我是小虎，浙江大学计算机本硕，专注用AI编程 + AI教育赋能超级个体。
承认吧，你缺的从来不是“更努力写代码”。你缺的是一块永远不断电的大电池。
我见过太多人把 AI 编程当成“省时间”的工具。 真相是：它是一套新的生产关系。 谁先把“算力入口”变成自己的基础设施，谁就先拿到工业化的一人公司。
这篇文章我讲一个反常识的组合：CodeBuddy + Antigravity Tools。 它能让你同时享受国内最顺手的 IDE 体验，又把国外顶级模型的额度调度变成“可续杯的电池”。
教程在文章的最后，请耐心往下看。
第一层：现象——你以为你在用模型，其实模型在“用”你的积分
这几个月我用 AI 编程的体感非常割裂。
一边是“真的好用”：一句话写完脚手架，几分钟跑通业务链路。
另一边是“非常反人类”：
- 你刚进入状态，积分没了。
- 你还没搞清它在干嘛，操作已经做完了，账单也结完了。
- 你甚至不知道：到底是你在写代码，还是它在“烧”你的余额。
这就是当下 AI 编程的核心矛盾： 能力在飞涨， 续航 在崩塌。
如果续航解决不了，AI 编程就只是一个“昂贵的玩具”，而不是生产力。
第二层：认知翻转——真正的高手，不是会写 Prompt，而是会“配电”
我在浙大玉泉读书那会儿，写过汇编，也被 C++ 的指针折磨过。 那时你想跑得快，就得理解 CPU、内存、缓存。
今天 AI 编程也一样。 你想跑得稳，就得理解：
- 你的 IDE 是“工作台”；
- 模型是“发动机”；
- 额度、账号、路由，是“供电系统”。
大多数人只盯着发动机有多强。 我更在意供电系统是不是可控。
一旦你能把供电系统抓到自己手里，你就从“用户”变成了“运营商”。
第三层：底层逻辑——两位黑马：CodeBuddy 负责“顺手”，Antigravity 负责“强悍”
1）CodeBuddy：国内首屈一指的 AI 编程工具，已经进入 4.x 的成熟期
我对 CodeBuddy 的评价很简单：它是我见过最懂国内开发者生态的 AI 编程工具之一。
它的优势不是“聊天更会说”。 它的优势是：把开发者真正用得到的东西，做成了顺滑的产品。
- 腾讯生态内置工具很强：
Supabase、CloudBase、EdgeOne Pages、Lighthouse这类集成，对国内用户是实打实的效率提升。 - MCP 生态丰富：很多实际工作流能直接接上，少折腾。
- 版本成熟：走到 4.x，稳定性、体验、工程化能力，都已经不是早期产品能比的。
你把它当成“一个 AI 对话框”，就浪费了。 更准确地说，它是一套“可插拔的 AI 开发操作系统”。
2）Antigravity（ag）：AI 编程工具里的黑马，强在“模型资源”和“能力上限”
如果说 CodeBuddy 像一台国产高配工程车，顺手、适配、能跑复杂路况。 那 Antigravity 更像一辆性能车：
- 模型选择多、更新快：Claude、Gemini 这类最顶级的模型家族，常常能更早用到更强版本。
- 能力上限高：复杂推理、长上下文、跨文件改造、工具链协作，确实更有“猛劲”。
- 更像一个“模型入口”而不是“单一 IDE ” ：你可以把它当成资源池。
但问题也在这里： 资源池很强，不代表它用起来顺。
第四层：真实吐槽——两边我都爱，但都不完美
我现在常用的就是 CodeBuddy 和 ag。 但它们各有各的“难受”。
CodeBuddy 的难受：你被迫在模型里做选择题
- 目前我体感最好用的是 default（Claude 4.5） 。 但大模型再强也有缺陷：会误改、会漏改、会自信胡说。
- default 的积分系数是 2.2。 我订阅号每天赠送 100 积分，没用几次就耗没了。 很多时候“啥也没干成”，积分先没了。
- GPT 5.1 / 5.2 的问题： 它们经常埋头干活，不告诉你在干嘛。 一个操作结束，积分耗光，你还莫名其妙。
- Gemini 2.5 / 3 的问题： 积分消耗不多，但油嘴滑舌。 把你的代码搞坏，还振振有词。 你让它别动代码，它偏要动给你看。 像一个“死都不认错、坚决不改”的痞子。
ag 的难受：国外工具，强但不够顺
- 经常会出错，链路稳定性不如国内工具。
- MCP 和集成工具的体验，不如 CodeBuddy 方便。
- 账号、额度、切换、封禁，管理成本也高。
所以问题来了： 有没有可能鱼和熊掌兼得？
有。
解决方案：ag tools 出现之后，“供电系统”终于可控了
ag tools（准确说，是开源项目 Antigravity-Manager）干了一件非常关键的事：
它把“多账号管理 + 协议转换 + 智能请求调度”做成了一个本地网关。
你可以把它理解成： 把不同厂商的 API 全部翻译成一种统一语言，并且还能自动换电池。
我去看了它的仓库介绍，核心亮点非常硬：
- 统一协议：兼容 OpenAI、Anthropic（Claude）、Gemini 原生接口，做协议转换与中继。
- 账号仪表盘：实时监控配额、健康状态，并推荐最佳账号。
- 自动重试与轮换：处理 429/401 等错误，静默轮换账号。
- 模型路由中心：支持正则映射、分组、降级路由，把“用哪个模型”变成可控策略。
- 多模态与大请求体：支持大体积（如 100MB）请求，图像生成/识别也能打。
一句话： 它不是“又一个聊天工具”，它是你的 AI 供电系统。
我之前也写过一篇《白嫖 CLAUDE OPUS？ANTIGRAVITY“无限续杯”秘籍大公开！》，讲过如何把 ag 的资源搬到本地编程环境里。 今天这篇，是把这件事进一步做成“日常可用”的工作流。
缘起：学习群里一句话，把我脑子里的开关拨开了
事情来自我 AI 编程学习群里一个学员。 他随口提了一句： “CodeBuddy 能够修改内置大模型了。”
我当时第一反应是： 还有这么好的事？
第二反应更狠： 那如果我能配上 ag tools，让 ag tools 再连上 ag，再配合多几个 Google 账号——这不就是一个无限 续航 的大电池吗？
思路一旦出现，行动就只剩 SOP。
实操：把 ag tools 接进 CodeBuddy（核心 SOP）
下面这段非常朴素，但非常关键。
1）先把 Antigravity-Manager（ag tools）跑起来
- 下载并安装（Windows/macOS/Linux 都有）。
- 在工具里导入你的账号（支持批量导入、迁移、封禁检测等）。
-
打开它的 API 代理 / 本地反代 服务，拿到两样东西：
Base URL（通常是本机127.0.0.1的某个端口）API Key（工具生成或你设置的密钥）
2）在 CodeBuddy 的配置 JSON 里新增一个自定义模型 Provider
学员给了一个 URL 指引，我照做：
- 打开 CodeBuddy 对应的 JSON 配置文件，通常在 C 盘用户目录的。CodeBuddy 的 models.json（C:\Users\xxx\。codebuddy\models.json），如果没有就自己新建一个
- 增加
baseUrl、apiKey、model名称（按你的 ag tools 路由来填）
- 重启 CodeBuddy
3）验证：切换到新模型，问一句“你是什么大模型？”
我当时怀着期待打开模型切换。 果然，出现了一个新的自定义大模型。
我切过去，第一句就问： “你是什么大模型？”
它老老实实地告诉我。 我当场就笑了：成功了。
4）把常用模型一次性配齐
随后我把 ag 里这几个常用大模型都配置上了：
- Claude 4.5 Opus
- Claude 4.5 Sonnet
- Gemini 3 Pro High
- Gemini 3 Flash
从此我的工作流变成： CodeBuddy 负责体验与工程化， ag tools 负责 续航 与调度，ag 负责模型能力上限。
这套组合为什么值钱：你终于拥有“可复制的 AI 产能”
很多人还没意识到： AI 编程真正的门槛已经不是“会不会写代码”。 而是：你能不能把产能变成 SOP，变成流水线，变成可复制的交付。
当你把供电系统稳定下来，你就能做三类最现实的商业实验。
实验 1：内容工厂——把公众号从“灵感创作”升级为“工业产线”
用 CodeBuddy 产出：
- 选题拆解
- 结构大纲
- 资料整理
- 标题 A/B
用 ag tools 保障：
- 长文推理不断电
- 多模型互证减少胡说
结果是： 你不是更勤奋，你是更工业化。
实验 2：小工具交付——把“写脚本”变成可卖的产品
不是每个人都要做 SaaS。 但每个人都能做“一个解决具体问题的小工具”。
例如：
- 文章批量排版器
- 视频字幕清洗器
- 知识库整理器
当你有稳定续航，你就能把交付从“做一次”变成“复刻十次”。
实验 3：训练营/社群 SOP——把你的工作流卖给更多人
你会发现： 大家缺的不是工具。 大家缺的是“能跑通的工作流”。
把这套组合沉淀成 SOP：
- 安装
- 配置
- 模型选择策略
- 复盘与纠错
你就能把自己的产能，变成一套可传递的杠杆。
最后一句冷峻的提醒
这套方法本质是在做“本地中转与调度”。 请尊重开源协议与服务条款，只用于学习与提效，别把聪明用错地方。
旧时代拼的是加班。 新时代拼的是基础设施。
你要做的不是找一个更强的模型。 你要做的是：把模型变成你自己的电池。
（如果你也想把这套 SOP 跑通，评论区告诉我你卡在哪一步。)
