sentinelK

翻拍并不是一个合理的解决方案（在画质你能接受的前提下）。

5 年前苹果想强推，但最终收回的那个儿童色情图片识别，就是可以做到 iphone 本地算力的前提下，抗翻转、涂抹、翻拍来揪出相同特征的图片的。

我给楼主泼盆冷水。
其实这种分享的信息量和受众极其有限。

1 、太多 AI 生成的内容了。导致信息密度太低。
2 、你很难证明你的使用方式是“正确且高效”的。
3 、你更难证明你的方式是“普适”的。

正向编程，AI 生成的方案你都过一遍，不是自己熟悉或者预期的技术选型，就都否决让他去改。或者你给个建议。

btw：其实目前 Agent 的模式很类似团队管理。要用管理的思维去驱动 Agent 。

如果想完全一致，混合应用是最方便的。顺带还解决了热更的问题。代价就是小程序这侧不太支持（ API 缺失严重）

如果想体验最好，各自平台一份原生是最理想方案，你维护一份功能定义和产品设计文档，然后各自实现。

跨平台语言框架在现今来看，性价比不高。
1 、各自平台还是要各自匹配特性。只有逻辑和 UI 代码可以共用。
2 、性能不强。
3 、如果考虑跨到小程序，好像只有 uniapp 能符合吧？

要用第三方供应商吗？如果要用，唯一的选择就是 vscode 插件了。但是 vscode 插件有 bug ，有时候会变得特别慢，且上下文暴涨。

claude code 对于第三方供应商的要求就是 API 要支持 Anthropic 格式。

所以要看你的中转站是否支持对应格式的接口。

qwen 最厉害的是开源小模型，
qwen3.6-27B 的 Agent 能力不输 deepseek-v4-flash
qwen3.6-35B-A3B ，用 3B 的运行参数，就能实现二线模型的能力

那你这个“据我了解”有点过于片面了。

举个不太恰当的例子，你记得回家的路吗？那我问你，到你家路上的最后一个十字路口的斑马线有几条白线？

同理，对于 Coding 这个场景而言，模型不需要对于你的项目“全知全能”，就可以做到改代码。他只要知道代码在哪，以及如何搜索需要的内容即可。

“上下文太短，以至于无法装载整个项目，导致没办法产出合理的程序设计，LLM 对于 Coding 还只能是输出代码块”，这是 24 年中旬的论调。

脱离楼主本身来讲。

目前缺的就是工具，而不是模型。头部的模型 Agent 能力已经基本过线了，只要提供合理的工具和技能，模型都能正确的调度和梳理。

模型能力能替代生成和统计，但无法替代“眼睛和手脚”。拿不到上下文，LLM 即便是神仙也没办法。
所以方案 B 一定是未来的方向。


但是，在 LLM 时代，抓包工具“凭什么”必须用楼主的呢？这才是最大的问题。

我观察到的趋势，LLM 的工具越来越封闭化。大模型公司逐渐的会把自己的工具生态封闭起来，因为 LLM 本身无状态，不会有迁移成本。所以通过闭源工具自身构成上下文壁垒，形成所谓的“数据飞轮”，才是 LLM 服务的核心壁垒。

之前 LLM 公司不重视工具，是因为模型公司之前基本上是再打融资战，要的是投资人能看到效果和感动世界。
现在则是实际的刺刀见红。在争夺实际的 C 端客户。

最近正在做这方面的测试，目测在链接 deepseek-v4-flash-high 时候，Claude Code 的单次成功率会高一点点。

但是，Deepseek 官方明确说明：“思考模式下，对普通请求，默认 effort 为 high ；对一些复杂 Agent 类请求（如 Claude Code 、OpenCode ），effort 自动设置为 max”。

所以这个就很难控制变量。目前也只是个人体感。