问题驱动的AI Coding成长史

使用 Claude Code 编码，先后会遇到5类问题：

1. 联网之痛：Claude Code Agent 默认连的是官方anthropic的 Claude Sonnet 4.6 和 Claude Opus 4.8/4.7 大模型。往往不通畅，需要借助AI网关间连。
2. 价格之痛：官方anthropic的大模型Token的价格太贵，想要更换成国内的GLM-5.2或DeepSeek V4 Flash/Pro，但依然用 Claude Code Agent。需要 CC-Switch 开启路由转发，将“Claude语”翻译成“OpenAI语（国内的主流大模型都兼容OpenAI的API标准）”。
3. 联动之痛：写完代码，还要自己部署，太割裂了，我希望CICD整个过程联动起来，全交给AI来做。比如从Github代码仓库里，读取Issue，分析并自动编码，修复这个Issue，自测，并提交Pull Request，审批合并代码后自动部署。做成全仓库全链路全自动的三全 AI Coding。为了打通Github，需要MCP的支持（尽管git命令行也能拉取和提交代码，但是要读取Issue和回复Issue，还是需要MCP）。
4. 办公之痛：我们的工作除了编码，还有收发邮件（写周报），我希望AI能总结我最近的工作，做成周报，通过邮件发送给项目组。当然有时，下班后想去一个地方，我不想再拿出手机查地图，我想直接让Claude Code给我答案。这里需要通过MCP打通邮件和高德地图等。当然我们还需要浏览器MCP。
5. 消耗之痛： 当这些工作全交给AI的时候，确实轻松很大，但我们发现，尤其是全仓库全链路全自动的三全 编码，Token的消耗量指数级上涨，动不动就百万Token没了。如何降低消耗量？需要改善Agent的选择性记忆（提示词），我们需要Code Graph。