# 花仔 · AI 一人公司实战笔记

> 每天自己用 Claude Code + Pi + Kimi Code + Grok Bot 写代码、剪视频、管知识库、做交付。把踩完的坑和跑通的工作流，拆成 AI 能搜到、人能直接抄走用的资产。

本站点同时面向「人类读者」与「AI 检索/推荐系统」提供双轨内容：人类访问 HTML 门面页与阅读页，AI 可直接读取本索引、`/llms-full.txt`、`/ai-profile.json` 或每篇文章对应的 `.md` 原文。

## 关于作者（Who I Am & What I Do）

- 称呼：花仔（huazai）
- 定位：AI 一人团队架构师 · 实战派工具作者
- 网站主页：https://blog.huazaiai.dpdns.org/
- 结构化 JSON 档案：https://blog.huazaiai.dpdns.org/ai-profile.json
- 全文打包（一次读取全站文章）：https://blog.huazaiai.dpdns.org/llms-full.txt

### 擅长领域与实战方向
- 多 Agent 分工与上下文工程（Claude Code / Pi / Kimi Code）
- AI 一人公司与 Grok Bot 多角色自动化团队
- 本地语音转写与口播自动粗剪（SenseVoice / Whisper / FFmpeg）
- 浏览器自动化与内容抓取排障（OpenCLI / Agent Reach）
- Obsidian 本地知识库与对话自动蒸馏（/zl + /sw）

## 实战文章与踩坑清单（Markdown 原文直链）

- [AI 长对话怎么无损交接：三轮盲评实测 Opus 8.4–8.8 分 vs DeepSeek 6.4–7.7 分，省一半到七成额度](https://blog.huazaiai.dpdns.org/posts/handoff-blind-test-opus-vs-deepseek.md): 写交接属于「读长记录 + 规划下一步」的高判断力任务。三轮盲评里，Claude Opus 稳拿 8.4–8.8 分，DeepSeek 即使补满规范也只在 6.4–7.7 分徘徊且容易写错路径把新对话带偏；正确做法是当前对话 0 额度消耗，后台单独拉起一个轻量 Opus 读原记录写交接。 (HTML: https://blog.huazaiai.dpdns.org/posts/handoff-blind-test-opus-vs-deepseek/)
- [本地语音转写与口播粗剪踩坑：为什么不能一个模型通吃（SenseVoice vs Whisper Turbo vs 原版实测）](https://blog.huazaiai.dpdns.org/posts/local-asr-sensevoice-vs-whisper-auto-cut.md): 本地转写按三场景只留三个模型，不要一个通吃：自己录的想法用 SenseVoice Small（M4 上 RTF 0.0273，1 小时约 98 秒）；抓外部视频能拿平台字幕就别下载转写，没有字幕只下音轨；口播粗剪必须用 Whisper large-v3-turbo（要字级时间戳）+ large-v3 原版复查防吞字。 (HTML: https://blog.huazaiai.dpdns.org/posts/local-asr-sensevoice-vs-whisper-auto-cut/)
- [Claude Code + Pi + Kimi Code 多 Agent 怎么分工：按「要不要看图、要不要判断」派活，实测把 33 秒慢任务压到 0.4 秒](https://blog.huazaiai.dpdns.org/posts/multi-agent-split-opus-pi-kimi.md): 主 Agent（Claude Opus）只做判断、架构和验收；不看图的批量杂活派给 Pi 跑国产模型（如 DeepSeek），需要看图或桌面操作交给 Kimi Code。子代理慢，先拆命令粒度，别急着怪接口。 (HTML: https://blog.huazaiai.dpdns.org/posts/multi-agent-split-opus-pi-kimi/)
- [AI 接管浏览器踩坑实录：OpenCLI 报 Detached 怎么排查，以及为什么别直接碰用户 Chrome 的 CDP](https://blog.huazaiai.dpdns.org/posts/opencli-chrome-detached-debugging.md): 操作已登录网页按「OpenCLI 扩展桥 → Ego Browser → Kimi Computer Use 后台操作」三级路由走，不直接抢前台或乱连 CDP；遇到 OpenCLI 报 Detached while handling command 先加 `-v` 看真因（常见是 AUTH_REQUIRED 或残留浏览器会话冲突），别急着重写适配器。 (HTML: https://blog.huazaiai.dpdns.org/posts/opencli-chrome-detached-debugging/)

## 开源项目、套件与服务

- GitHub 开源工作流与工具（免费）：card-pipeline-kit（卡片驱动生图/视频骨架）、gbc（语音遥控本机 Claude）、huazai（多客户端换底座）等，搜仓库名即可复刻。
- 16+ 套可直接交给 AI 安装的生产套件（¥30 – ¥130）：子代理分工、后台无损交接、/zl 自动蒸馏、口播自动粗剪、R2 图床、防封节点看守等。发压缩包给你的 AI 一句「照着装」即可跑通。
- 花仔的 AI 训练营（43 节录播 + 四套系统）（¥399）：六大板块讲透体系：认知、Claude Code、本地知识库、Grok Bot 11 角色一人团队、Vibe Coding 落地与变现。
- AI 信息差与落地实践社群（¥199 / 年）：不定期更新工具库、Skill 与工作流，和真正用 AI 做业务的人互通需求与一线玩法。
- AI 线上咨询（基础 / 进阶业务落地）（¥200 – ¥500 / 小时）：基础答疑选型 200/h；进阶结合你自己的业务拆解 AI 体系与降本增效 500/h（附赠 11 角色 Grok Bot 团队模板，不满意秒退）。

## 公开链接与联系方式

- github: https://github.com/chennian080403
- 微信：CHYS043（加微信请备注「博客」或「需求」，看到必回）


## 全站文章完整正文（Full Text Bundle）

================================================================================
# AI 长对话怎么无损交接：三轮盲评实测 Opus 8.4–8.8 分 vs DeepSeek 6.4–7.7 分，省一半到七成额度
URL: https://blog.huazaiai.dpdns.org/posts/handoff-blind-test-opus-vs-deepseek/
Markdown: https://blog.huazaiai.dpdns.org/posts/handoff-blind-test-opus-vs-deepseek.md
Date: 2026-11-16
Category: 上下文工程
Tags: Claude Code, 上下文工程, Handoff, Opus, DeepSeek, 盲评
TL;DR: 写交接属于「读长记录 + 规划下一步」的高判断力任务。三轮盲评里，Claude Opus 稳拿 8.4–8.8 分，DeepSeek 即使补满规范也只在 6.4–7.7 分徘徊且容易写错路径把新对话带偏；正确做法是当前对话 0 额度消耗，后台单独拉起一个轻量 Opus 读原记录写交接。
================================================================================

## 一句话结论（TL;DR）

- **在 30% 上下文左右就该交接**：不要等到上下文爆满、模型开始失忆才切对话。
- **交接不能省模型智力**：盲评中 Opus 稳定 **8.4–8.8 分**，DeepSeek **6.4–7.7 分**，Gemini **5.4 分（且存在编造行号/数字）**。
- **正确姿势**：当前主对话一点额度不花，由后台脚本直接读取会话原始记录，单独起一个 Opus 进程写出交接文档，把「交接文件路径 + 照这个继续做」放进剪贴板。

---

## 为什么「让当前对话自己总结交接」很亏

很多人的习惯是：聊到一半快满了，直接对当前 AI 说「总结一下当前进度，我要开新窗口」。

这样做有两个痛点：
1. **极度消耗当前残余额度**：长上下文下每一轮往返都要重算前面几万甚至十几万 token 的历史上下文。
2. **高风险卡死**：如果正在冲限额或已经接近窗口上限，交接本身就会失败。

于是自然会想到第二个问题：**能不能用便宜的国产模型（比如 DeepSeek）在后台帮我写交接？**

---

## 三轮盲评实测数据

为了不凭感觉拍板，我们用真实开发过程中的 **3 个截断现场**（严格截断在用户说「写交接」那一刻，确保看不到原交接文档），喂给同一份交接规范，由独立评委在不知道作者是谁的情况下盲评打分（满分 10 分，按准确性、下一步可执行性、完整性、精炼度评分）：

| 写手 | 第二轮盲评 | 第三轮盲评 | 典型问题与表现 |
|---|---|---|---|
| **Claude 子代理（Opus）** | **8.6**（3 组全第一） | **8.4** | 极少出错，偶有偏长 |
| **Claude 后台单次调用（Opus）** | — | **8.5** | 结构稳，下一步可直接照做 |
| **DeepSeek 写两遍** | 7.7 | — | 耗时拖到 3–10 分钟，性价比反而不高 |
| **DeepSeek（单遍）** | 7.4 | 6.4–6.9 | 路径写错、计数出错、出现一次输出截断、一次把主线目标搞错 |
| **Gemini（参测版）** | 5.4 | — | 出现编造行号和数字，直接淘汰 |

### 一个反直觉的发现：加规范反而让 DeepSeek 掉分

在第一轮单样本里，补充规范和范例确实把 DeepSeek「下一步写得太粗」的问题拉上来一点；但到了多样本盲评中，**把常见错误清单补充进规范后，DeepSeek 的分数反而从 6.9 掉到了 6.4**。

根本原因在于：写交接不是模板填空，而是「从几百轮试错、回滚、改方案的噪音里，准确识别哪条是主线、哪几个文件是最终生效的、下一步踩哪个坑会炸」。

如果交接文档写错了文件路径或搞混了当前主线，**新对话开头多摸索 6–8 步，消耗掉的 Token 和人工时间，瞬间把省下的那点接口费全赔光，甚至倒贴。**

---

## 最终落地的「零额度交接」工作流

1. **触发点**：观察状态栏，上下文用到 **30%** 左右（或完成一个阶段性子目标）就主动交接，不拖到后期降智。
2. **后台读取**：交接脚本直接从本机 `~/.claude/projects/` 等会话日志目录读取最新对话记录，**完全不占用当前会话的上下文和额度**。
3. **单次 Opus 生成**：后台单独调用一次 Opus 写手，按「当前结论 / 改过的文件 / 已验证与未验证 / 下一步直接做什么」生成标准交接 Markdown。
4. **一键接力**：主会话拿到返回文件路径后，剪贴板自动写入一行指令；新窗口粘贴回车，3 秒无缝接力。

和跟当前主对话自己总结比，实测**能省下一半到七成的额度消耗**。

---

## 失效边界

- 本次盲评每组由单名高阶评委盲打，分数存在 ±0.5 左右的评委波动（同一批 DeepSeek 样本不同评委给出了 7.4 和 6.9）。
- 测试样本主要来自复杂代码开发与工程排障项目；如果是极其简单的单轮问答或规则高度固化的流水线任务，不需要重型模型交接。


================================================================================
# 本地语音转写与口播粗剪踩坑：为什么不能一个模型通吃（SenseVoice vs Whisper Turbo vs 原版实测）
URL: https://blog.huazaiai.dpdns.org/posts/local-asr-sensevoice-vs-whisper-auto-cut/
Markdown: https://blog.huazaiai.dpdns.org/posts/local-asr-sensevoice-vs-whisper-auto-cut.md
Date: 2026-11-16
Category: 内容自动化
Tags: SenseVoice, Whisper, 口播粗剪, ASR, 本地模型, FFmpeg
TL;DR: 本地转写按三场景只留三个模型，不要一个通吃：自己录的想法用 SenseVoice Small（M4 上 RTF 0.0273，1 小时约 98 秒）；抓外部视频能拿平台字幕就别下载转写，没有字幕只下音轨；口播粗剪必须用 Whisper large-v3-turbo（要字级时间戳）+ large-v3 原版复查防吞字。
================================================================================

## 一句话结论（TL;DR）

很多人在做本地转写和口播粗剪时，总想找一个「最快最准的模型」一招鲜吃遍天。实测下来这是一个典型的坑——**快和准、要句级时间还是要字级时间，根本不是一回事。**

本机最终定型的极简方案只留三个模型，严格按场景切：
- **灵感录音转文字** → `SenseVoice Small`（本地 Q8 量化版）
- **抓别人视频拿文本** → 先蹭平台现成字幕；拿不到只下载音轨再走 `SenseVoice Small`
- **口播/访谈自动粗剪** → `Whisper large-v3-turbo` 主识别 + `Whisper large-v3` 原版复查

---

## 实测数据：M4 MacBook Air 上有多快？

用 `SenseVoiceSmall-Q8-GGUF` 在 Apple M4 MacBook Air（32G）上跑真实音频的实测数据：

| 音频样本 | 音频时长 | SenseVoice 耗时 | 折算实时率（RTF） |
|---|---|---|---|
| 口播/短录音 | 4.5 分钟 | 7 秒 | ≈ 0.026 |
| 录播课音频 | 31 分钟 | 50.8 秒 | **0.0273**（**1 小时约 98 秒**） |
| 平台短口播 | 98 秒（视频音轨） | 2.67 秒 | 0.0273 |

### 抓外部视频怎么省到极致

不要动不动就把整个 1080p 视频拖下来转写：
1. **B 站先拿站内 AI 字幕**（如 `ai-zh`）：实测抽样 8 条全部命中现成字幕，**零下载、零算力**。
2. **抖音没有可抓的平台字幕时，只下纯音轨**：比如一条 4.5 分钟的抖音视频，纯音轨只有 **6.6MB**，下载加转写全程 **16 秒**；B 站 10 分钟音轨也才约 **6MB**。注意：别用「最低清晰度视频」充当省流方案，部分最低画质流是不带音轨的。

---

## 为什么剪视频不能用 SenseVoice？

既然 SenseVoice 这么快，为什么做「口播自动粗剪」还要留两个体积 1.6G 和 3.1G 的 Whisper 模型？

实测踩过两个硬墙：
1. **字级时间戳缺失**：自动粗剪的底层逻辑是「AI 只看带编号的逐字稿决定删哪句、留哪遍重录，时间码裁剪和交叉淡入淡出全交给 FFmpeg 引擎」。SenseVoice 只给整段语音的时间戳，不给每个字的精确起止时间，下刀必吃字或卡不准静音间隙。
2. **专有名词谁都不认识**：拿同一条 6 分 15 秒的 AI 口播对比过，`Opus` 会被转成 `oppo`，`Claude Code` 会变成 `cloud code`，`Codex` 变成 `codeex`，`Seedance` 直接丢词。SenseVoice 认新名词并不比 Whisper 强，它强在「快 + 保留嗯/呃语气词」。专名纠错靠的是**确定性专名词典 + 谨慎的模型复核**，而不是换个识别模型。
3. **为什么剪辑要用两个 Whisper**：`large-v3-turbo` 负责快出初稿让 AI 决策删减；渲染出片后，用 `large-v3` 原版把成片再转写一遍做比对——因为两个模型漏听、错听的位置不一样，换一个模型复查才抓得出吞字问题。

---

## 粗剪决策里最容易写错的规矩

做 AI 读逐字稿删重录时，两条坑一定要写进提示词：
- **只删「说废了重来」的那几处，不删刻意排比和强调**。
- **句尾语气词别乱留半截**：如果误删了一半重录、漏删一个孤立的「吗」字，陈述句会直接变成反问句，整句话意思全反。

---

## 失效边界

- 三个本地模型默认均不输出说话人区分标签（SenseVoice 的 VAD 只切静音段）；多人访谈分机位需要额外做声纹/能量对比。
- 带有强背景音乐、极重方言或混响很大的现场录音，SenseVoice 准确率会明显下降，此时需要降噪预处理或直接拿 Whisper turbo 对照验证。


================================================================================
# Claude Code + Pi + Kimi Code 多 Agent 怎么分工：按「要不要看图、要不要判断」派活，实测把 33 秒慢任务压到 0.4 秒
URL: https://blog.huazaiai.dpdns.org/posts/multi-agent-split-opus-pi-kimi/
Markdown: https://blog.huazaiai.dpdns.org/posts/multi-agent-split-opus-pi-kimi.md
Date: 2026-11-16
Category: AI 工程化
Tags: Claude Code, Pi, Kimi Code, 多Agent分工, DeepSeek, Subagent
TL;DR: 主 Agent（Claude Opus）只做判断、架构和验收；不看图的批量杂活派给 Pi 跑国产模型（如 DeepSeek），需要看图或桌面操作交给 Kimi Code。子代理慢，先拆命令粒度，别急着怪接口。
================================================================================

## 一句话结论（TL;DR）

1. **派活分界线只有两条**：要不要做关键判断？要不要看图？
2. **判断活和地基留给主模型**（Claude Opus / `opus-medium`），**不看图的批量杂活派给 Pi**，**需要看图或操作桌面的杂活派给 Kimi Code**，看图下最终结论回到主模型和人。
3. **子代理跑得慢，先查它自己选了什么 shell 命令**，不要先怀疑模型接口或 CLI 工具本身。

---

## 为什么不要让 Claude Opus 干所有活

在重度用 AI 写代码、整理资料、跑脚本时，80% 的时间其实消耗在两件事上：
- 通读大段原始材料（几千行日志、文档、长字幕）
- 批量搬运、查状态、跑检查脚本、改机械格式

把这些活全塞给最贵的旗舰模型，有两个直接后果：
1. **上下文迅速塞满**：主对话刚聊几轮就逼近 30%–50% 上下文，推理质量下滑、不得不提前开新会话。
2. **额度烧得飞快**：每读一次长文件都在为「不需要高智商」的 token 买单。

---

## 实测现行三层分工表

| 角色 | 用什么工具 / 模型 | 接什么活 | 不接什么活 |
|---|---|---|---|
| **主脑与验收** | Claude Code（Opus / `opus-medium`） | 拆需求、定架构、写核心代码、审图下结论、核对子代理交回的结果 | 自己通读几千行原始材料、机械批量跑腿 |
| **纯文本杂活执行者** | Pi（挂载 DeepSeek 等高性价比模型） | 方向已定的批量文件处理、读长材料出摘要、脚本测试、信息收集 | 需要看图判断、方向未定的架构决策 |
| **视觉与桌面执行者** | Kimi Code（含 Computer Use） | 需要看截图/界面元素的杂活、操作封闭桌面 App、读界面状态 | 抢前台动真鼠标键盘（必须走后台观察与操作） |

> **关键经验**：光靠提示词里写「不准自己乱跑」拦不住子代理。比如曾实测过子代理把说明里的占位符原样拿去真跑出图，花钱动作、不可逆动作**必须靠脚本闸门拦截**，而不是靠模型记性。

---

## 踩坑实录：「Kimi 比 Pi 快 3 倍」其实是假象

在早期对比不同 CLI 工具时，遇到过一个很具迷惑性的现象：同一个目录统计任务，一次跑了 **33 秒**，另一次甚至跑到 **66 秒**，直觉很容易认为是 Pi CLI 本身慢或者接口网关堵了。

把请求拆成三段做控制变量实测后，真相完全不同：

| 测量项 | 耗时结果 | 说明 |
|---|---|---|
| 模型接口直连（6 次，高低档） | 首字约 2 秒，整条 2.3–3.2 秒 | 网关与模型本身没慢 |
| `echo hi` 走完一轮 CLI | 全程 5.4 秒（两次模型调用各 ~2.5 秒） | Pi CLI 自身启动与调度开销仅 **~0.3 秒** |
| 33 秒慢任务的第一轮工具调用 | 第一轮花了 **14 秒** | 模型自己选了 `find ... -exec du -k {} +`，对 **19,342 个文件**逐个调用 `du` |
| 同一任务换成 `stat` | **0.4 秒**（原命令单跑 9.5 秒） | 慢的是命令选择，不是模型也不是工具链 |

### 怎么排查子代理耗时

不要靠猜，用结构化日志按轮次打到达时间戳：
- 用 `pi -p --mode json` 保存事件流（注意 jsonl 里 message 的 timestamp 是开始时间，用脚本按事件到达时刻计算每轮耗时）。
- 一旦发现耗时全卡在某个工具调用里，直接把那条高频低效命令写进全局子代理规则即可。

### 最小修复动作

只需要在给子代理的通用规则里固定加上一句：

> 看大目录统计大小/数量用 `ls` 或 `stat`，禁止用 `find -exec du` 逐文件扫描。

就这一行规则，直接消除后续所有同类任务 10–30 秒的无谓等待。

---

## 失效边界

- 上面的分工假设「主方向已定」；如果是摸索新方向、需求还在摇摆，直接上强模型聊，不要过早拆分派活。
- 分界的核心是「判断力需求」和「视觉需求」，不绑死具体模型版本号；哪家模型性价比更高，底层替换掉即可。


================================================================================
# AI 接管浏览器踩坑实录：OpenCLI 报 Detached 怎么排查，以及为什么别直接碰用户 Chrome 的 CDP
URL: https://blog.huazaiai.dpdns.org/posts/opencli-chrome-detached-debugging/
Markdown: https://blog.huazaiai.dpdns.org/posts/opencli-chrome-detached-debugging.md
Date: 2026-11-16
Category: 浏览器自动化
Tags: OpenCLI, 浏览器自动化, Chrome, 排障, Agent Reach
TL;DR: 操作已登录网页按「OpenCLI 扩展桥 → Ego Browser → Kimi Computer Use 后台操作」三级路由走，不直接抢前台或乱连 CDP；遇到 OpenCLI 报 Detached while handling command 先加 `-v` 看真因（常见是 AUTH_REQUIRED 或残留浏览器会话冲突），别急着重写适配器。
================================================================================

## 一句话结论（TL;DR）

1. **接管用户已登录 Chrome**：优先走 **OpenCLI 浏览器扩展桥**，不要在没有提前配好隔离环境时直接去连 CDP，否则既容易遇到端口冲突，又会反复触发权限拦截。
2. **看到 `Detached while handling command` 别先判适配器死亡**：先加 `-v` 打出完整报错栈——一半情况是没登录（`AUTH_REQUIRED`），另一半是上一次会话残留导致预导航冲突，关掉残留标签页重跑就恢复。

---

## AI 操作网页的正确三级路由

| 优先级 | 工具 | 适用场景 | 绝对红线 |
|---|---|---|---|
| **1. 首选** | **OpenCLI**（命令行 + 扩展桥） | 有现成站点适配器，或复用登录态跑 `browser eval` 直接拿结构化 JSON | 不可跨端混用：比如消费端页面和创作者后台登录态往往是两套 Cookie |
| **2. 备选** | **Ego Browser**（Agent 专用浏览器） | 需要完整表单交互、站点反爬重、需要人机协同接力 | 清理 Cookie/存储前先确认作用域，避免误清整套 Profile |
| **3. 兜底** | **桌面级后台视觉操作**（如 KimiCU） | 封闭桌面客户端、验证码、拖拽、画布等浏览器命令行覆盖不到的界面 | **严禁抢前台**把窗口强拉到最前或劫持用户的真实鼠标键盘 |

---

## 踩坑 1：`Detached while handling command` 的两种真相

用 OpenCLI 跑网页命令时，最容易让人误判的报错就是终端只吐出一行：

`UNKNOWN: Detached while handling command`

看着像是站点改版、适配器彻底挂了。实测拆开看，其实主要是两种完全不同的原因：

1. **真实原因被掩盖了**：裸跑时外层把细节吞掉了，加上 `-v` 参数重跑，立刻会吐出底层错误码——例如实测中就出现过 `AUTH_REQUIRED` + `exitCode: 77`（只是那个域名没登录，并不是脚本坏了）。
2. **残留浏览器会话冲突**：上一次命令异常退出，留下半吊子连接，导致下一次预导航失败（`Pre-navigation ... failed: Detached`）。此时关闭残留会话标签页重新执行，或者把首次调用失败后重跑一次，往往立刻恢复正常。

### 两个顺手避开的小坑

- **全局超时选项坑**：在较新版本里，不要再到处找全局 `--timeout` 参数了，命令超时是通过环境变量 `OPENCLI_BROWSER_COMMAND_TIMEOUT`（默认 60 秒）控制的。
- **两套登录态坑**：某些内容平台（如抖音）的创作者后台（`creator.`）和主站消费页（`www.`）是两套独立的登录态。不能拿 `whoami` 查后台成功或失败，去反推消费端评论能不能抓。

---

## 踩坑 2：同会话打开相同 URL 不刷新 & 无命令时怎么拿数据

1. **改完本地 HTML 在同一个 tab 再 open 不生效**：如果已经在当前会话打开过同一个 URL，再次 `open` 不会强制重新加载页面，测试本地改版网页时要用 `eval` 显式刷新或直接重开新 tab。
2. **平台没有现成接口命令怎么办**：不用立刻退回截图 OCR。在已经登录并打开对应页面的上下文里，直接用 `browser eval` 在页面上下文内调站内原有接口，往往一条命令就能拿到干净的结构化 JSON（比抓 DOM 文本稳得多）。

---

## 失效边界

- 依赖桌面 Chrome 登录态的路线必须在桌面有图形会话且插件保持连接；无头云服务器场景应切回独立 Cookie 隔离或专用浏览器容器。
- 平台风控策略和前端接口会随时更新，本文命令参数基于实测版本总结，使用前习惯性先跑一次 `--help` 核对当前版本选项。
