Codex 报 ChatGPT login is disabled. Use API key login instead. 是谁禁的？按这个顺序挨个查
codex login 直接退出，只留一句 ChatGPT login is disabled. Use API key login instead.——这不是 OpenAI 封了你，而是本机配置不允许用 ChatGPT 账号登录。按 Codex 源码，能禁掉它的主要有三类：你这边的 Codex 配置、管理员下发的系统级限制、以及工作区白名单对不上。本文逐一讲清怎么查、哪些你能改、哪些只能找管理员。
Codex 报 remote compaction v2 expected exactly one compaction output item 怎么办
Error running remote compact task: Fatal error: remote compaction v2 expected exactly one compaction output item, got 0 from N output items——Codex 压缩上下文时，服务端返回的结果里没有那一个压缩项。本文按 Codex 源码讲清这条错误的判定逻辑、为什么它不会自动重试、用 openai_base_url 接中转站时为什么特别容易撞上，以及让 Codex 改走本地压缩的办法。
Codex 报 Selected model is at capacity. Please try a different model. 怎么办
Selected model is at capacity 对应服务端返回的 server_is_overloaded 错误码，意思是这个模型现在满载。按 Codex 源码，它属于终止型错误，主对话里 Codex 不会自动重试——这正是它和断流、限流最大的区别。本文讲清它的来源、为什么一出现就停、在压缩时出现是什么情况，以及换模型之外还能做什么。
Codex 报 websocket closed by server before response.completed：先别慌，Codex 会先自己重连
stream disconnected before completion: websocket closed by server before response.completed 是 Codex 走 WebSocket 通道时，服务端在回答结束前关了连接。按 Codex 源码，它会先重连 5 次，用完再自动切到 HTTPS 重来一轮。本文讲清这条提示出现时任务到底停没停、哪些情况需要你动手，以及 codex doctor 里该看哪一项。
DeepSeek V4 Pro 和 Flash 的区别：Flash 已升级成 V4.1，模型名也换了
DeepSeek V4 Pro 和 Flash 有什么区别？按 DeepSeek 官方 API 文档（2026-09-28 核对）：Flash 已升级为 DeepSeek-V4.1-Flash，模型名改为 deepseek-flash，旧名 deepseek-v4-flash 仍能调用；两者上下文、输出长度、思考模式、接口格式相同，差在图像理解、并发上限和单价。本文逐项并列官方写明的差异，并说明怎么按用途选。
Stream ended without finish_reason 怎么办？pi 接第三方端点时先分清是断流还是端点不发
pi 报 Stream ended without finish_reason（Google 模型报 Google stream ended without a finish reason），要么是流半路被掐，要么是端点压根不发 finish_reason。本文按 pi 源码讲清两种情况怎么区分、models.json 里 compat.supportsFinishReason 什么时候该关、以及为什么在不稳的网络上关掉它反而会把截断的回答当成正常结束。
WorkBuddy 和 QClaw 的区别：QClaw 12 月 24 日停运，迁不迁、怎么迁、钱怎么退
腾讯 2026-09-24 公告 QClaw 将于 2026-12-24 00:00 停止运营，官方说法是 QClaw 的核心能力已升级至 WorkBuddy。本文按 QClaw 官网停运公告原文，讲清两者是什么关系、停运时间表、退款怎么算、数据备份截止到哪天、迁移到 WorkBuddy 的两步流程和补贴条件。
本地 AI 隐私不是自动成立：怎样做网络请求审计
本地模型只说明推理可以在设备完成，不代表 App 没有其他网络请求。本文给出数据清单、端点清单、飞行模式、抓包、日志、备份与导出审计方法。
本地大模型部署硬件要求：别只看显存和参数量
本地大模型部署硬件要求不能只看模型文件或参数量。本文拆解权重、量化、KV cache、输入张量、运行时、系统余量和真实设备测试方法。
端侧 AI 是什么：模型为什么开始从云端回到设备
端侧 AI 是把推理放在手机、电脑或边缘设备本地完成。本篇讲清它与本地 AI、边缘 AI、云端 AI 的边界，以及隐私、延迟、离线与能力上限之间的真实取舍。
端侧 AI 与云端 AI 区别：按任务选，不按口号选
端侧 AI 与云端 AI 的区别在推理边界、离线能力、数据流、更新和工程成本。本文给出隐私、网络、能力、成本与混合路由的决策表。
端侧 AI 芯片是什么：CPU、GPU、NPU 怎么分工
端侧 AI 芯片不是单独一颗万能芯片。本文从运行时视角解释 CPU、GPU、NPU 的职责、模型算子支持、后端回退和为什么 TOPS 不能直接等于真实体验。
Gemma 4 本地部署：从模型文件到 LiteRT-LM 应用
Gemma 4 本地部署要同时处理模型版本、LiteRT-LM 格式、下载校验、内存预检和硬件回退。本文以 Android 端侧应用为主线，说明从模型文件到可发布产品的完整链路。
Gemma 4 E2B 是什么：参数名、模型包和端侧部署
Gemma 4 E2B 是面向端侧部署的 Gemma 4 变种。本文区分有效参数、模型卡规格、量化权重、LiteRT-LM 部署包和 App 实际下载文件。
Gemma 4 下载：模型来源、断点续传和完整性校验
Gemma 4 下载不能只复制一个链接。本文讲清固定 revision、模型格式、文件长度、SHA-256、临时文件、HTTP Range 续传、镜像一致性和失败修复。
想系统学会用 AI，或把 AI 落地到业务？
报名体系课、加入会员，或让我们陪你把 AI 数字员工搭起来。