valorisa/18-Hacks-Qwen3.6-plus-Super-Promptor

# 针对 Qwen3.6+ 的 18 个技巧与 Super-Promptor [](LICENSE) [](https://qwenlm.github.io/) [](https://openrouter.ai/) [](https://learn.microsoft.com/powershell/) ## 📋 目录 - [🎬 项目起源](#-origine-du-projet) - [❓ 为什么会有这个项目？](#-pourquoi-ce-projet-) - [🔑 核心概念](#-concepts-clés) - [📊 问题：Token 指数级成本](#-le-problème--coût-exponentiel-des-tokens) - [✅ 解决方案：上下文卫生 + Promptor](#-la-solution--hygiène-de-contexte--promptor) - [🚀 快速安装](#-installation-rapide) - [⚙️ 配置](#️-configuration) - [🎯 日常使用](#-utilisation-quotidienne) - [📚 18 个详细技巧](#-les-18-hacks-détaillés) - [🤖 Promptor：您的提示词创建助手](#-promptor--votre-assistant-de-création-de-prompts) - [🔍 故障排除](#-dépannage) - [❓ 常见问题 (FAQ)](#-faq) - [🤝 贡献](#-contribuer) - [📜 许可证](#-licence) ## 🎬 项目起源 本项目是对 YouTube 视频 **[18 Claude Code Hacks You NEED to Know About](https://youtu.be/WSL8730oQ8A?si=N6gA07gIgN3YlLjX)**、**[5 cercles | Claude Code : LA sauce secrète pour le cadrer SYSTEMATIQUEMENT](https://youtu.be/jDlGwnIc57Y?si=L2FzIvItPHECDA3d)** 和 **[J'ai testé tous les prompts Claude : voici le meilleur !](https://youtu.be/iRCn9yKBIfo?si=UVAaqrRXTvqKvSHP)** 中介绍的 18 个技巧 + 5 个圆圈 + 逆向提示词工程的**忠实且适配的移植**。这些内容旨在通过指令建模生成决策树表示，最初专为 **Anthropic 的 Claude Code** 设计，现已移植到 **Qwen3.6+ 生态系统（通过 OpenRouter 和 OpenCode）**。 ### 为什么需要移植？ 原视频展示了针对 Claude Code 的精彩 Token 优化策略。 然而，**Qwen3.6+ 并不是 Claude**：其架构（linear attention + sparse MoE）、原生 1M token 上下文、缓存系统（隐式 prefix matching + 显式 `cache_control`）以及通过 OpenRouter 的访问方式（兼容 OpenAI 的 API，没有原生的 `/slash` 命令）都需要**深度的技术适配**，而不仅仅是简单的复制粘贴。 ### 本项目的额外贡献 | 方面 | 原视频 (Claude) | 本项目 (Qwen3.6+) | | ------ | ----------------------- | ------------------- | | **模型** | Claude 3.5/4 Sonnet | Qwen3.6-Plus / Flash / Max | | **访问方式** | 原生 Claude Code CLI | OpenRouter (兼容 OpenAI 的 API) | | **缓存** | 原生 `cache_control: ephemeral` | 隐式 Prefix matching + 客户端管理 | | **命令** | `/clear`, `/compact`, `/think` | 通过 `messages` 数组实现的编程等效项 | | **监控** | 内置命令 | 解析 `response.usage` + 自定义警报 | | **提示词工程** | 隐式 | **Promptor**：精通逆向提示词工程的 Meta-Prompt | ### Promptor 的附加值 除了简单的技术移植外，本项目还集成了 **Promptor**，这是一个擅长创建定制化提示词的 Meta-Prompt。Promptor 在生成提示词时会自动应用相关技巧，从而创建一个**优化的良性循环**：技巧改进提示词，而 Promptor 生成的提示词则遵循这些技巧。 ## ❓ 为什么会有这个项目？ 当您与像 **Qwen3.6+** 这样的语言模型交互时，每条消息都会触发**完整的历史记录重读**。Token 的成本不是线性的，而是**指数级**的。 100 条消息的对话可能会消耗其 98.5% 的 Token 仅用于重读上下文，而未给当前请求带来任何实际价值。 以下因素加剧了这个问题： - **不可见的系统开销**：配置文件、MCP 服务器、声明的工具 - **渐进性降级**：对话越长，质量下降越严重（"lost in the middle" 现象） - **缺乏原生监控**：没有跟踪工具，我们在不知不觉中消耗资源 本项目通过双重方法解决了这个问题： 1. **18 个优化技巧**：针对 Qwen3.6+ / OpenRouter 的具体策略，分为 3 个级别（基础、中级、专家）。 2. **Promptor**：精通逆向提示词工程的 Meta-Prompt，可生成定制化提示词，并在生成过程中自动应用相关技巧。 ## 🔑 核心概念 | 术语 | 定义 | | ----- | --------- | | **Token** | 处理和计费的最小文本单位。在中文中，1 token ≈ 1.3 个汉字。 | | **上下文卫生** | 指保持最小且相关的上下文以避免性能下降和 Token 浪费的实践。 | | **Promptor** | 专注于创建优化提示词的虚拟专家。在生成过程中系统地应用相关技巧。 | | **OpenRouter** | LLM 模型聚合平台，通过兼容 OpenAI 的 API 提供统一访问。支持 Qwen、Claude、GPT 等。 | | **Prefix Caching** | 避免在调用之间重新处理未更改上下文的缓存机制。在 OpenRouter 上超时约 5 分钟。 | | **Lost in the Middle** | 指位于长上下文中间的信息被模型考虑得较少的现象。 | | **Sparse MoE** | Qwen3.6+ 的架构（混合专家模型），每个 Token 仅激活部分参数，从而以较低成本实现大上下文。 | | **Reverse Prompt Engineering** | 一种通过分析期望结果来重构生成它的最佳提示词的技术。这是 Promptor 的专长。 | ## 📊 问题：Token 指数级成本 ### 每条消息的消费增长 | 消息 | 模型重读的内容 | 预估成本 | | ------- | ------------------------- | ------------------- | | 1 | 消息 1 + 回答 | ~500 | | 2 | 消息 1-2 + 回答 1-2 | ~1 500 | | 5 | 消息 1-5 + 回答 1-5 | ~4 000 | | 10 | 消息 1-10 + 回答 1-10 | ~8 000 | | 30 | 消息 1-30 + 回答 1-30 | ~15 000+ | | 50 | 消息 1-50 + 回答 1-50 | ~25 000+ | ### 每条消息增加的不可见开销 | 来源 | 预估影响 | 详情 | | ------ | -------------- | ------ | | 📄 `.promptor_starter.md` | ~2-5k tokens | 加载到上下文中的 Promptor 矩阵 | | 📄 `qwen_sys.md` | ~1-3k tokens | 系统指令（如果 <200 行） | | 🔌 连接的 MCP 服务器 | ~5-18k tokens/msg | 每个 MCP 服务器 | | 🛠️ 声明的工具/函数 | ~1-3k tokens/工具 | 每次调用注入的 JSON 定义 | | 📁 引用的文件 | 可变 | 取决于文件大小 | **结论**：如果不进行优化，一个包含 50 条消息、连接了 2 个 MCP 服务器和 3 个工具的会话可能会消耗 **50,000+ tokens**，其中只有 10-15% 对实际任务有用。 ## ✅ 解决方案：上下文卫生 + Promptor ### 预期收益 | 收益 | 预估影响 | 详情 | | ------- | ------------ | ------ | | 💰 节省 Token | 减少 60-80% | 在长会话中（>30 条消息） | | 🎯 回答质量 | 减少 "lost in the middle" | 聚焦的上下文 = 更相关的回答 | | ⚡ 生产力 | 减少迭代 | 第一次就能获得更精确的结果 | | 🎛️ 完全控制 | 实时监控 | 可配置警报，智能路由 | | 🔄 自动化 | Promptor 应用技巧 | 无需手动考虑 | ### 项目理念 本项目的每个技巧都遵循 3 个原则： 1. **可衡量**：Token 的收益必须是可量化的 2. **可复现**：系统地适用，而不是针对具体情况 3. **透明**：用户无需考虑它 ## 🚀 快速安装 ### 前置条件 - ✅ PowerShell 7.6+ ([安装](https://learn.microsoft.com/powershell/scripting/install/installing-powershell)) - ✅ Git ([安装](https://git-scm.com/download/win)) - ✅ GitHub CLI (`gh`) ([安装](https://cli.github.com/)) - ✅ OpenCode ([文档](https://opencode.ai)) - ✅ 带有 API 密钥的 OpenRouter 账户 ([创建密钥](https://openrouter.ai/keys)) - ✅ Python 3.10+ (用于示例) ([安装](https://python.org/downloads/)) ### 初始化命令 ``` # 验证 GitHub CLI 身份验证 gh auth status || gh auth login # 进入工作空间 Set-Location C:\Users\bbrod\Projets # 克隆此仓库（私有） gh repo clone valorisa/18-Hacks-for-Qwen3.6+_with-Super-Promptor -- --depth 1 # 访问项目 Set-Location "18-Hacks-for-Qwen3.6+_with-Super-Promptor" # 复制配置示例 Copy-Item config/opencode/.env.example config/opencode/.env Copy-Item config/opencode/opencode.json.example config/opencode/opencode.json ``` ## ⚙️ 配置 ### 文件架构 | 文件 | 角色 | 范围 | | ------- | ---- | ------ | | `~/.config/opencode/AGENTS.md` | 18 个 Token 优化技巧 | 在所有会话中**始终处于激活状态** | | `~/.config/opencode/commands/promptor.md` | Promptor (提示词工程专家) | 通过 `/promptor` 激活 | | `~/.config/opencode/opencode.json` | Provider + 默认模型 | 全局配置 | ### 安装全局配置 ``` # 将 config 文件复制到 OpenCode 全局文件夹 Copy-Item config/opencode/AGENTS.md $env:USERPROFILE\.config\opencode\AGENTS.md Copy-Item config/opencode/commands/promptor.md $env:USERPROFILE\.config\opencode\commands\promptor.md -Force ``` ### `.env` 文件 (自定义变量) 将 `.env.example` 复制为 `.env` 并填写您的 API 密钥： ``` # 🔑 OPENROUTER - 身份验证 OPENROUTER_API_KEY=sk-or-v1-xxxxxxxxxxxxxxxxxxxxxxxx # 🎯 QWEN3.6+ - 优化参数 QWEN_DEFAULT_MODEL=qwen/qwen3.6-plus QWEN_FLASH_MODEL=qwen/qwen-flash QWEN_MAX_MODEL=qwen/qwen-max QWEN_CONTEXT_LIMIT=1000000 QWEN_ALERT_WARNING=70 QWEN_ALERT_CRITICAL=90 QWEN_PLAN_MODE=true QWEN_MANUAL_COMPACT_THRESHOLD=60 QWEN_CACHE_TIMEOUT_MIN=5 QWEN_MAX_SUBAGENTS=2 QWEN_OFFPEAK_START_HOUR=20 QWEN_ENABLE_OFFPEAK_SCHEDULING=false QWEN_SYS_PROMPT_FILE=.qwen_sys.md QWEN_PROGRESS_FILE=qwen_progress.md QWEN_LOG_LEVEL=INFO QWEN_DEBUG_TOKEN_USAGE=false ``` ### `opencode.json` 文件 ``` { "$schema": "https://opencode.ai/config.json", "provider": { "openrouter": { "options": { "apiKey": "{env:OPENROUTER_API_KEY}" } } }, "model": "openrouter/qwen/qwen3.6-plus-preview:free" } ``` ## 🎯 日常使用 ### 典型工作流 ``` # 启动 OpenCode opencode ``` 这 18 个技巧**始终处于激活状态**（通过 `~/.config/opencode/AGENTS.md`）。 要使用 Promptor（创建定制化提示词）： ``` /promptor ``` ### 使用步骤 1. 在您的项目中启动 `opencode` 2. 18 个技巧会在每个会话中自动应用 3. 输入 `/promptor` 为目标 AI 工具创建优化的提示词 4. 用自然语言描述您的需求 5. Promptor 生成应用相关技巧的优化提示词 6. 将提示词复制到目标 AI 工具中 7. 迭代直到获得五星提示词 ## 📚 18 个详细技巧 ### 🔹 级别 1：基础 (技巧 1-9) | # | 技巧 | 预估收益 | Qwen3.6+ 实现 | | - | ---- | ----------- | ---------------------- | | 1 | **每个任务一个新会话** | ~40-60% | 显式重置 `messages` 数组。没有原生的 `/clear`，客户端管理。 | | 2 | **禁用不必要的 MCP** | ~5-18k tokens/msg | 在 API 调用的 `tools=[]` 中删除未使用的工具。 | | 3 | **合并提示词** | ~便宜 3 倍 | 1 条合并消息 vs 3 条后续消息。编辑/重新生成而不是堆叠。 | | 4 | **计划模式 (95% 置信度)** | 避免重写 | 通过 `extra_body={"reasoning_effort":"high"}` 在执行前要求结构化计划。 | | 5 | **原生监控** | 实时可见性 | 每次调用 API 时解析 `response.usage.prompt_tokens`。 | | 6 | **状态行** | 主动警报 | 根据API响应在控制台计算 `% context used`。 | | 7 | **OpenRouter 仪表板** | 全局视图 | 每 20-30 分钟检查 [openrouter.ai/activity](https://openrouter.ai/activity) 上的使用情况。 | | 8 | **精准注入** | 针对性减少 | 仅粘贴必要的部分/函数，绝不粘贴整个文件。 | | 9 | **主动监控** | 停止无用的循环 | 检测 `self.messages` 中的重复，通过参数 `stop` 中断。 | ### 🔸 级别 2：中级 (技巧 10-14) | # | 技巧 | 预估收益 | Qwen3.6+ 实现 | | -- | ------ | ------------- | ------------------------ | | 10 | **`.qwen_sys.md` < 200 行** | ~2-5k tokens/msg | 将其视为索引（指向文件的指针），而不是原始内容转储。 | | 11 | **精确引用 `@文件:Lx-Ly`** | 减少探索 | 引导模型指向特定行。客户端正则解析。| 12 | **手动压缩至 60%** | 保持质量 | 请求结构化摘要，重置 `messages`，重新注入摘要 + 任务。 | | 13 | **管理 >5 分钟的暂停** | 避免 "full reload" | 缺席前压缩。OpenRouter 的 prefix 缓存在大约 5 分钟不活动后过期。 | | 14 | **截断 Shell 输出** | ~最多 50 行 | 通过正则过滤日志/CLI。完整的 `git log` 可能会消耗数千个 tokens。 | ### 🔺 级别 3：专家 (技巧 15-18) | # | 技巧 | 预估收益 | Qwen3.6+ 实现 | | -- | ------ | ------------- | ------------------------ | | 15 | **模型路由** | 成本降低 40-60% | `plus` (默认), `flash` (子任务), `max` (复杂)。条件逻辑。 | | 16 | **受限的子代理** | 便宜 7-10 倍 | 最多 2-3 个并行。委托给 `qwen-flash`。每个子代理 = 重新加载完整上下文。 | | 17 | **错峰调度** | 更好的可用性/成本 | 高峰：14h-20h CET。非高峰：20h 后 + 周末。将繁重的任务安排在非高峰时段。 | | 18 | **持久化单一事实来源** | 缩短上下文 | `qwen_progress.md` 用于稳定的决策和架构规则。绝不包含对话日志。 | ## 🤖 Promptor：您的提示词创建助手 ### 工作原理 Promptor 遵循 3 步迭代工作流： 1. **识别**：提出 2 个问题以确定您的需求和目标工具 2. **创建**：生成 4 部分组成的优化提示词（校准、提示词、自我批评、审问） 3. **迭代**：完善提示词直至获得 5/5 星 ### 有用选项 | 选项 | 描述 | 示例 | | ------ | ----------- | ------- | | `[MODE:API]` | 技术格式 (JSON/代码) | `"生成一个用于分析数据的提示词 [MODE:API]"` | | `[COLLAB:MODE]` | 逐步引导的共创 | `"让我们创建一个支持代理的提示词 [COLLAB:MODE]"` | | `[TUTO:MODE]` | 4 步交互式教程 | 首次使用的理想选择 | | `[FOOTER:MIN]` | 极简页脚 (1 行) | 用于简短回答 | | `[DEBUG:MODE]` | 显示技术信息 | 专家模式 | | `[EXPORT:COPY]` | 可复制的浓缩版本 | 用于快速分享 | | `[?word]` | 按需解释 | `"[?prompt] 是什么？"` | ### 与技巧的自动链接协议 Promptor 在生成提示词时会系统地应用以下技巧： - **技巧 #3**：将指令合并为一个连贯的提示词 - **技巧 #4**：在任何代码/内容生成之前要求提供计划 - **技巧 #11**：使用精确引用而不是广泛的上下文 - **技巧 #12**：如果生成的提示词太长，建议压缩 - **技巧 #15**：推荐适合提示词复杂度的 Qwen 模型 ## 🔍 故障排除 ### OpenCode 无法识别 `/promptor` | 症状 | 可能原因 | 解决方案 | | -------- | ------------- | -------- | | `/promptor` 不出现 | `promptor.md` 文件不在 `commands/` 文件夹中 | 检查 `~/.config/opencode/commands/promptor.md` | | 未应用技巧 | 缺少 `AGENTS.md` 文件 | 检查 `~/.config/opencode/AGENTS.md` | | `Unrecognized key: "commands"` | JSON 配置无效 | 运行 `scripts/Fix-OpenCodeConfig.ps1` | ### Token 消耗仍然很高 | 检查 | 命令 / 操作 | | ------------ | ----------------- | | 连接了不必要的 MCP | 断开非必要的 MCP 服务器 | | `.qwen_sys.md` 太长 | `Get-Content .qwen_sys.md | Measure-Object -Line` (必须 <200) | | 没有手动压缩 | 监控 `% context` → 在 60% 时压缩 | | Shell 输出未过滤 | 使用钩子截断超过 50 行的日志 | | 模型过度配置 | 检查路由：简单任务使用 `flash` | ### Python 问题 (示例) | 错误 | 原因 | 解决方案 | | ------ | ----- | -------- | | `ModuleNotFoundError: No module named 'openai'` | 缺少依赖 | `pip install -r examples/requirements.txt` | | `OPENROUTER_API_KEY not set` | 缺少环境变量 | 将 `.env.example` 复制为 `.env` 并填写密钥 | | `401 Unauthorized` | API 密钥无效 | 在 [openrouter.ai/keys](https://openrouter.ai/keys) 上检查密钥 | ## ❓ 常见问题 (FAQ) ### Q1：这个项目是原 YouTube 视频的分支吗？ 不是。本项目是视频 [18 Claude Code Hacks You NEED to Know About](https://youtu.be/WSL8730oQ8A?si=N6gA07gIgN3YlLjX) 中介绍的概念的**独立移植**，专门针对 Qwen3.6+ / OpenRouter 生态系统进行了调整。与视频作者或 Anthropic 没有任何隶属关系。已在 README 中注明知识产权归属。 ### Q2：为什么选择 Qwen3.6+ 而不是其他模型？ Qwen3.6+ 提供 **1M token 的原生上下文**、高效的 **sparse MoE** 架构，以及通过 OpenRouter 的实惠访问（包括免费版本 `:free`）。对于从事代理式编码和内容生成的长会话的开发人员来说，这是一个极佳的性价比权衡。 ### Q3：这 18 个技巧适用于其他模型（GPT-4、Claude 等）吗？ **一般原则**（上下文卫生、合并提示词、监控）是通用的。然而，**技术实现**（缓存、路由、压缩）是针对 Qwen3.6+ / OpenRouter 特有的。对于 Claude，请参阅原视频。对于 GPT-4，需要进行适配（特别是在缓存和监控方面）。 ### Q4：Promptor 是否能取代 ChatGPT 或 Claude 来创建提示词？ 不能。Promptor 是一个 **meta-prompt**：它是在 AI 模型（Qwen3.6+、ChatGPT、Claude 等）*内部*运行的规则系统，用于使其生成优化的提示词。您需要一个 AI 模型来运行 Promptor。其附加值在于**方法论**和**技巧的自动应用**。 ### Q5：使用这些技巧实际上能节省多少 Token？ 节省量因使用情况而异，但平均而言： - **短会话（<10 条消息）**：节省 20-30%（技巧 1-3 就足够了） - **中等会话（10-30 条消息）**：节省 40-60%（技巧 1-9） - **长会话（30+ 条消息）**：节省 60-80%（所有技巧） 主要收益来自**合并提示词**（技巧 #3）和**手动压缩**（技巧 #12）。 ### Q6：我可以在没有 OpenCode 的情况下使用这个项目吗？ 可以。这 18 个技巧和 Python 包装器（`qwen_optimizer.py`）可与**任何兼容 OpenAI 的 API 客户端**一起使用。OpenCode 只是一个方便的界面。您可以将技巧直接集成到 Python 脚本、应用程序或任何使用 OpenRouter API 的工具中。 ### Q7：`.promptor_starter.md` 文件是否会在每条消息中消耗 Token？ 是的，就像任何加载到系统上下文中的文件一样。这就是为什么本项目包含的版本经过优化，在保持所有功能的同时**尽可能简洁**。如果您需要更轻量的版本，可以在与 Promptor 交互时使用 `[FOOTER:MIN]` 选项。 ### Q8：如何为这个项目做贡献？ 1. Fork 此仓库 2. 创建一个分支：`git checkout -b feat/ma-fonctionnalite` 3. 提交：`git commit -m "feat: 添加 [描述]"` 4. 推送：`git push origin feat/ma-fonctionnalite` 5. 打开一个指向 `dev` 的 Pull Request 有关详细信息，请参阅[贡献](#-contribuer)部分。 ### Q9：这个项目是免费的吗？ 是的，在 **MIT 许可证**下分发。您可以自由使用、修改和分发它，包括用于商业用途。有关详细信息，请参阅 [LICENSE](LICENSE) 文件。 ### Q10：在哪里可以找到原视频？ YouTube 上的 [18 Claude Code Hacks You NEED to Know About](https://youtu.be/WSL8730oQ8A?si=N6gA07gIgN3YlLjX)。该视频是本项目的技术灵感来源。观看它以了解原始 Claude Code 上下文中的技巧。 ## 🤝 贡献 ### 分支策略 ``` main ← Branche de production (stable, taguée) │ └── dev ← Branche d'intégration (prochaine version) │ ├── feat/add-webhook-alerts ← Nouvelle fonctionnalité ├── fix/token-count-overflow ← Correction de bug └── docs/update-readme ← Mise à jour documentation ``` ### 贡献工作流 1. 从 GitHub **Fork** 仓库 2. 从 `dev` **创建一个分支**： git checkout dev git checkout -b feat/ma-nouvelle-fonctionnalite 3. 使用约定消息 **提交**： git commit -m "feat: 添加 [描述]" 4. **推送** 分支： git push origin feat/ma-nouvelle-fonctionnalite 5. 通过 `gh pr create` 或 GitHub 界面向 `dev` 打开一个 Pull Request ### 提交约定 | 前缀 | 用途 | 示例 | | ------- | ----- | ------- | | `feat:` | 新功能 | `feat: 添加 Discord webhook 警报` | | `fix:` | 错误修复 | `fix: token 计数不正确` | | `docs:` | 文档 | `docs: 更新 FAQ 部分` | | `refactor:` | 无功能更改的重构 | `refactor: 简化路由器` | | `perf:` | 性能优化 | `perf: 减少 tools 开销` | | `test:` | 添加或修改测试 | `test: Python 包装器覆盖` | ## 📜 许可证 在 MIT 许可证下分发。有关更多信息，请参阅 [LICENSE](LICENSE) 文件。 ``` MIT License Copyright (c) 2026 valorisa Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions: The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software. THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE. ```

标签：18 Hacks, 5 Cercles, AI合规, AI开发, Claude Code移植, DLL 劫持, IPv6, LLM, OpenRouter, PowerShell, Promptor, Python, Qwen, Qwen3.6, RESTful API, Token优化, Unmanaged PE, 上下文管理, 云资产清单, 大语言模型, 成本控制, 提示词优化, 数字取证, 无后门, 模型配置, 自动化脚本, 逆向工具, 逆向工程