工具介绍 · Lesson 01
模型地图：先看最新模型，再选工具
以 2026 年 7 月快照认识 Claude、OpenAI、Gemini、DeepSeek、GLM 和 Kimi，再把模型接入 Agent 与企业工作流。
完成后你能：
- 区分国外闭源服务与中国开放权重模型
- 按能力、部署、数据和成本比较模型，而不是迷信总榜
- 为企业 OpenAI 兼容 API 选择可验证的模型候选
这门课从模型开始，但不把“最新”理解成一张永远正确的排行榜。本页是 2026 年 7 月的模型地图快照：模型名称、价格、上下文上限、Preview 状态和 API 别名都会变化，真正接入企业项目之前要重新核对官方文档。
先分清两种交付方式
| 类别 | 本课选取 | 常见交付方式 | 先问企业什么 |
|---|---|---|---|
| 国外闭源服务 | Claude、OpenAI、Gemini | 厂商 API、托管控制台、配套 Agent 产品 | 数据是否出境、保留多久、区域与合规范围是什么？ |
| 中国开放权重模型 | DeepSeek、GLM、Kimi | 官方 API、开放权重、企业自建推理服务 | 具体模型的许可证、显存、推理引擎和运维谁负责？ |
“开源模型”在口语中经常混用。更准确的说法是：开放权重不等于所有训练数据、代码和服务条款都开放。部署前以对应模型卡和许可证为准，不要只因为模型文件可以下载，就默认它适合商业使用。
国外闭源三家
以下是入门时需要认识的家族，不是强弱排序。每一家的版本会交替更新，选择时应使用稳定的、明确写入项目配置的模型 ID。
| 家族 | 2026 年 7 月可先认识的型号 | 更适合拿来观察什么 | 企业接入时核对 |
|---|---|---|---|
| Claude | Claude Fable 5 面向最复杂的长周期 Coding；Claude Sonnet 5 面向规模化 Agent/Coding | 长任务、代码库理解、工具调用和持续的 Agent 工作 | API 区域、数据处理条款、上下文与用量上限、Claude Code 的权限边界 |
| OpenAI | GPT-5.6 Sol / Terra / Luna：复杂专业任务、能力/成本平衡、高吞吐三种取向 | Responses API、结构化工具调用、后台任务与多 Agent 编排 | 使用稳定模型 ID 还是别名、数据控制、速率限制、是否需要特定区域 |
| Gemini | Gemini 3.6 Flash 稳定高性价比；Gemini 3.5 Flash 面向持续 Agent/Coding；Gemini 3.1 Pro 仍是 Preview | 多模态输入、长上下文、Agentic Coding，以及 Stable/Preview 的生命周期差异 | Preview 是否允许生产使用、模型弃用通知、配额、输入数据的保留策略 |
闭源模型的优势是开箱即用、服务商负责推理基础设施；代价是模型权重不可审计，网络、账号、数据处理和供应商变更都会成为工程约束。
中国开放权重三家
这里保留你在课程中指定的三个家族。它们通常同时提供 API 与可下载的权重，但每个版本的许可证和部署要求可能不同。
| 家族 | 当前应先认识的型号 | 典型能力与形态 | 部署提醒 |
|---|---|---|---|
| DeepSeek | DeepSeek-V4-Pro / V4-Flash（可从官方 V4 模型集合核对版本） | 推理与 Coding 家族；同时提供 API 和开放权重版本 | 许可证以具体模型卡为准，显存、量化、vLLM/SGLang 支持要单独验证；旧的 deepseek-chat、deepseek-reasoner 别名正在退场 |
| GLM | GLM-5.2 模型卡；GLM-4.7 文档仍是 Coding Agent 的重要参考 | 长上下文、推理和终端 Agent；既可走 Z.ai API，也可按模型卡自部署 | 不要把 API 的可用型号当成可本地部署型号；核对 MIT 或其他许可证、硬件与推理引擎版本 |
| Kimi | Kimi K2.7-Code 模型卡；Kimi K2.5 官方仓库 | 面向 Coding Agent 的开放权重路线，支持视觉/视频与 OpenAI、Anthropic 兼容 API | K2 家族更新很快；固定版本前先看模型卡、上下文长度、preserve_thinking 行为和 vLLM/SGLang/KTransformers 要求 |
开放权重的真正价值不只是“免费”：它让企业可以评估权重、选择推理服务商、在内网部署或做蒸馏与量化。与此同时，GPU 预算、升级责任、许可证解释和安全补丁也从供应商转移到了团队。
用场景选候选，不做总榜
| 场景 | 可以先放进评估集的候选 | 需要实测的指标 |
|---|---|---|
| 代码库理解、长任务 Agent | Claude Opus、GPT-5.6 Sol、Gemini 3.5 Flash、DeepSeek V4-Pro、GLM-5.2、Kimi K2.7-Code | 任务完成率、工具调用是否稳定、失败后能否恢复 |
| 高频、成本敏感的自动化 | GPT-5.6 Luna、Gemini 3.6 Flash，以及对应的开放权重 Flash/量化版本 | 首 token 延迟、吞吐、单任务总 token、并发时的错误率 |
| 内网或专有数据 | DeepSeek、GLM、Kimi 的开放权重版本 | 最小 GPU 配置、许可证、日志是否留在内网、升级与回滚方案 |
| 多模态需求 | Gemini 系列、Kimi K2 家族，以及企业批准的闭源视觉模型 | 图片/视频输入限制、工具调用、敏感数据脱敏效果 |
这张表只是候选集。不要用供应商自己的“最强模型”描述代替评测。用同一批真实任务、同一套工具定义和同一套验收标准跑小型基准，才知道某个模型是否适合你的项目。
模型、Agent、Skill 是三层
| 层 | 回答的问题 | 例子 |
|---|---|---|
| 模型 | 谁负责理解与生成？ | Claude、GPT、Gemini、DeepSeek、GLM、Kimi |
| Agent / Harness | 谁组织上下文、调用工具、循环执行？ | OpenCode、Claude Code、Codex CLI、Kimi Code CLI |
| Skill | 如何把上下文、步骤和验收标准封装成可复用能力？ | SKILL.md、团队工作流、项目规范 |
同一个模型放进不同 Agent，使用体验和安全边界可能完全不同；同一个 Agent 连接不同模型，能力、速度和成本也会变化；Skill 则决定团队经验能否稳定复用。后面的课程会把模型选择落实为 VIBE_BASE_URL、VIBE_API_KEY 和 <MODEL_ID>，而不是把密钥写进仓库。
MCP 与 Subagent 不是第四、第五种模型层。MCP 位于 Agent 的工具连接边界，让它访问外部工具和数据；Subagent 位于 Agent 的任务编排内部，让主 Agent 把一部分工作交给独立上下文处理。工具介绍为它们分别安排了 Agent 与 Subagent和 MCP独立章节。
两种常见工具形态
编辑器型：看得见、改得近
Visual Studio Code + GitHub Copilot、Cursor 与 TRAE 把聊天、补全和多文件修改放在编辑器中。优点是文件、Diff 和诊断信息都在熟悉的界面里；缺点是产品通常与特定编辑器生态、账号体系或云服务绑定。
适合：已经习惯图形化 IDE、需要频繁手工调整代码的人。
终端型：组合自由、离工程最近
OpenCode、Claude Code、Codex CLI 与 Kimi Code CLI 直接在项目终端工作。它们天然能够使用 Git、测试命令和脚本；其中 OpenCode 还能连接企业提供的 OpenAI-compatible 模型 API。
适合：Linux 环境、模型需要替换、希望把工作流写成脚本或规则的团队。
为什么本教程选择 OpenCode
本教程的客户环境已经提供 OpenAI 兼容 API。OpenCode 的价值不在于“永远排名第一”，而在于它是开源终端 Agent，模型提供商可配置，适合 Linux 和企业模型网关。
我们的主线因此是：
企业模型 API → OpenCode → 本地项目 → Git 与测试 → GitHub Pages
其他工具会被介绍，但不会在实践中来回切换。统一主线能让零基础读者把注意力留给任务方法，而不是反复适应界面。
完成检查