顶级的。用一句实在话：同样的钱，它能做的事比别人多。
代价是：在某些需要极致创造力或者英文输出的场景，它不是最强的。这时候我会切换到Claude。
配置方式：
bash
openclaw config set llm.provider deepseek
openclaw config set llm.model deepseek-chat
openclaw config set llm.apiKey "你的DeepSeek_API_KEY"编程大脑：Claude Code指挥 + CodeBuddy（GLM-5）执行
这是我觉得目前最聪明的编程分工。
Claude Code负责指挥： 理解需求，设计架构，分解任务，审查代码，解决复杂问题。它是那个「想清楚怎么做」的角色。
CodeBuddy（GLM-5）负责执行： 按照Claude Code的设计，写具体的代码，补全细节，处理重复性的编码任务。它是那个「把想法变成代码」的角色。
为什么要这样分工，而不是让一个AI做所有事？ 因为「想清楚怎么做」和「把想法变成代码」，是两种不同的能力，不同的模型各有擅长。 Claude Code在架构设计和问题诊断上更深，CodeBuddy在中文注释、国内开发环境的适配上更顺。 两个AI合作，比一个AI单干效果更好。
这个组合，是我在声音克隆项目里摸索出来的。 那次是Claude Code找到了正确方向，后来我意识到：如果让CodeBuddy来执行Claude Code的设计，会更快——因为CodeBuddy对国内的一些API和开发工具有更好的支持。
配置方式：
bash
# Claude Code作为技术顾问（通过对话调用，不在OpenClaw里配置）
# CodeBuddy作为编程执行
openclaw config set llm.coding.provider zhipu
openclaw config set llm.coding.model glm-4-plus语音系统：阿里云百炼
这个，我换了三次。
第一次：ElevenLabs——声音质量非常好，情感表达自然，英文尤其出色。 为什么换掉：贵，而且对中文的支持没有英文好，有时候声调不准，听起来像外国人在说普通话。
第二次：豆包2.0——字节跳动的语音，中文支持更好，有几个声音质量不错。 为什么换掉：在我的使用场景里，和OpenClaw的集成不够顺畅，某些功能需要额外的适配工作，折腾成本高。
第三次（现在）：阿里云百炼 为什么留下来：
- 多模态兼容性好。 图片、语音、视频，百炼的接口都支持，用一套API打通多个能力，不需要对接多个平台。
- 便宜。 这是真实原因，不是借口。同等质量下，百炼的价格是市场里最有竞争力的之一。
- 一人公司的核心逻辑之一就是：用对的，不用贵的。 贵的钱省下来，可以用在更重要的地方。
- 声音克隆还在推进中。 用百炼的CosyVoice-v2，我还在调试飞书气泡语音的最后几行代码。
配置方式：
bash
openclaw config set tts.provider dashscope
openclaw config set tts.model cosyvoice-v2
openclaw config set tts.apiKey "你的阿里云API_KEY"二、一人公司的五个AI角色
配置好工具之后，我想说说角色分工。 一人公司最大的挑战是：什么都要你来，但你只有一个人。 AI解决的，就是这个问题。 不是替代你，而是——让你一个人，同时拥有五个角色的执行力。
角色一：客户关系官
负责：回复客户咨询、整理客户信息、跟进提醒、准备沟通材料。 我的配置：DeepSeek主控 + 飞书群接入。 客户在飞书群里发消息，Claw感知，提醒我有新消息，帮我起草回复，我确认后发出。 不是让AI直接回复客户，是让AI帮我准备好回复，我来把关。 客户关系，最终是人和人之间的关系，AI是支撑，不是主角。
角色二：内容创作官
负责：选题监控、草稿生成、内容优化、多平台发布。 我的配置：内容雷达Skill（DeepSeek）+ GIGEO自动发布。 每天内容雷达扫描选题机会，Claw生成草稿，我审核修改，自动发布到GIGEO，同步推送社群。 一人公司的内容产出，靠人力是跑不起来的。靠AI，可以保持每天的稳定输出。
角色三：技术开发官
负责：新功能开发、Bug修复、工具集成、系统维护。 我的配置：Claude Code指挥 + CodeBuddy执行。 有了这个组合之后，我不需要会编程，也能推进技术项目。我描述需求，Claude Code设计方案，CodeBuddy写代码，我测试，出了问题反馈给Claude Code诊断。 声音克隆、史话管理系统、GIGEO自动发布接口——这些项目，都是用这个组合推进的。
角色四：情报分析官
负责：行业动态监控、竞品分析、客户背景研究、市场机会识别。 我的配置：晨间简报Pro Skill + 专项搜索工作流。 每天早上的简报，是基础情报。有特定研究需求的时候，单独给Claw布置深度研究任务，他去搜索、整理、分析，给我结构化的报告。
角色五：行政管理官
负责：日程管理、会议安排、文件整理、提醒跟踪。 我的配置：董秘懂你Skill + 飞书日历接入。 这个角色，是省力最明显的一个。 每天花在行政事务上的时间，从以前的一到两小时，压缩到了十五分钟以内。 剩下的时间，用来做真正需要我判断力的事。
三、月度成本：透明给你看
很多人问我：用这一套，每个月要花多少钱？ 我把真实的账单告诉你：
| 项目 | 月均费用 |
|---|---|
| 腾讯云服务器（4核8G） | 约150元 |
| DeepSeek API（中度使用） | 约200元 |
| Claude API（轻度使用） | 约130元 |
| 阿里云百炼（TTS+多模态） | 约60元 |
| CodeBuddy（GLM-5） | 约130元 |
| OpenClaw | 暂时不花钱 |
| 合计 | 约700元/月 |
几百元，是一个兼职行政助理月薪的零头。 但这套AI系统给我的，是五个角色的全时段在线执行力。
ROI怎么算： 如果我的时薪是300元（这是保守估计，咨询顾问通常更高），这套系统每天帮我省2小时，一个月就是18000元的时间价值。 花600元，换18000元的时间价值。 这不是在算AI值不值得用，这是在问：你的时间值多少。
四、一人公司最容易忽略的三个配置
忽略点一：没有备份机制
一人公司，没有同事帮你兜底。 服务器挂了，配置文件损坏了，史话数据丢失了——所有损失，全部由你一个人承担。 备份，不是可选项，是生命线。
我的备份策略： 每天凌晨自动备份OpenClaw配置和史话数据到腾讯云对象存储，保留最近30天。每周手动检查一次备份是否正常。 花五分钟配置，换永远的安心。
忽略点二：没有「断网应急方案」
当AI系统出问题的时候，你的业务能继续运转吗？ 这件事，我在服务器崩掉的那天，认真想过。 结论是：需要为每个关键工作流，准备一个「手动版本」。 不是每件事都依赖AI，而是：AI做正常版本，你保留一个可以手动完成的应急版本。
忽略点三：没有「系统升级日」
AI在进化，工具在更新，新的Skill在出现，新的模型在发布。 如果你不主动升级，你的系统会慢慢落后。
我的做法：每个月最后一个周五，是我的系统升级日。 这一天，专门用来：检查有没有更好的模型可以替换现有配置，测试新出的Skill，优化已有工作流，评估哪些环节还有改进空间。 把升级变成习惯，而不是等出了问题才想到要改。
五、适用，才是最好的配置
我想在这章最后，认真说说「适用」这件事。
AI工具的世界里，有一种很容易掉进去的陷阱： 永远在找更好的，而不是用好手里的。 新模型发布，去测试；新工具出现，去尝试；看到别人的配置，想换；看到评测排名，想跟。 结果是：永远在切换，永远在迁移，永远在重新配置。 却很少有时间，真正用好一套配置，把它磨合到最顺手的状态。
我换过ElevenLabs，换过豆包，测试过各种本地模型，最后回到阿里云百炼—— 不是因为百炼是最好的，而是因为它最适合我现在的工作方式、成本预期和使用场景。
就像婚姻。 你不是要找天下最完美的人，而是要找一个能和你一起把日子过好的人。 找到了，就认真过。 不要三心二意，不要总觉得外面还有更好的，不要在「如果当初选另一个」里内耗。 认真过好手里的，才是真正的智慧。
AI配置，也是这个道理。 找到适合你的组合，认真磨合，把它用好，让它真正成为你工作的一部分—— 这，比永远在找「最好的配置」，有用得多。
我把这套配置告诉了一个朋友。 他问：「这是最好的方案吗？」 我想了想，说：「是我现在用得最好的方案。」 他说：「有什么区别？」 我说：「最好的方案是理论上的，最适合的方案是真实过日子磨出来的。」
他点点头，说：「那我也去磨一套我的。」 我说：「对，去磨你自己的。」
这件事，没有捷径。 但磨合的过程，比最终的配置，更值得经历。