AI编程

把输入格式、金额单位和异常规则写清，让 DeepSeek 生成 CSV 汇总代码，再用固定样例和 unittest 核对结果。

先区分显式选模与 Auto 路由，核对模型选择器和 API Key 设置，说明回答自报模型为何不能作为可靠证据。

先按任务风险和上下文规模分类，再用同一小任务比较候选模型，记录正确性、等待时间与用量，形成自己的选择表。

按 Cursor 支持范围配置自有 API Key，显式选择模型，用一次低风险问答验证生效，并排查组织策略、余额与网络错误。

先克隆并打开可信的 GitHub 仓库，再用 README、依赖清单、入口文件和测试交叉核对 Cursor 给出的项目说明。

弄清 Cursor 代码库索引的范围，检查索引状态，用忽略文件排除敏感或生成内容，并通过带文件引用的问题验证上下文。

用 OpenAI 函数调用连接外部业务接口，校验白名单参数、执行服务端函数并回传真实结果。

把 OpenAI API 安全接入网站后端，保护密钥，并用正常、异常和失效密钥三类请求完成上线核验。

按 Kimi K3 官方示例跑通搜索工具和本地函数，说明工具 ID 回填、结果验收及循环终止条件。

使用 Kimi 官方 estimate-token-count 接口在生成前计算输入 Token，保留输出空间并对照实际用量。