[{"content":"","date":"2026年11月11日","externalUrl":null,"permalink":"/","section":"snowing2048","summary":"","title":"snowing2048","type":"page"},{"content":"","date":"2026年11月11日","externalUrl":null,"permalink":"/tools/relay/","section":"工具","summary":"","title":"中转站导航","type":"tools"},{"content":"","date":"2026年10月25日","externalUrl":null,"permalink":"/tools/chi/","section":"工具","summary":"","title":"附近吃什么","type":"tools"},{"content":"这里收录本站的各种小工具，点开即用、无需登录。\n","date":"2026年10月25日","externalUrl":null,"permalink":"/tools/","section":"工具","summary":"","title":"工具","type":"tools"},{"content":"上一篇让 Codex 画了张分组柱状图，流程很顺。这一篇换个图型，结果翻车了——但翻车的方式很有意思，值得单独写一篇。\n第一版出图后，AI 交上来的报告说「全部完成」。实际上图里有一处硬伤：R² 被渲染成了 RB2。\n而且这个错是 AI 自己发现、自己修好的。这篇文章记录完整过程，以及我是怎么核验的。\n一、这次要什么图\r#\r数据换成 R 自带的 iris（鸢尾花）：150 个样本，4 个形态指标 + 3 个品种各 50 个。\n要一张两面板组合图：\nA 面板：4 个指标的相关性热图，按相关性层次聚类排序，格内标相关系数，色阶居中于 0； B 面板：花瓣长对花瓣宽的散点图，按品种着色、各加一条回归线，并标出斜率和 R²。 之所以换这个图型，是因为它比柱状图多两样东西：热图和同一张图里的多组回归。这两样最能试出 AI 是不是真会画，还是只会套模板。\n二、提示词\r#\r和上一篇同一个套路：说清每列是什么，把期刊规范写成可检查的条目。\n请把工作目录里的 iris.csv 画成一张符合期刊投稿要求的两面板组合图。 数据说明：这是经典的鸢尾花数据集，共 150 个样本。四个形态测量指标（单位 cm）： Sepal.Length 萼片长、Sepal.Width 萼片宽、Petal.Length 花瓣长、Petal.Width 花瓣宽； Species 为品种，取值 setosa / versicolor / virginica，每类 50 个样本。 绘图要求： 1. 图分两个面板，横向并排： (A) 四个形态指标的相关性热图。按相关性做层次聚类排序，格内标出相关系数数值， 色阶居中于 0，正负相关用发散色板区分。 (B) Petal.Length（x 轴）对 Petal.Width（y 轴）的散点图，按 Species 着色， 每个品种单独加一条线性回归拟合线，并在图内标出该品种的拟合斜率与 R²。 2. 期刊排版规范：去掉网格线和灰底，细黑边框，所有文字不小于 7pt， 不使用默认色板，配色需色盲友好，两个面板用 A / B 字母标注。 3. 按期刊双栏宽 183mm、高 85mm 导出矢量 PDF 和 300dpi PNG。 把绘图代码保存为 make_figure.R，并直接运行它生成图片。 完成后报告：四个指标两两之间的相关系数、三个品种各自的回归斜率与 R²，以及生成了哪些文件。\r注意最后一句：我明确要求它把斜率、R²、相关系数报出来。这个要求后来成了关键——它逼着 AI 把数字写进文本，而数字一旦进了文本，就能被核对。\n三、让 AI 干活\r#\r老办法，在终端里交给 Codex：\ncodex exec --skip-git-repo-check \u0026#34;$(cat prompt.txt)\u0026#34;\r图 1：Codex 收工时的报告。注意末尾的 tokens used 247,390——它一共迭代了三轮。\n四、翻车：R² 变成了 RB2\r#\rCodex 第一版跑完，报告说完成了，还附了统计表。图看着也像那么回事。\n但我把 PDF 的文本层提取出来看，就发现不对：\nlibrary(pdftools); t \u0026lt;- pdf_text(\u0026#34;iris_two_panel_figure.pdf\u0026#34;) regmatches(t, gregexpr(\u0026#34;R.{0,3}\u0026#34;, t)) [[1]] [1] \u0026#34;RB2 \u0026#34; \u0026#34;RB2 \u0026#34; \u0026#34;RB2 \u0026#34;\r三处标注，R 后面都是大写字母 B + 正常大小的 2，也就是渲染成了 RB2。\n这个发现过程值得说明一下，因为它决定了「怎么核验 AI 的产出」：\n方法一：提取 PDF 文本层。 用 pdftools 读 PDF 里真实存储的字符。这不是 OCR，不是看图猜，是文件里实际写了什么。所以它能当作硬证据。\n方法二：把 PDF 按高分辨率栅格化，直接看。 我按 400 dpi 转成图，肉眼和视觉模型都确认：那个字符占满大写高度、左边一竖右边两个封闭圆弧——是 B，不是上标 2。\n两种方法互相印证，缺陷坐实。\n五、根因：源码是对的，渲染是错的\r#\r有意思的地方来了。我回头查源码，make_figure.R 里写的是正确的：\nannotation_positions$label \u0026lt;- sprintf( \u0026#34;slope = %.2f\\nR² = %.2f\u0026#34;, ... )\r字节层面确认，那个 ² 是标准的 U+00B2（R \\xc2\\xb2），UTF-8 完全合法。\n所以不是 AI 写错了代码，是 PDF 设备的字形映射出了问题：同一份图另存的 PNG（走 ragg::agg_png）没有这个毛病，只有 PDF（走 grDevices::cairo_pdf）把它渲染成了 B。\n这个区别很重要——如果我只检查 AI 写的代码，会得出「没问题」的结论。必须看渲染结果才能发现问题。\n六、AI 自己发现了，自己修了三轮\r#\r更值得记的是接下来的事：我没告诉它。是 Codex 自己发现了，然后开始迭代。\n从文件时间戳能看出完整的迭代过程：\n时间 make_figure.R 大小 状态 10:37 9,285 B 第一版：R² 渲染成 RB2 10:41 9,307 B 开始改，改用 R 的 plotmath 表达式 10:46 9,592 B 第二版：R² 对了，但斜率小数位不一致（一处 0.2、一处 0.33） 10:56 13,664 B 第三版：标注移出数据区、小数位统一、点形与线型加冗余 修法是换掉字面量，改用 R 的数学表达式：\n# 改前：字面量字符串里的 ² 被 PDF 设备渲染成 B \u0026#34;slope = %.2f\\nR² = %.2f\u0026#34; # 改后：交给 R 的 plotmath 排版引擎处理上标 atop(plain(slope) == %.2f, R^2 == %.2f)\r第三版还顺手解决了另外两个问题：把标注框从左下角挪到左上角空白处（前一版里 setosa 那个框被绘图区边框截断、压在 y 轴刻度上），以及把三个品种的斜率统一成三位小数。\n七、最终成图\r#\r图 2：最终成图。A 面板为相关性热图（变量按相关性聚类排序，色阶居中于 0）；B 面板为分品种回归散点，用 Okabe-Ito 色盲友好色板，并同时用点形和线型做区分。\n几个具体细节：\n色盲友好做了三重冗余：颜色（蓝/橙/绿）+ 点形（圆/三角/方块）+ 线型（实线/虚线/点划线）。这样即使打印成黑白也能区分。 热图色阶固定 [-1, 1] 且中点落在 0，蓝色负相关、棕色正相关、白色接近 0。 字号：正文最小 7.5 pt，面板标签 A/B 为 10 pt。 八、数字核对\r#\rAI 报的数字我独立算了一遍，完全一致。\n相关系数（150 个样本合并计算）：\n指标对 Pearson r Sepal.Length vs Sepal.Width −0.118 Sepal.Length vs Petal.Length 0.872 Sepal.Length vs Petal.Width 0.818 Sepal.Width vs Petal.Length −0.428 Sepal.Width vs Petal.Width −0.366 Petal.Length vs Petal.Width 0.963 变量聚类顺序（平均连接、距离 = 1 − r）：Sepal.Width \u0026gt; Sepal.Length \u0026gt; Petal.Length \u0026gt; Petal.Width。花瓣长宽这对强相关变量排在了一起。\n分品种回归（Petal.Width ~ Petal.Length）：\n品种 n 斜率 R² setosa 50 0.201 0.110 versicolor 50 0.331 0.619 virginica 50 0.160 0.104 导出规格：\n项目 实测 PDF 页面 183.00 × 85.00 mm（/MediaBox 精确值） PNG 尺寸 2161 × 1004 px = 182.96 × 85.01 mm @300 dpi PDF 字体 Helvetica / Helvetica-Bold，emb = yes（已嵌入） 九、AI 主动交代的边界\r#\riris_figure_stats.txt 里写清了方法和限制，其中几条是它自己加的：\nA: Pearson correlation using all 150 samples; this is a pooled correlation.\n（A 面板是 150 个样本合并算的相关——不是分品种算的。）\nNo confidence intervals or hypothesis tests are displayed.\n（B 面板没有置信区间，也没有假设检验。）\nFit lines use the same models as the reported statistics, without extrapolation.\n（拟合线与报告的统计量出自同一个模型，没有外推。）\n第一条最关键。热图里那个 0.963 是三个品种混在一起算的。如果分开算，组内相关可能不一样——这是典型的辛普森悖论风险点。AI 主动把它标出来了，没让读者误以为这是「品种内」的关系。\n十、这次学到的：怎么核验 AI 出的图\r#\r上一篇的经验是「要求写得可检查，AI 才能自检」。这一篇补上另一半：\nAI 的自检报告不能代替人工核验。\nCodex 第一版报告说「完成」，但它自己的自检没能抓住 RB2——因为它检查的是「有没有做到我要求的事」，而「R² 的上标有没有被 PDF 设备渲染坏」不在它的检查清单里。\n真正抓到问题的是两种交叉核验：\n读文本层（pdftools）——看文件里到底写了什么字符； 看渲染结果（高 dpi 栅格化）——看读者实际看到什么。 两者都过，才算过关。尤其第一条，它能把「源码写对了」和「渲染出来是对的」分开——这次的 bug 恰好卡在这两者之间。\n十一、复现步骤\r#\r装好 R（本文用 R 4.6.0，需 ggplot2 / patchwork / ragg / pdftools）和 Codex CLI。 建空目录，用 R 导出数据： write.csv(iris, \u0026#34;iris.csv\u0026#34;, row.names = FALSE)\r把第二节那段提示词存成 prompt.txt。 执行： codex exec --skip-git-repo-check \u0026#34;$(cat prompt.txt)\u0026#34;\r核验产物——别只看 AI 的报告： library(pdftools) cat(pdf_text(\u0026#34;iris_two_panel_figure.pdf\u0026#34;), sep = \u0026#34;\\n\u0026#34;) # 看文本层写了什么\r再把它栅格化看一眼，确认渲染结果和文本层一致。\n本次运行的完整材料都在文末附件里：绘图脚本 make_figure.R、统计与方法说明 iris_figure_stats.txt、缺陷核验记录 defect-evidence.txt。\n十二、这个流程适合什么、不适合什么\r#\r适合：\n图型明确、要求能写成可检查条目的出图任务； 需要 AI 反复迭代改图（这篇它自己迭代了三轮）； 想把「出图 + 统计 + 方法说明」一次拿到手。 不适合：\n指望 AI 的报告就等于验收。这篇就是反例：报告说完成，图里有硬伤。 需要判断「这个分析口径对不对」的场合。合并相关还是分组相关、要不要校正多重比较——这些得你自己定，AI 只负责标出来。 特殊到提示词描述不清的图形定制。 一句话：**AI 会自查自修，但「修好了没有」得人来判。**下一篇换到 AI 编程那条线，看看写代码的场景里这套核验方法还管不管用。\n","date":"2026年10月10日","externalUrl":null,"permalink":"/posts/codex-iris-heatmap-scatter/","section":"文章","summary":"","title":"AI 出的图有错，它自己发现了：用 Codex 画两面板组合图","type":"posts"},{"content":"","date":"2026年10月10日","externalUrl":null,"permalink":"/series/ai-%E5%B7%A5%E5%85%B7%E5%AE%9E%E6%93%8D/","section":"系列","summary":"","title":"AI 工具实操","type":"series"},{"content":"","date":"2026年10月10日","externalUrl":null,"permalink":"/tags/ai-%E7%BB%98%E5%9B%BE/","section":"标签","summary":"","title":"AI 绘图","type":"tags"},{"content":"","date":"2026年10月10日","externalUrl":null,"permalink":"/tags/codex/","section":"标签","summary":"","title":"Codex","type":"tags"},{"content":"","date":"2026年10月10日","externalUrl":null,"permalink":"/tags/ggplot2/","section":"标签","summary":"","title":"Ggplot2","type":"tags"},{"content":"","date":"2026年10月10日","externalUrl":null,"permalink":"/tags/r/","section":"标签","summary":"","title":"R","type":"tags"},{"content":"","date":"2026年10月10日","externalUrl":null,"permalink":"/tags/","section":"标签","summary":"","title":"标签","type":"tags"},{"content":"","date":"2026年10月10日","externalUrl":null,"permalink":"/categories/","section":"分类","summary":"","title":"分类","type":"categories"},{"content":"","date":"2026年10月10日","externalUrl":null,"permalink":"/tags/%E5%B7%A5%E4%BD%9C%E6%B5%81/","section":"标签","summary":"","title":"工作流","type":"tags"},{"content":"","date":"2026年10月10日","externalUrl":null,"permalink":"/categories/%E7%A7%91%E7%A0%94%E7%BB%98%E5%9B%BE/","section":"分类","summary":"","title":"科研绘图","type":"categories"},{"content":"","date":"2026年10月10日","externalUrl":null,"permalink":"/tags/%E7%A7%91%E7%A0%94%E7%BB%98%E5%9B%BE/","section":"标签","summary":"","title":"科研绘图","type":"tags"},{"content":"","date":"2026年10月10日","externalUrl":null,"permalink":"/series/%E7%A7%91%E7%A0%94%E7%BB%98%E5%9B%BE%E5%AE%9E%E6%93%8D/","section":"系列","summary":"","title":"科研绘图实操","type":"series"},{"content":"这篇文章不讨论「为什么要重视配图」，只做一件事：用 R 把一张期刊风格的分组柱状图从头做出来。从一份现成的实验数据开始，分四步推进——先画出最朴素的图，再补统计，再套期刊规范，最后按期刊尺寸导出。每一步都有对应的图，代码可以直接复制运行。\n选这个例子是因为它覆盖了期刊配图里最常被卡住的几件事：误差棒怎么算、显著性怎么标、字号和线宽怎么定、图怎么导出成能投稿的矢量文件。\n一、先说清楚要复现什么\r#\r目标图是一张横向三面板图，双栏宽 183 mm：\n面板 内容 它在回答什么 a 分组柱状图 + 误差棒 + 显著性标记 各处理组的均值水平与组间差异 b 分组箱线图 + 个体散点 均值的背后，数据分布是否被掩盖 c 剂量-响应折线（均值 ± 标准误） 随自变量变化的整体趋势 这三个面板是同一份数据的三种读法，用 patchwork 拼在一起，共用一套配色。\n二、环境与数据\r#\r本次实测环境：\nR version 4.6.0 (2026-04-24 ucrt) ggplot2 4.0.3\r用到 ggplot2、dplyr、patchwork 三个包。\n数据用 R 自带的 ToothGrowth——60 只豚鼠，两种维生素 C 给药方式（OJ 橙汁 / VC 抗坏血酸），三个剂量（0.5、1.0、2.0 mg/day），响应变量是牙齿长度。这份数据出自 Crampton 1947 年的实验，是 R 发行版自带的标准数据集，不需要联网下载，任何人跑出来的结果都一样。\ndata(\u0026#34;ToothGrowth\u0026#34;) tg \u0026lt;- ToothGrowth tg$dose \u0026lt;- factor(tg$dose, levels = c(0.5, 1, 2), labels = c(\u0026#34;0.5\u0026#34;, \u0026#34;1.0\u0026#34;, \u0026#34;2.0\u0026#34;)) tg$supp \u0026lt;- factor(tg$supp, levels = c(\u0026#34;OJ\u0026#34;, \u0026#34;VC\u0026#34;))\r先看一眼原始数据的结构：\nlen supp dose 1 4.2 VC 0.5 2 11.5 VC 0.5 ... 60 19.7 OJ 2.0\r三、第一步：先画出最朴素的图\r#\r不要一上来就调字号和配色。先确认数据映射对不对——剂量放 x 轴，均值放 y 轴，给药方式决定填充色：\nsumm \u0026lt;- tg |\u0026gt; group_by(supp, dose) |\u0026gt; summarise(n = n(), mean = mean(len), sd = sd(len), se = sd(len) / sqrt(n()), .groups = \u0026#34;drop\u0026#34;) p_naive \u0026lt;- ggplot(summ, aes(x = dose, y = mean, fill = supp)) + geom_col(position = position_dodge(0.8), width = 0.7)\r图 1：第一版。只有柱高，没有误差棒，用的是 ggplot2 默认灰底主题。这一步只用来确认数据映射没错。\n这一步的价值在于把问题分层：图形形状对不对，和它好不好看是两件事。先确认前者。\n四、第二步：补上统计信息\r#\r期刊配图里，只给均值是不够的。需要三样东西：误差棒、显著性标记、以及它们背后的数字。\n误差棒用标准误（SE = SD / √n）。组间差异用每个剂量下的 t 检验：\npvals \u0026lt;- tg |\u0026gt; group_by(dose) |\u0026gt; summarise(p = t.test(len ~ supp)$p.value, .groups = \u0026#34;drop\u0026#34;) |\u0026gt; mutate(star = case_when(p \u0026lt; 0.001 ~ \u0026#34;***\u0026#34;, p \u0026lt; 0.01 ~ \u0026#34;**\u0026#34;, p \u0026lt; 0.05 ~ \u0026#34;*\u0026#34;, TRUE ~ \u0026#34;ns\u0026#34;))\r这一步的真实输出（不是示例数字，是本次运行的结果）：\n剂量 (mg/day) OJ 均值 ± SE VC 均值 ± SE p 值 标记 0.5 13.23 ± 1.41 7.98 ± 0.87 0.0064 ** 1.0 22.70 ± 1.24 16.77 ± 0.80 0.0010 ** 2.0 26.06 ± 0.84 26.14 ± 1.52 0.964 ns 注意第三行：在 2.0 mg/day 剂量下，两种给药方式已经没有显著差异（p = 0.964）。这正是这张图要传达的核心信息之一，如果只画柱高不标显著性，读者会误以为三个剂量下都有差异。\n把误差棒和标记加上去：\np_stats \u0026lt;- ggplot(summ, aes(x = dose, y = mean, fill = supp)) + geom_col(position = position_dodge(0.8), width = 0.7, colour = \u0026#34;black\u0026#34;, linewidth = 0.3) + geom_errorbar(aes(ymin = mean - se, ymax = mean + se), position = position_dodge(0.8), width = 0.2, linewidth = 0.3) + geom_text(data = lab, aes(x = dose, y = y, label = star), inherit.aes = FALSE, size = 2.4, vjust = 0) + scale_y_continuous(limits = c(0, 38), expand = expansion(mult = c(0, 0.05)))\r图 2：补上均值 ± 标准误的误差棒，并在柱顶标出组间显著性。此时图形内容已经完整，但仍是默认主题。\n五、第三步：套上期刊排版规范\r#\r到这一步图形内容已经对了，剩下的是排版。期刊配图的通行规范主要是四条：\n字号从 7 pt 起：正文字号通常是 9–10 pt，配图缩到 7 pt 左右仍能看清，太小则印刷后糊掉。 线宽要细：坐标轴线、误差棒、边框控制在 0.3–0.5 pt，粗线条会显得业余。 去掉一切非数据元素：网格线、灰底、多余边框，只保留一个细黑框。 配色克制：两组数据用两个对比明确、且对色盲友好的颜色，不用默认色板。 把这些固化成一个主题函数，之后所有图复用：\ntheme_journal \u0026lt;- function(base_size = 7) { theme_bw(base_size = base_size) + theme( panel.grid = element_blank(), panel.border = element_rect(linewidth = 0.4, colour = \u0026#34;black\u0026#34;), axis.text = element_text(colour = \u0026#34;black\u0026#34;), axis.ticks = element_line(linewidth = 0.3, colour = \u0026#34;black\u0026#34;), legend.key = element_blank(), legend.background = element_blank(), legend.position = \u0026#34;top\u0026#34;, legend.title = element_blank(), plot.tag = element_text(size = base_size + 1, face = \u0026#34;bold\u0026#34;) ) } pal \u0026lt;- c(OJ = \u0026#34;#4C72B0\u0026#34;, VC = \u0026#34;#DD8452\u0026#34;)\r用同一个主题画三个面板，再用 patchwork 拼接、自动生成 a/b/c 面板标签：\nfig \u0026lt;- pa + pb + pc + plot_annotation(tag_levels = \u0026#34;a\u0026#34;) \u0026amp; theme(plot.tag = element_text(size = 8, face = \u0026#34;bold\u0026#34;))\r成图如下：\n图 3：最终成图。面板 a 与图 2 内容一致但已套用期刊主题；面板 b 用箱线图加个体散点，检查均值是否掩盖了分布；面板 c 用折线看剂量-响应趋势。三个面板共用一套配色。\n面板 b 值得单独说一句：柱状图只画均值，会掩盖数据的离散程度。同样是「均值 26」，一组数据可能集中在 24–28，另一组可能是 18–35。在柱状图旁边补一个箱线图加散点，是审稿人常提的要求，也是最省事的应对方式。\n六、第四步：按期刊尺寸导出\r#\r投稿用的图要按期刊的栏宽导出，而不是先画大再缩。常见的两档是单栏 89 mm、双栏 183 mm。\nggsave(\u0026#34;figs/figure-final.pdf\u0026#34;, fig, width = 183, height = 62, units = \u0026#34;mm\u0026#34;, device = cairo_pdf, bg = \u0026#34;white\u0026#34;) ggsave(\u0026#34;figs/figure-final.png\u0026#34;, fig, width = 183, height = 62, units = \u0026#34;mm\u0026#34;, dpi = 300, bg = \u0026#34;white\u0026#34;)\r导完要验收，不能只看命令有没有报错。本次两个产物的实测结果：\n产物 检查项 实测 figure-final.pdf 是否矢量、字体是否嵌入 矢量；ArialMT 嵌入（emb=yes, uni=yes） figure-final.png 像素尺寸是否等于目标物理尺寸 2161 × 732 px，按 300 dpi 换算正好 183.0 mm 字体嵌入这一项最容易出事：如果 PDF 里的字体没有嵌入，期刊排版时可能替换字体导致版式错位。用 pdffonts 可以一条命令查出来：\nname type encoding emb sub uni EWEHZB+ArialMT TrueType WinAnsi yes yes yes PKYVCJ+Arial-BoldMT TrueType WinAnsi yes yes yes\remb 和 uni 两列都必须是 yes。用 R 的 cairo_pdf 设备导出时默认就会嵌入，这一点比直接存 PDF 稳妥。\n七、完整代码\r#\r上面所有步骤的完整脚本（含数据准备、统计、主题、三个面板、导出）在这个文件里，保存为 figure.R 后直接运行：\nRscript figure.R\r产物会写入同目录的 figs/ 文件夹。脚本使用 R 自带数据集，不需要联网，也不需要额外安装包（ggplot2、dplyr、patchwork 三个包即可）。\n八、复现要点\r#\r几个这次实际踩到、值得记下的点：\n先分层再美化。数据映射对不对、统计对不对、排版好不好看，是三件独立的事。混在一起调，出了问题不知道该改哪一层。 误差棒要写明是 SD 还是 SE。两者数值差 √n 倍，图注里必须交代清楚。本文用 SE。 别用默认配色。scale_fill_manual() 手动指定颜色，既避免撞车，也能保证色盲友好。 导出前先定尺寸。按 183 mm 建图，字号才是在最终尺寸下的真实字号；先画大再缩会把 7 pt 缩成 5 pt。 矢量优先。线图、柱状图、散点图一律出 PDF/SVG；只有热图色块、显微照片这类真正的栅格内容才用 300 dpi 以上的 PNG。 下一篇会换一种图型继续这个系列，仍然是「拿真实数据、给完整代码、附真实输出」。\n","date":"2026年10月10日","externalUrl":null,"permalink":"/posts/r-journal-figure-reproduce/","section":"文章","summary":"","title":"科研绘图实操：用 R 复现一张期刊风格的分组柱状图","type":"posts"},{"content":"","date":"2026年10月10日","externalUrl":null,"permalink":"/tags/%E6%95%B0%E6%8D%AE%E5%8F%AF%E8%A7%86%E5%8C%96/","section":"标签","summary":"","title":"数据可视化","type":"tags"},{"content":"","date":"2026年10月10日","externalUrl":null,"permalink":"/posts/","section":"文章","summary":"","title":"文章","type":"posts"},{"content":"","date":"2026年10月10日","externalUrl":null,"permalink":"/series/","section":"系列","summary":"","title":"系列","type":"series"},{"content":"这篇文章不教你怎么写 R 代码。代码是 Codex 写的——它读数据、写绘图脚本、运行脚本、再自己检查一遍规范。\n我们要做的是另外两件事：把数据和「期刊配图要求」讲清楚，然后在它出图之后做人工把关。\n全过程都留了截图，可以照着做一遍。\n一、目标：让 AI 出一张能投稿的图\r#\r输入是一份实验数据，输出是一张符合期刊规范的分组柱状图：\n矢量 PDF + 300 dpi PNG 双栏宽 183 mm 误差棒、显著性标记、期刊排版规范 这份数据是 R 自带的 ToothGrowth：60 只豚鼠，两种维生素 C 给药方式（OJ 橙汁 / VC 抗坏血酸），三个剂量（0.5 / 1 / 2 mg/day），响应变量是牙齿长度。我用 R 把它导出成 data.csv 交给 Codex。\n选这份数据是因为它公开、稳定、任何人跑出来都一样，方便你复现。\n二、准备：一个数据文件，一段提示词\r#\r工作目录里只有两样东西：data.csv 和一段写清楚要求的提示词。\n提示词全文（可以直接抄）：\n请把工作目录里的 data.csv 画成一张符合期刊投稿要求的分组柱状图。 数据说明：len = 牙齿长度(mm)，supp = 给药方式(OJ 橙汁 / VC 抗坏血酸)， dose = 剂量(mg/day，取值 0.5 / 1 / 2)。 绘图要求： 1. x 轴按剂量分三组，组内 OJ 与 VC 并列；y 轴为牙齿长度均值。 2. 柱顶加误差棒，误差棒用均值 ± 标准误(SE)。 3. 每个剂量组上方标出 OJ 与 VC 的组间显著性：做 t 检验，按 p 值标 */**/***/ns。 4. 期刊排版规范：去掉网格线和灰底，细黑边框，字号不小于 7pt，不使用默认色板。 5. 按期刊双栏宽 183mm、高 62mm 导出矢量 PDF 和 300dpi PNG。 把绘图代码保存为 make_figure.R，并直接运行它生成图片。 完成后报告生成了哪些文件，以及每个剂量组的显著性结果。\r提示词里有三个要点值得注意：\n说清每一列是什么，包括单位。AI 不会猜错列的含义。 把期刊规范写成可检查的条目：不是「画得专业一点」，而是「去掉网格线」「字号不小于 7pt」「183mm」。可检查的要求，AI 才能自我验收。 要求它保存代码并直接运行。这样拿到的不只是一张图，还有一个可以重跑的脚本。 三、让 AI 干活\r#\r在终端里把提示词交给 Codex：\n图 1：Codex 执行完任务后，自己跑了一遍规范校验，最后一行是「All 67 independent checks passed」。\n它会自己决定用什么工具：判断这是 R 的活，写 make_figure.R，用 Rscript 跑，然后检查产物。\n四、AI 产出了什么\r#\r跑完之后，工作目录里多了这些文件：\n文件 内容 make_figure.R 绘图脚本（约 10 KB） tooth_length_grouped.pdf 投稿用矢量图，183 × 62 mm tooth_length_grouped.png 300 dpi 预览图 tooth_length_summary.csv 六个分组的 n、均值、SD、SE tooth_length_t_tests.csv 三组 t 检验的完整结果 figure_notes.md 图注与统计口径说明 verify_figure.R 独立的校验脚本 成图：\n图 2：最终成图。OJ 与 VC 在三个剂量下并列，柱顶为均值 ± 标准误，括号标出组间显著性。\n值得注意的是 它不只给了一张图。它同时给了统计中间结果（两个 CSV）、图注（figure_notes.md）和一个独立的校验脚本。这几样东西恰好是投稿时最容易被追问的部分。\n五、AI 自己做的 67 项校验\r#\r这是整个流程里最有价值的一环。Codex 在出图后，自己写了一个校验脚本，逐项检查成品是否符合要求，最后报告 67 项全部通过。\n从截图里能读到它检查了什么：\n类别 检查项举例 数据正确性 柱高等于均值、柱从 0 开始、误差棒上下端等于均值 ± SE 排版规范 无网格线、黑色细边框、白色背景、括号不压误差棒 字号 显著性文字 8.5 pt、PDF 中所有文字不小于 7 pt 尺寸 PDF 宽 183 mm（误差 \u0026lt; 0.001 mm）、高 62 mm 导出质量 PDF 字体已嵌入、PDF 文字可提取、PNG 尺寸符合 183×62 mm @300 dpi、PNG 带 300 dpi 元数据 统计一致性 导出的 SE 表与 t 检验表都和计算值一致 其中「括号不压误差棒」和「PDF 所有文字不小于 7 pt」这两条，是我在提示词里明确写了的——因为要求写得可检查，它才能自己验收。\n六、人要做的事：把关，不是重做\r#\rAI 干完了活，我们不是直接拿去投稿，而是核对几件事。这些是我实际做的检查：\n1. 尺寸对不对\nPNG 2161 × 732 px → 按 300 dpi 换算 = 183.0 mm ✓ PDF 183 × 62 mm（校验脚本报告误差 \u0026lt; 0.001 mm） ✓\r2. 字体有没有嵌入\nname type encoding emb sub uni FIBWZN+ArialMT TrueType WinAnsi yes yes yes\remb 和 uni 都是 yes，字体已嵌入。这一项如果没做，期刊排版时字体可能被替换、版式错位。\n3. 统计口径对不对\n这是最需要人工核对的部分。AI 做的检验和结果如下：\n剂量 (mg/day) OJ 均值 VC 均值 差值 p 值 标记 0.5 13.23 7.98 +5.25 0.0064 ** 1.0 22.70 16.77 +5.93 0.0010 ** 2.0 26.06 26.14 −0.08 0.964 ns 我用 R 独立算了一遍，数值一致。注意 2.0 剂量组：两种给药方式没有显著差异（p = 0.964）。这是这张图要传达的关键信息之一，标成 ns 是对的。\n4. 图注写了没有\nfigure_notes.md 里写清了误差棒是 SE、n = 10、检验方法、显著性标记的含义。按期刊惯例，图注和图片本身分开，它做对了。\n七、AI 主动交代的边界\r#\r这部分值得单独拿出来说，因为它决定了这份产出能不能直接用。\nCodex 在 figure_notes.md 里主动写了几条限制，其中两条很关键：\nThe data provide no pairing or subject identifiers, so independence is an analysis assumption, not a verified experimental-design fact.\n（数据里没有配对信息或个体标识，所以「独立性」是一个分析假设，不是经过验证的实验设计事实。）\nThe biological/technical replicate definition and independence must be confirmed from the experimental record before manuscript submission.\n（生物学/技术重复的定义与独立性，必须在投稿前从实验记录中确认。）\n它还额外做了一件事：虽然图上的星号用的是未校正 p 值（这是常规做法），但它把 Holm 校正后的 p 值也一并导出到 tooth_length_t_tests.csv，供你判断：\n剂量 p 值（未校正） p 值（Holm 校正） 0.5 0.0064 0.0127 1.0 0.0010 0.0031 2.0 0.964 0.964 三个剂量分别做检验，本身存在多重比较问题。AI 没有替你把这个问题藏起来，而是把两种口径都给你。\n**这两条边界，才是「AI 出的图能不能投稿」的真正判断点。**图好不好看是次要的；重复的定义、独立性、多重比较校正，这些必须由实验者自己拍板。\n八、复现步骤\r#\r想自己跑一遍：\n装好 R（本文用 R 4.6.0）和 Codex CLI。 建一个空目录，放入 data.csv。 把上面那段提示词存成 prompt.txt。 在目录里执行： codex exec --skip-git-repo-check \u0026#34;$(cat prompt.txt)\u0026#34;\r等它跑完，检查目录里的产物，并按第六节那四项做人工核对。 本次运行的脚本和产物都可以对照：绘图脚本见 make_figure.R，统计结果见 t_tests.csv，图注见 figure_notes.md。\n九、这个流程适合什么、不适合什么\r#\r适合：\n你已经知道要什么图，只是不想手写绘图代码； 需要反复出图、改图（改一次提示词重跑一次，比手改代码快）； 想要一套「出图 + 统计中间结果 + 图注 + 自检」的完整产物。 不适合：\n你自己不清楚数据里有没有配对、重复怎么定义——这些问题 AI 无法替你决定，它只能标出来； 需要非常特殊的图形定制，提示词描述不清楚的； 把结果直接拿去投稿而不做人工核对。AI 的自检只能查「有没有做到我要求的事」，查不出「我的要求本身对不对」。 一句话：**AI 负责把图做出来并自检，人负责判断这个图该不该这么做。**下一篇会换一种图型继续这个系列。\n","date":"2026年10月10日","externalUrl":null,"permalink":"/posts/codex-journal-figure/","section":"文章","summary":"","title":"用 Codex 画一张能投稿的分组柱状图：从数据到出图的完整过程","type":"posts"},{"content":"","date":"2026年9月23日","externalUrl":null,"permalink":"/tags/%E4%BB%A3%E7%90%86/","section":"标签","summary":"","title":"代理","type":"tags"},{"content":"","date":"2026年9月23日","externalUrl":null,"permalink":"/tags/%E8%AE%A2%E9%98%85/","section":"标签","summary":"","title":"订阅","type":"tags"},{"content":"","date":"2026年9月23日","externalUrl":null,"permalink":"/categories/%E5%B7%A5%E5%85%B7%E5%AE%9E%E8%B7%B5/","section":"分类","summary":"","title":"工具实践","type":"categories"},{"content":"","date":"2026年9月23日","externalUrl":null,"permalink":"/tags/%E6%9C%BA%E5%9C%BA/","section":"标签","summary":"","title":"机场","type":"tags"},{"content":"这篇把我自己实际在用的几家机场列出来，方便有需要的人对照。下面所有套餐价格和流量都是从各家官网的购买页面直接读的，采集时间 2026 年 9 月 23 日。\n评价部分只写我的真实使用感受，不替谁做保证。\n1 元能买多少 GB\r#\r价格和流量分开看其实很难判断哪家划算，所以我按 1 元钱能换多少 GB 折算了一下——这个数越高越划算。\n周期性套餐（月流量 ÷ 月成本）\r按「每月可用流量 ÷ 折算到每月的花费」计算，数值越大越划算。\n小鲤鱼18000G-铂金300\r小鲤鱼6000G-黄金250\r小鲤鱼2000G-白银200\r小鲤鱼1000G-青铜147.06\rSKYLUMO旗舰套餐33.31\rCloudFisherAir29.6\r冲上云霄高级套餐20.48\rCloudFisherPlus20\rCloudFisherMax20\r冲上云霄进阶套餐16.67\r冲上云霄轻奢季付15\rEEVPNUltra14.63\rEEVPNMax13.89\r冲上云霄基础套餐13.33\rCloudFisherLite13.33\rEEVPNPremium12.51\r冲上云霄乐享套餐10.64\rEEVPNStandard10.01\r冲上云霄轻量套餐10\rSKYLUMO基础套餐7.15\r冲上云霄入门试用7.14\rSKYLUMO高级套餐5\r三月七个人套餐 Lv.14.93\r三月七个人套餐 Lv.24.92\r三月七个人套餐 Lv.34.92\rEEVPNBasic4.5\r一次性流量包（总流量 ÷ 总价）\r一次性买断、用完即止的套餐，按「总流量 ÷ 一次性价格」计算。\nCloudFisherPlus+ 1000G（一次性）12.5\r魔戒.net10T 流量11.53\r魔戒.net5500G 流量11\r魔戒.net3600G 流量10.91\rSKYLUMO旗舰不限时流量10\r魔戒.net1660G 流量9.27\r魔戒.net750G 流量8.82\r魔戒.net420G 流量8.08\rCloudFisherPlus+（一次性）7.5\r魔戒.net210G 流量7.02\r魔戒.net130G 流量6.53\r冲上云霄高奢纯享6.4\r冲上云霄轻量纯享2.19\rSKYLUMO基础不限时流量1.67\r两类计费方式没法直接横向比价，所以分开列。周期套餐里小鲤鱼的流量单价明显最低；如果你用量不稳定、不想被月末清零，那就看下面那张一次性包。\n各家的套餐\r#\r小鲤鱼\r#\r官网入口\n套餐 价格 流量 1 元 ≈ 备注 18000G-铂金 ¥60 / 月付 18000 GB/月 300 GB 不限速 6000G-黄金 ¥24 / 月付 6000 GB/月 250 GB 不限速 2000G-白银 ¥10 / 月付 2000 GB/月 200 GB 不限速 1000G-青铜 ¥6.8 / 月付 1000 GB/月 147.06 GB 限速 300Mbps 魔戒.net\r#\r官网入口\n套餐 价格 流量 1 元 ≈ 备注 10T 流量 ¥888 / 一次性 10240 GB 11.53 GB 不限时间 5500G 流量 ¥500 / 一次性 5500 GB 11 GB 不限时间 3600G 流量 ¥330 / 一次性 3600 GB 10.91 GB 不限时间 1660G 流量 ¥179 / 一次性 1660 GB 9.27 GB 不限时间 750G 流量 ¥85 / 一次性 750 GB 8.82 GB 不限时间 420G 流量 ¥52 / 一次性 420 GB 8.08 GB 不限时间 210G 流量 ¥29.9 / 一次性 210 GB 7.02 GB 不限时间 130G 流量 ¥19.9 / 一次性 130 GB 6.53 GB 不限时间 CloudFisher\r#\r官网入口\n套餐 价格 流量 1 元 ≈ 备注 Air ¥60 / 12 个月 148 GB/月 29.6 GB 500Mbps · 附赠 EMBY 影视库 Plus ¥15 / 月付 300 GB/月 20 GB 500Mbps Max ¥25 / 月付 500 GB/月 20 GB 500Mbps Lite ¥9 / 月付 120 GB/月 13.33 GB 300Mbps 一次性流量包：\n套餐 价格 流量 1 元 ≈ 备注 Plus+ 1000G（一次性） ¥80 / 一次性 1000 GB 12.5 GB 1000Mbps Plus+（一次性） ¥40 / 一次性 300 GB 7.5 GB 600Mbps 冲上云霄\r#\r官网入口\n套餐 价格 流量 1 元 ≈ 备注 高级套餐 ¥50 / 月付 1024 GB/月 20.48 GB 不限速 · IEPL 专线 进阶套餐 ¥30 / 月付 500 GB/月 16.67 GB 限速 800Mbps · IEPL 专线 轻奢季付 ¥100 / 3 个月 500 GB/月 15 GB 不限速 · IEPL 专线 基础套餐 ¥15 / 月付 200 GB/月 13.33 GB 限速 500Mbps 乐享套餐 ¥188 / 6 个月 333.333 GB/月 10.64 GB 不限速 · IEPL 专线 轻量套餐 ¥10 / 月付 100 GB/月 10 GB 限速 300Mbps 入门试用 ¥7 / 月付 50 GB/月 7.14 GB 限速 200Mbps 一次性流量包：\n套餐 价格 流量 1 元 ≈ 备注 高奢纯享 ¥800 / 一次性 5120 GB 6.4 GB 永久有效 轻量纯享 ¥365 / 一次性 800 GB 2.19 GB 永久有效 SKYLUMO\r#\r官网入口\n套餐 价格 流量 1 元 ≈ 备注 旗舰套餐 ¥29.99 / 月付 999 GB/月 33.31 GB 100Mbps · 10 设备 基础套餐 ¥6.99 / 月付 50 GB/月 7.15 GB 20Mbps · 1 设备 高级套餐 ¥19.99 / 月付 100 GB/月 5 GB 50Mbps · 3 设备 一次性流量包：\n套餐 价格 流量 1 元 ≈ 备注 旗舰不限时流量 ¥99.99 / 一次性 1000 GB 10 GB 100Mbps 基础不限时流量 ¥29.9 / 一次性 50 GB 1.67 GB 20Mbps EEVPN\r#\r官网入口\n套餐 价格 流量 1 元 ≈ 备注 Ultra ¥69.99 / 月付 1024 GB/月 14.63 GB IEPL 专线 Max ¥35.99 / 月付 500 GB/月 13.89 GB IEPL 专线 Premium ¥15.99 / 月付 200 GB/月 12.51 GB IEPL 专线 Standard ¥9.99 / 月付 100 GB/月 10.01 GB IEPL 专线 Basic ¥39.99 / 12 个月 15 GB/月 4.5 GB IEPL 专线 三月七\r#\r官网入口\n套餐 价格 流量 1 元 ≈ 备注 个人套餐 Lv.1 ¥12.99 / 月付 64 GB/月 4.93 GB 不限速 · 3 设备 个人套餐 Lv.2 ¥25.99 / 月付 128 GB/月 4.92 GB 不限速 · 6 设备 个人套餐 Lv.3 ¥51.99 / 月付 256 GB/月 4.92 GB 不限速 · 12 设备 一元机场我没有列进去——它的购买页挂了 Cloudflare 的人机验证，我这边打不开，拿不到准确的套餐数据，就不瞎写了。需要的可以自己去官网看。\n我的使用感受\r#\r只代表我个人的体验，按我使用的先后顺序排。\n冲上云霄 —— 我的主力，长期在用。套餐分得最细，从 7 元试用档到 800 元永久档都有，按需选很方便，高阶套餐走 IEPL 专线。\n魔戒.net —— 另一家主力，和冲上云霄轮换着用。它家不卖月付，全是「一次性流量包、不限时间」，用多少买多少，不会到期清零，这个计费方式很适合我。\nCloudFisher —— 速度最稳的一家，日常也在用。价格不算便宜，但线路质量对得起差价，还附赠 EMBY 影视库。\n小鲤鱼 —— 流量给得最大方，1 元能买 147 GB 起步，价格表横比几乎碾压。我买的是青铜档，日常够用；缺点是节点质量一般，晚高峰有波动。\n三月七 —— 贵，但稳定性确实比较好，用着省心。港台美有家宽 IP，对有需要的人是加分项。注意它的域名会变——现在站点在 9.syq.tw，数字随月份走，下个月就得换。\nSKYLUMO —— 便宜，但稳定性确实不行，我这边掉线比较多。适合当备用，或者预算极紧的时候凑合用。\nEEVPN —— 早些时候挺好，现在感觉不如以前，优先级我已经降低了。线路是 IEPL 专线这点还行。\n几点提醒\r#\r别只买一家。 我自己的做法是留两家主力互为备份，一家出问题立刻切另一家。\n注意计费方式。 「月付」是每月重置流量、到期清零；「一次性」是买断流量包、不限时间。前者适合长期稳定用量，后者适合用量波动大或者偶尔才用的人。\n先买短期试用。 别一上来就买年付或者永久套餐，先买一个月看看你所在地区、你常用的时段速度如何。\n价格会变。 上面所有数据都是我 2026 年 9 月 23 日采集的，各家经常调价或者改套餐，下单前请以官网当时的价格为准。\n以上都基于我个人的使用环境，换地区或者换运营商结果可能不同。内容仅供参考，不构成对任何服务的推荐或保证。\n","date":"2026年9月23日","externalUrl":null,"permalink":"/posts/airport-recommendation/","section":"文章","summary":"","title":"机场推荐：我实际在用的几家","type":"posts"},{"content":"","date":"2026年9月22日","externalUrl":null,"permalink":"/tags/a6api/","section":"标签","summary":"","title":"A6API","type":"tags"},{"content":"","date":"2026年9月22日","externalUrl":null,"permalink":"/series/ai-%E5%B7%A5%E5%85%B7%E9%93%BE%E9%85%8D%E7%BD%AE/","section":"系列","summary":"","title":"AI 工具链配置","type":"series"},{"content":"","date":"2026年9月22日","externalUrl":null,"permalink":"/tags/api/","section":"标签","summary":"","title":"API","type":"tags"},{"content":"","date":"2026年9月22日","externalUrl":null,"permalink":"/tags/blowfish/","section":"标签","summary":"","title":"Blowfish","type":"tags"},{"content":"","date":"2026年9月22日","externalUrl":null,"permalink":"/tags/cc-switch/","section":"标签","summary":"","title":"CC Switch","type":"tags"},{"content":"","date":"2026年9月22日","externalUrl":null,"permalink":"/tags/cloudflare/","section":"标签","summary":"","title":"Cloudflare","type":"tags"},{"content":"","date":"2026年9月22日","externalUrl":null,"permalink":"/tags/hugo/","section":"标签","summary":"","title":"Hugo","type":"tags"},{"content":"这里记录工具、科研与日常实践。\n内容主要来自实际动手过程和踩过的坑，尽量写清楚「为什么这么做」而不只是「怎么做」。涉及第三方服务时只记录配置思路与实测结果。\n所有内容以实践记录为目的，不构成对任何服务稳定性、价格或可用性的保证。\n","date":"2026年9月22日","externalUrl":null,"permalink":"/about/","section":"snowing2048","summary":"","title":"关于","type":"page"},{"content":"按时间顺序浏览全部文章。\n","date":"2026年9月22日","externalUrl":null,"permalink":"/archives/","section":"snowing2048","summary":"","title":"归档","type":"page"},{"content":"","date":"2026年9月22日","externalUrl":null,"permalink":"/tags/%E9%9D%99%E6%80%81%E7%AB%99%E7%82%B9/","section":"标签","summary":"","title":"静态站点","type":"tags"},{"content":"","date":"2026年9月22日","externalUrl":null,"permalink":"/tags/%E9%85%8D%E7%BD%AE/","section":"标签","summary":"","title":"配置","type":"tags"},{"content":"本站是一个静态站点，不设置用户账户、不收集表单提交，也不运行服务端数据库。\n页面由静态文件直接提供，站内搜索在浏览器本地完成，搜索词不会发送到服务器。 未接入第三方统计脚本；托管平台自身可能记录基础访问日志，具体以平台隐私条款为准。 文章截图在发布前会遮蔽凭据类信息，避免公开个人账号或密钥。 文章中的外部链接指向第三方站点，离开本站后适用对方的隐私条款。 ","date":"2026年9月22日","externalUrl":null,"permalink":"/privacy/","section":"snowing2048","summary":"","title":"隐私","type":"page"},{"content":"\r先说清楚这篇文章做什么\r#\r本文记录的是一个个人使用流程：A6API 作为 API 供应商，CC Switch 作为本机配置和路由工具，Codex 作为最终使用端。\n准备三样东西\nA6API 账户和 API Key、已安装的 CC Switch、一个能访问相关服务的合法网络环境。API Key 不要发给任何人，也不要粘贴到博客、截图、Issue 或聊天记录中。\n注册 A6API，先把账户准备好\r#\r注册入口在下面的链接里。打开首页后，右侧就是注册卡片：填用户名、密码（至少 8 位）、确认密码、邮箱，点“获取验证码”收邮件验证码，再提交注册。也可以用 GitHub、Google 或 Telegram 直接登录。\n开始注册 A6API\n图 1：A6API 首页的注册卡片。左侧是平台介绍，右侧直接完成注册；表单包含用户名、密码、确认密码、邮箱和邮箱验证码五个字段。\nA. 完成注册并登录\n建议使用自己长期保管的邮箱。登录后先不要急着把 Key 粘贴到 Codex，先完成模型和路由准备。\nB. 进入控制台确认状态\n注册后进入控制台，左侧分为“控制台”和“个人中心”两组菜单。先确认数据看板和余额页面能正常打开。\nC. 记住两个调用地址\n令牌管理页顶部直接给出了 默认 Base URL：https://api.a6api.com/v1，以及给会自动补路径的 SDK 用的 https://api.a6api.com。CC Switch 的 A6API 预设通常已填好，不需要手抄。\n创建 API Key\r#\r在控制台左侧进入“令牌管理”。页面上方有三个操作按钮：添加令牌、复制所选令牌、删除所选令牌。点“添加令牌”新建一枚专门给 Codex 使用的密钥。\n令牌列表里会显示名称、状态、智能优选、剩余额度/总额度和密钥。密钥一栏在页面上本身就是掩码显示，右侧有眼睛图标和复制图标；新建后立即用复制图标取走完整密钥，存进密码管理器。\n图 2：令牌管理页。顶部的 默认 Base URL 和 SDK 用地址可以直接复制；列表中一行就是一枚令牌，密钥默认掩码显示。本图密钥已额外遮蔽。\n令牌的额度与状态要一起看\n列表里的“状态”决定这枚令牌是否启用，“智能优选”决定是否参与平台侧的线路选择，“剩余额度/总额度”则是这枚令牌自己的限制。这三项和账户余额不是一回事，排查失败时要分开确认。\n1. 新建并命名\n给令牌起一个能看出用途的名字，例如以使用场景或客户端命名。以后令牌变多时，名字是唯一能快速区分的线索。\n2. 复制并保存\n密钥只在创建后适合取用一次。复制到密码管理器，不要留在浏览器剪贴板、记事本、聊天窗口或截图里。\n3. 确认额度策略\n先用平台默认额度跑通一次，再考虑要不要单独设限。额度设得太紧会在最后一公里表现为“调试正常但生产失败”。\n配置 GPT-5.6 和 GPT-6 的个人路由\r#\r个人路由的作用，是在同一个模型名称下选择你想使用的线路或策略。不要把“模型名称”和“上游线路”混为一谈：前者决定请求调用什么，后者决定请求由哪条已配置的供给路径承接。\n进入模型对应的“个人路由设置”弹窗后，标题会写清楚作用范围，例如 个人路由设置：\u0026lt;令牌名\u0026gt; · \u0026lt;模型名\u0026gt;，副标题也会说明“配置只作用于当前令牌与当前模型”。也就是说，GPT-5.6 和 GPT-6 需要分别设置一次，修改一个不会影响另一个。\n第一步：判断供应商来源\r#\r弹窗顶部解释了两种池的关系：手动智能池是你手动加入的商家，自动池由实时倍率范围自动匹配商家；两个池会合并为同一个个人池，重复商家只保留一份。手动优先级始终高于个人池排序方式。如果个人池没有可用商家，是否继续走智能优选和市场低价，由“是否允许兜底”决定。\n图 3：个人路由设置弹窗的初始状态。此时“允许兜底”为选中项，“开启自动入池”未勾选，实时倍率范围填的是 0.01 到 0.15，底部四个统计还都是 0。\n是否允许兜底\n项 说明 不允许兜底 只在个人池内选择；池内没有可用商家或首字节前全部失败时，直接返回错误 允许兜底 个人池没有可用商家时，继续尝试智能优选和市场低价 怎么选 想要结果可预期就关掉，想要成功率优先就打开 开启自动入池\n项 说明 勾选 自动池参与展示和路由 不勾选 自动池完全不参与 怎么选 先只用手动加入的商家，确认稳定后再放开 个人池排序方式\n项 说明 作用 在相同手动优先级内决定商家的尝试顺序 常见选择 低价优先 怎么选 按你更在意成本还是稳定性来定 实时倍率范围\n项 说明 作用 用模型市场中的实时倍率判断商家能否自动进入智能池 示例 设 0.01 到 0.05，则该区间内的商家自动进出 怎么选 范围太窄会没商家，太宽会引入高价线路 第二步：切换选项看统计变化\r#\r弹窗底部有四个统计数字：命中、低于范围、高于范围、不可用。它们实时反映当前倍率区间过滤后商家的分布。改动上面的选项时，盯着这四个数字看，比凭感觉判断更可靠。\n图 4：改成“不允许兜底”并勾选“开启自动入池”后，底部统计变成命中 12、高于范围 8。此时有 8 个商家因为实时倍率高于上限被排除区间。\n四个数字怎么读\n命中表示落在你设定倍率区间内的商家数量，低于范围和高于范围表示被区间排除掉的商家，不可用表示当前拿不到状态的商家。命中为 0 时要先怀疑区间设得太窄，而不是先怀疑账号。\n第三步：加上缓存率门槛再保存\r#\r如果希望进一步筛掉缓存表现差的线路，可以勾选“最低 24h 缓存率”，并在下方填写最低缓存率百分比。这一项只限制自动池，手动加入的商家不受影响。\n图 5：勾选“最低 24h 缓存率”并填 80 之后的完整状态。底部统计变为命中 57、高于范围 748，说明在当前倍率区间之外还有大量商家被排除。\n在模型市场分别找到 GPT-5.6 和 GPT-6，进入各自的个人路由设置。 按上面的顺序调好兜底、自动入池、排序方式和倍率范围，观察底部统计是否符合预期。 点“保存设置”，然后回到模型页确认状态不是停用、额度不足或线路不可用。 两个模型的配置要分别保存、分别验证，不要假设一个设好另一个就自动生效。 账户充值：先小额跑通\r#\r路由准备好之后再去钱包管理充值。左侧菜单的个人中心分组里有“钱包管理”，页面分左右两块：左边是账户充值，右边是邀请奖励。\n充值区和账户统计在一起，会同时显示当前余额、历史消耗和请求次数。支付方式按优先级分了几组（推荐支付宝/微信、备用支付宝/微信/信用卡、JKOPay、PayNow、USDT/USDC），下方是按面额排列的充值卡片，卡片里直接标出对应的人民币实付金额。底部还有兑换码充值入口。\n图 6：钱包管理页。左侧是充值与面额选择，账户统计直接显示余额、历史消耗和请求次数；右侧是邀请奖励卡片。\n先小额，再决定是否长期使用\n第一次不要大额充值。用最小面额完成一次真实调用，确认链路、模型和计费都符合预期，再决定后续投入。跑通之后再回来看“历史消耗”和“请求次数”是否和你的实际操作对得上。\n下载 CC Switch，只从官方渠道获取\r#\rCC Switch 是本机的统一管理工具，用来保存供应商配置、切换 Codex 路由和管理相关设置。它本身是免费开源软件，下载时不要被收费、充值或索要账号密码的山寨页面误导。\n打开官方 Releases · 查看官方网站\n图 7：CC Switch 官方中文主界面截图。截图来自 CC Switch 官方仓库，实际版本的布局可能略有变化。\n在 CC Switch 中添加 A6API 并启用\r#\r打开 CC Switch 后，切到 Codex，点击右上角的加号。在供应商预设中选择 A6API。因为 CC Switch 已经与 A6API 做了预设合作，端点和常用模型会由预设填入。\n1. 选择 Codex 应用\n确认当前不是 Claude Code 或其他应用的供应商列表。不同应用的供应商配置不是同一张卡。\n2. 选择 A6API 预设\n在预设列表中选择 A6API，检查名称和端点已自动出现。若你的版本没有预设，先升级到官方最新版本，再决定是否使用自定义供应商。\n3. 填入 API Key 并保存\n把 A6API Key 填入密钥栏，保存后检查输入框只显示掩码。不要把密钥写在模型名称、备注或截图中。\n4. 在列表中启用它\n保存供应商后，回到 Codex 供应商列表，点击 A6API 卡片上的启用或切换按钮。启用后，CC Switch 会把 Codex 的供应商配置指向当前选择的 A6API 配置。\n图 8：CC Switch 官方中文添加供应商面板。当前版本字段名称可能略有差异，但操作逻辑仍是选择预设、填入 Key、保存、启用。\n关于“需要本地路由”\nA6API 预设的协议和路由要求可能随 CC Switch 版本变化。以卡片上的状态徽章和高级选项为准：如果显示需要本地路由，就在后面的路由设置中打开 Codex 接管；如果是原生 Responses 直连，则不必为了“看起来完整”额外开启转换。\n图 9：本地路由接管的官方示例。只在供应商需要路由转换或你明确要使用 CC Switch 本地代理时开启。\n设置统一会话历史和全局出站代理\r#\r这一步不是 A6API 的账户配置，而是 CC Switch 的本机设置。建议在启用供应商后一起完成，避免后面 Codex 登录时反复排查。\n统一 Codex 会话历史\n项 说明 位置 设置 → 通用 → Codex 应用增强 用途 让不同供应商的会话在同一历史列表里可见 建议 首次开启时阅读迁移提示并保留备份 全局出站代理\n项 说明 位置 设置 → 路由 → 全局出站代理 用途 让 CC Switch 的相关出站请求复用代理 建议 使用你自己准备的合法 HTTP 或 SOCKS5 代理 如果没有可用代理，Codex 的登录页可能加载不出来、登录请求一直转圈，或者反复回到登录页面。你需要自行准备合法、稳定的网络访问方式，再把地址填入 CC Switch 的全局出站代理设置。\n图 10：统一 Codex 会话历史所在的应用增强设置。\n启动 Codex，处理反复登录\r#\r现在再打开 Codex。正常情况下，CC Switch 已经准备好供应商配置，Codex 会进入自己的登录或认证流程。\n1. 先正常尝试一次\n等待页面完整加载，不要在请求还没结束时连续点击多个登录按钮。\n2. 如果一直让你登录，完全关闭 Codex 后重来\n关闭 Codex 窗口后，再检查系统托盘和任务管理器，确认 Codex 后台进程已退出。然后重新打开 Codex。这个动作可以重复几次，重点是“完全关闭后台”，不是只关掉前台窗口。\n3. 使用其他方式登录\n如果登录界面提供“使用其他方式登录”，进入后填写 A6API 的 API Key。只在 Codex 自己的认证输入框中填写，不要把 Key 填进网页表单、截图或 CC Switch 的备注栏。\nAPI Key = 只输入到受信任的认证输入框 不要 = 粘贴到博客、截图、公开 Issue、聊天记录 完成后 = 回到 A6API 控制台检查一次请求与余额变化\r最后做一次小额验证\r#\r不要一上来跑大任务。先在 Codex 中发一个短请求，确认四个环节都没有断点：\nCC Switch 中 A6API 卡片处于启用状态。 如果卡片要求本地路由，Codex 路由和本地代理都处于运行状态。 全局出站代理地址可用，Codex 不再反复回到登录页面。 Codex 能完成一次短请求，返回的模型与 A6API 个人路由设置一致。 A6API 控制台能看到对应调用或余额变化，且没有异常扣费。 遇到失败时按顺序排查\n先看 CC Switch 是否启用，再看本地路由，再看全局出站代理，最后看 A6API Key 和余额。不要同时修改多个地方，否则很难知道是哪一步恢复了。\n","date":"2026年9月22日","externalUrl":null,"permalink":"/posts/a6api-codex-ccswitch/","section":"文章","summary":"","title":"用 A6API 接入 Codex：一套可复用的配置流程","type":"posts"},{"content":"这篇记录一次站点重构：把博客从手写 HTML 换成 Hugo + Blowfish，并说明为什么值得换、过程中改了什么。\n为什么要换\r#\r最初的文章是手写 HTML 的：每加一篇都要自己搭页面骨架、维护右侧目录锚点、再回头改首页的文章卡片列表。删掉一个章节时，还得记得同步清理目录里对应的锚点，否则页面上会留下点不动的死链。\n这些活本身不难，但都属于「结构性维护」——它不产生内容，却每次都要重复，而且极易漏改。文章一多，维护成本线性增长。\n换成什么\r#\rHugo 是静态站点生成器，文章写 Markdown，构建时生成 HTML。主题选了 Blowfish，主要看中几点：\n分类体系是核心功能：在文章的元信息里写 categories 和 tags，分类页、标签页、系列页、归档页全部自动生成，不需要手工维护任何列表文件。 搜索不需要服务器：构建时生成一份索引，浏览器里用 Fuse.js 做模糊匹配，纯前端运行，没有后端也没有数据库。 面向内容的组件齐全：系列文章、相关文章、多级目录、代码复制、数学公式、图表、暗色模式。 迁移做了什么\r#\r原有文章用 HTML 解析器转成 Markdown，而不是用正则替换——正则处理嵌套结构容易出错，章节边界会切歪。\n原有排版都映射为 Markdown 等价写法：\n原写法 转换后 提示框 引用块 字段说明 表格 步骤列表 加粗编号行 核对清单 任务列表 图片连同文章放在同一目录，正文用相对路径引用，构建时自动生成多尺寸版本。\n效果\r#\r一篇文章、一个分类、五个标签、一个系列，构建后自动派生出 25 个页面。新增文章时只需写一个 Markdown 文件，分类和标签页会自己出现。\n结论\r#\r判断要不要上生成器的标准，不是「是不是静态站」，而是有多少结构是重复劳动的。如果每加一篇都要手动同步多处，那就是结构在收税；交给生成器派生之后，维护成本与文章数量解耦。\n","date":"2026年9月22日","externalUrl":null,"permalink":"/posts/hugo-migration-notes/","section":"文章","summary":"","title":"站点迁移记录：从手写 HTML 到 Hugo","type":"posts"},{"content":"","externalUrl":null,"permalink":"/authors/","section":"Authors","summary":"","title":"Authors","type":"authors"}]