持续使用 AI 编程工具时，重复问题往往仍要交给模型重新推理，不仅增加 token 成本，也让敏感代码是否能够上传云端成为现实限制。针对这些问题，可以在 DeepSeek Harness 前增加本地认知层，优先匹配已经沉淀的编程经验和脚本，再把无法处理的请求交给模型推演。

## 背景

重度使用 AI 编程后，两个问题越来越明显：

**成本**：每次都从零推理，同一个问题反复消耗 token，月度持续上涨。
**安全**：公司代码不敢直接上云，很多场景根本用不了 AI。

## 思路：把"从零推理"变成"本地命中"

通用助手每次都靠大模型现场推理。但编程领域有大量**重复场景**——
同样的报错、同样的库用法、同样的架构选择。

为什么不能把这些知识固化成本地的"认知包"？

命中 → 本地直接出结论（0 token）
未命中 → 才调大模型推演

## 架构

- YiHe 认知核心：本地决策（大脑）
- DeepSeek Harness：执行层（手）
- DeepSeek Flash：仅在需要推演时调用

LLM 不再是大脑，而是感知层。决策在本地完成。

## 编程认知包 v1.0

27 个领域包：C++ / Python / Go / Java / 前端 / 后端 / 数据库 / 运维 / 安全 / 算法……
55 个 RFB 经验库 + 295 个共享脚本池，随会话自动装载。

## 实测效果

- 常见问题命中本地脚本，不调大模型
- 代码全程本地，不上云
- 从反馈中学习，越用越准

## 获取

免费版 500 次/月，个人版 ¥99/月。
3 分钟部署，支付后自动发密钥。

https://122.51.212.20/course/pkg-dev.html

刚起步，欢迎交流拍砖。
<img src="```" alt="" width="70%" />