https://cygnusyang.github.io/posts/01-ai-%E5%B7%A5%E5%85%B7%E4%B8%8E%E6%99%BA%E8%83%BD%E4%BD%93/08-academic-research-skills/02-setup/技术 × 产品 × 机器人Hugo 0.160.1 & FixIt v0.4.6-20260517062719-ed8ec5c2zh-CNruohuyang@163.com (Cygnus Yang)ruohuyang@163.com (Cygnus Yang)Sat, 23 May 2026 00:00:00 +0800https://cygnusyang.github.io/posts/01-ai-%E5%B7%A5%E5%85%B7%E4%B8%8E%E6%99%BA%E8%83%BD%E4%BD%93/08-academic-research-skills/02-setup/03-installation-setup/Sat, 23 May 2026 00:00:00 +0800ruohuyang@163.com (Cygnus Yang)https://cygnusyang.github.io/posts/01-ai-%E5%B7%A5%E5%85%B7%E4%B8%8E%E6%99%BA%E8%83%BD%E4%BD%93/08-academic-research-skills/02-setup/03-installation-setup/<p>ARS v3.7.0 引入 Claude Code Plugin 打包后，安装简化到了一行命令。但它的部署方式远不止一种——从全局可用到单项目隔离，从命令行到 VS Code，每种方式各有适用场景。本文梳理全部五种部署路径及其优劣。</p> <h2 class="heading-element" id="前置条件"><span>前置条件</span> <a href="#%e5%89%8d%e7%bd%ae%e6%9d%a1%e4%bb%b6" class="heading-mark"> <svg class="octicon octicon-link" viewBox="0 0 16 16" version="1.1" width="16" height="16" aria-hidden="true"><path d="m7.775 3.275 1.25-1.25a3.5 3.5 0 1 1 4.95 4.95l-2.5 2.5a3.5 3.5 0 0 1-4.95 0 .751.751 0 0 1 .018-1.042.751.751 0 0 1 1.042-.018 1.998 1.998 0 0 0 2.83 0l2.5-2.5a2.002 2.002 0 0 0-2.83-2.83l-1.25 1.25a.751.751 0 0 1-1.042-.018.751.751 0 0 1-.018-1.042Zm-4.69 9.64a1.998 1.998 0 0 0 2.83 0l1.25-1.25a.751.751 0 0 1 1.042.018.751.751 0 0 1 .018 1.042l-1.25 1.25a3.5 3.5 0 1 1-4.95-4.95l2.5-2.5a3.5 3.5 0 0 1 4.95 0 .751.751 0 0 1-.018 1.042.751.751 0 0 1-1.042.018 1.998 1.998 0 0 0-2.83 0l-2.5 2.5a1.998 1.998 0 0 0 0 2.83Z"></path></svg> </a> </h2><p>无论选择哪种安装方式，都需要：</p>https://cygnusyang.github.io/posts/01-ai-%E5%B7%A5%E5%85%B7%E4%B8%8E%E6%99%BA%E8%83%BD%E4%BD%93/08-academic-research-skills/02-setup/04-performance-cost/Sat, 23 May 2026 00:00:00 +0800ruohuyang@163.com (Cygnus Yang)https://cygnusyang.github.io/posts/01-ai-%E5%B7%A5%E5%85%B7%E4%B8%8E%E6%99%BA%E8%83%BD%E4%BD%93/08-academic-research-skills/02-setup/04-performance-cost/<p>使用 AI 辅助学术研究，成本是绕不开的话题。ARS 设计者对此有清醒的认识：一套完整 pipeline 运行下来，token 消耗不菲。但相比于聘请专业编辑、购买文献管理软件、或者因为引用错误导致的退稿重投——ARS 的成本是可预测、可控制的。</p> <p>本文基于 ARS 官方性能文档，拆解各模式的 token 消耗、完整 pipeline 的成本构成，以及如何在不同场景下优化开销。</p> <h2 class="heading-element" id="各模式-token-估算"><span>各模式 Token 估算</span> <a href="#%e5%90%84%e6%a8%a1%e5%bc%8f-token-%e4%bc%b0%e7%ae%97" class="heading-mark"> <svg class="octicon octicon-link" viewBox="0 0 16 16" version="1.1" width="16" height="16" aria-hidden="true"><path d="m7.775 3.275 1.25-1.25a3.5 3.5 0 1 1 4.95 4.95l-2.5 2.5a3.5 3.5 0 0 1-4.95 0 .751.751 0 0 1 .018-1.042.751.751 0 0 1 1.042-.018 1.998 1.998 0 0 0 2.83 0l2.5-2.5a2.002 2.002 0 0 0-2.83-2.83l-1.25 1.25a.751.751 0 0 1-1.042-.018.751.751 0 0 1-.018-1.042Zm-4.69 9.64a1.998 1.998 0 0 0 2.83 0l1.25-1.25a.751.751 0 0 1 1.042.018.751.751 0 0 1 .018 1.042l-1.25 1.25a3.5 3.5 0 1 1-4.95-4.95l2.5-2.5a3.5 3.5 0 0 1 4.95 0 .751.751 0 0 1-.018 1.042.751.751 0 0 1-1.042.018 1.998 1.998 0 0 0-2.83 0l-2.5 2.5a1.998 1.998 0 0 0 0 2.83Z"></path></svg> </a> </h2><p>以下估算基于一篇约 15,000 字、约 60 篇引用的论文。实际消耗随论文长度、修订轮次和对话深度变化。</p>