单独看，每一步都不算复杂。真正让人花时间的是，安装、登录、模型接口、API Key 和配置文件分散在不同地方，任何一项没有对上，最后都可能只看到一个打不开或无法回复的终端窗口。

下面先按照公开文档走一遍手动方案，再看为什么有人会选择带有内置 Codex 和模型入口的桌面工具。

一、先理解 Codex 和 DeepSeek 的关系

Codex 是编程智能体，负责理解项目、读取文件、修改代码和执行命令；DeepSeek 是模型服务，负责理解指令、分析代码并生成回复。

简单说，Codex 决定“怎么干活”，DeepSeek 决定“用什么模型来思考”。安装 Codex 并不等于已经连接 DeepSeek，接入模型之后，也不代表已经授予它修改项目和运行命令的权限。

二、按照官方路线安装 Codex

OpenAI 官方文档当前给出的流程是：安装 Codex、启动并登录、进入项目目录后发送第一条任务。Codex CLI 文档 也把“模型、目录和权限”列为启动后的主要配置项。

1. 安装 Codex

macOS 或 Linux 可以使用官方安装方式：

curl -fsSL https://chatgpt.com/codex/install.sh | sh

Windows 则需要根据官方页面当前提供的安装方式选择 npm 或其他安装入口。远程安装脚本执行前，建议先确认来源和内容，避免把未知脚本直接交给系统运行。

2. 启动并完成登录

进入一个测试项目目录，启动 Codex：

cd ~/code/test-project
codex

第一次运行时，按照终端提示完成登录。进入后可以先使用这些命令查看当前状态：

/status       查看当前会话配置
/model        选择模型和推理强度
/permissions 选择文件和命令权限
/review       检查代码修改

如果 Codex 能够启动，但还没有进入项目目录，后面的文件操作就没有明确范围。第一次测试建议新建一个空文件夹，不要直接连接重要项目。

三、按照 DeepSeek 官方方案接入模型

DeepSeek 官方文档说明，其接口支持 OpenAI Responses API 格式，并提供了专门的 Codex 集成说明。当前文档列出的模型包括 `deepseek-v4-flash`、`deepseek-v4-pro`，以及支持图片输入的 `deepseek-v4-flash-vision-exp`。DeepSeek 的 Codex 集成文档 对配置字段进行了说明。

方法一：使用官方一键配置脚本

macOS 或 Linux 可以运行：

bash <(curl -fsSL https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.sh)

Windows PowerShell 可以运行：

irm https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.ps1 | iex

脚本运行前需要先启动过 Codex，让本机生成 `~/.codex` 目录。随后根据菜单选择模型，再把 DeepSeek API Key 写入 Codex 配置。

这一步看起来已经很接近“一键完成”，但实际使用仍然要面对三个问题：脚本是否执行成功、API Key 是否有效、当前模型是否支持 Codex 所需的 Responses API。任何一步出错，都需要回到终端排查。

方法二：手动修改 `config.toml`

DeepSeek 官方给出的核心配置思路如下，API Key 需要替换成账户中实际申请的密钥：

model = "deepseek-v4-flash"
model_provider = "deepseek"
preferred_auth_method = "apikey"
forced_login_method = "api"
model_reasoning_effort = "high"
[model_providers.deepseek]
name = "deepseek"
base_url = "https://api.deepseek.com/"
wire_api = "responses"
experimental_bearer_token = "你的 DeepSeek API Key"

配置文件通常位于：

~/.codex/config.toml

配置完成后重新启动 Codex，再用 `/status` 查看模型、提供方和当前目录是否已经生效。DeepSeek 的 Responses API 文档还特别说明，部分工具类型并不完全支持，不能因为模型能正常回复，就默认所有 Codex 工具都可用。Responses API 兼容说明

四、第一条测试指令应该验证什么？

不要一开始就把完整项目交给 Codex。可以先发送一个范围很小的任务：

请检查当前测试项目：
1. 说明当前目录有哪些文件；
2. 不修改任何内容；
3. 判断当前环境是否适合运行 Python；
4. 最后列出你准备使用的模型和权限。

这条指令主要验证模型是否接通、项目目录是否正确，以及 Codex 是否遵守“先查看、不修改”的边界。

确认无误后，再测试文件创建：

请在当前测试项目中新建 hello.py，只输出一句中文问候。
创建后执行一次验证，不要修改其他文件，最后说明实际执行了什么。

如果只返回代码而没有创建文件，优先检查文件权限；如果模型回复正常但无法执行命令，再检查终端权限和当前工作目录。

五、为什么很多人最后会选择内置方式？

手动安装的优点是配置透明，每个环节都可以自己控制；缺点是遇到网络、登录、密钥或版本变化时，需要自行处理。

对只想快速体验的人来说，问题往往不是不会写配置，而是不想把几天时间花在配置上。MotoAgent 的做法，是把 Codex 作为内置编程入口，同时提供 DeepSeek 等模型选择，让使用者在同一个工作区里完成智能体、模型、项目目录和权限的设置。

下面这张是电脑中已安装并启动的 MotoAgent 实际界面，可以看到 OpenClaw、Codex、Hermes 和 Claude 位于同一个入口中。本文只用它说明界面结构和切换关系，具体模型状态仍以当前版本和本机配置为准。

这里的“内置”并不代表所有任务都不需要确认。文件访问、终端执行和模型额度仍然应该按照实际任务逐步开启。它解决的主要是重复安装和多处配置的问题。

六、手动方案和内置方案怎么选？

如果目标是研究 Codex 的运行机制，手动方式值得走一遍；如果目标是尽快完成一次代码、文档或图片任务，内置入口更省准备时间。

七、每天可以先用免费模型做一次小测试

刚开始使用时，不必马上把所有模型和权限都配置完整。可以在 MotoAgent 中先检查当前可用的免费模型，用一条轻量指令确认聊天和任务返回是否正常。

例如每天先做一次项目说明、代码解释或小脚本测试，确认模型状态后再处理重要任务。FreeHub 中的模型、额度和可用时间可能随服务规则调整，实际情况以当前页面显示为准。

这一步的意义不是把所有功能都承诺为免费，而是让使用者在投入时间配置复杂项目之前，先用较低成本建立判断。

八、几个容易忽略的安全问题

• API Key 不要写进公开代码仓库，也不要直接发到聊天群；
• 远程安装脚本执行前，确认来源和脚本内容；

• 第一次测试使用空目录或副本，不要直接授权重要项目；
• 开启终端权限后，先观察命令，再逐步扩大权限范围；

• 模型返回的代码需要实际运行和人工检查，不能只看文字说明。

结语：先把模型接通，再决定是否深入配置

国内安装 Codex 并接入 DeepSeek，手动路线并不神秘：先安装并登录 Codex，再配置模型提供方、接口地址、API Key 和项目权限，最后用小任务验证。

真正麻烦的是这些配置分散在不同地方，而且模型接口和工具能力并不完全等价。想了解底层机制，可以按照官方方案逐项配置；想快速体验，则可以选择把 Codex、DeepSeek 和工作区集中起来的内置方式。

无论选择哪一种方式，第一步都不应是交出整个项目，而应该是用一个小任务确认模型、目录和权限都在预期范围内。

但纸张会发黄、折痕会变深，照片边缘会卷起来。即使把照片拍成电子版，放大之后仍然可能模糊，人物脸部和衣服上的细节也很难看清。

这类照片最怕的不是“不够清晰”，而是修复时把原来的样子改掉。一个合适的处理流程，应该先把纸质照片稳定地转成数码文件，再分阶段修复，最后检查人物、背景和细节有没有被过度改变。

一、先把纸质照片拍清楚，别急着交给 AI

照片修复的第一步不是输入提示词，而是准备一张尽可能干净的原图。

可以用手机在自然光下翻拍，也可以使用扫描仪。拍摄时注意下面几件事：

• 照片放平，避免四角翘起造成透视变形；
• 尽量使用窗边的柔和光线，避免手机闪光灯反光；

• 镜头保持平行，照片四边尽量完整保留；
• 先拍一张高分辨率原图，不要直接使用聊天软件压缩后的版本；

• 如果照片有玻璃相框，先取出照片再拍，避免反光遮住人物。

这一步决定了后续能找回多少细节。AI 可以改善模糊、划痕和颜色，但不能可靠地恢复原图里完全没有记录的信息。

二、第一条指令：先识别问题，不要马上“美化”

打开支持图片的 MotoAgent 会话，把翻拍或扫描后的照片发送到输入框。第一条消息建议先让系统判断照片状况：

请先检查这张纸质老照片的状态，不要直接修改。
请分别说明：
1. 主要人物和构图是否完整；
2. 哪些地方是模糊、划痕、折痕或偏色；
3. 哪些细节可以修复，哪些细节不应该擅自补造；
4. 下一步适合先做清晰度修复、颜色修复，还是先处理边缘和裁切。

先做检查有两个好处：一是知道照片的问题在哪里，二是避免把“修复”和“重新生成”混在一起。

如果照片只是偏黄、轻微模糊，通常可以保留原貌进行修复；如果人物脸部已经严重缺失，就需要降低期待，不能把生成出来的细节当成真实记忆。

三、第二条指令：先修复清晰度和纸张缺陷

确认问题后，再发送第一阶段的处理要求。指令需要明确“保留什么”和“不要改什么”：

请修复这张老照片，但不要重新设计或改变原始内容：
1. 保留人物数量、姿势、脸型、服装、背景和构图；
2. 去除轻微划痕、灰尘、折痕和纸张纹理；
3. 改善整体清晰度和对比度，让人物轮廓更容易辨认；
4. 不要凭空添加人物，不要改变人物年龄，不要美化五官；
5. 输出一张自然、接近原片的修复版本。

这一步的目标是“看清楚”，不是“变成新照片”。老照片里的颗粒、轻微褪色和年代感可以适当保留，否则最后得到的可能是一张漂亮但不像原片的图。

四、第三条指令：需要上色时，把颜色边界说清楚

黑白照片或褪色严重的照片，可以继续要求恢复颜色。但颜色往往不是原始记录，处理时应该把它视为合理推测，而不是事实还原。

请在上一版修复结果的基础上尝试自然上色：
1. 保留人物五官、发型、服装轮廓和原始背景；
2. 使用低饱和、接近老照片质感的颜色；
3. 肤色自然，避免过度红润；
4. 不要添加现代服装、装饰或新的背景元素；
5. 同时保留一版黑白修复结果，方便前后比较。

同时保留黑白版很重要。它可以作为原始信息的参照，后续如果彩色版本出现偏差，也能回到黑白版重新处理。

五、发现不对时，只改一个问题

AI 修复通常不是一次完成。第一版如果出现边缘过硬、颜色太艳或背景细节被改变，不要重新上传一张图并重复整套指令，可以沿着当前会话继续描述一个具体问题：

请只调整上一版结果：降低整体饱和度，恢复一些老照片的自然颗粒感；保持人物脸部、服装、背景位置和构图不变，不要重新生成主体。

一次只改一个问题，比较容易判断结果变化来自哪条要求。连续提出“变清晰、上色、换背景、放大、裁切”五六个要求，反而不容易控制最终效果。

六、最后一步：放大之前先做细节检查

修复完成后，可以要求输出适合保存和打印的版本：

请对这张修复后的老照片做最后检查并输出：
1. 保持人物和背景内容不变；
2. 适度提升分辨率和细节，不要过度锐化；
3. 检查眼睛、手指、衣服纹理和照片边缘；
4. 不添加文字、水印或新的装饰；
5. 输出适合长期保存的高质量 PNG 或 JPG，并说明推荐尺寸。

输出之后不要只看缩略图。建议放大检查以下区域：

七、结合软件界面看一遍完整过程

下面这张图根据实际操作流程重新创作，用来表现“上传老照片—输入要求—查看修复结果—导出保存”的关系。它是界面示意图，不是 MotoAgent 原始截图；照片中的人物和场景也是演示素材，不能当作真实家庭照片。

实际使用时，重点不在于一次写出很长的提示词，而在于把任务拆成几步：先判断照片问题，再修复清晰度，然后决定是否上色，最后放大和检查。

八、还有一个适合每天先试一次的小入口

老照片通常不会一次只处理一张。刚开始使用时，可以先用当前 MotoAgent 配置中可用的免费模型，处理一张不太重要的照片，确认上传、对话和结果返回都正常后，再处理真正需要保存的家庭照片。

如果当前 FreeHub 页面提供 DeepSeek 免费模型，可以先用它完成照片状态分析、提示词调整或轻量修复测试。每天先处理一张小任务，既能熟悉流程，也能避免一开始就把珍贵原片交给不熟悉的设置。

免费模型的使用次数、额度和可用状态可能随服务规则变化，具体以当前页面显示为准。重要照片仍建议保留原始扫描文件，并把不同修复版本分别保存。

九、哪些情况不适合直接追求“完全恢复”

• 原照片已经严重缺失，人物脸部只剩局部轮廓；
• 纸张被水浸泡，颜色和纹理大面积混在一起；

• 照片中有证件、合同、票据等需要准确识别的文字；
• 需要证明身份、时间或事件的历史照片；

• 需要大尺寸商业打印，且对颜色和人物细节有严格要求。

这些情况下，AI 输出只能作为辅助版本，不能替代原件，也不能把推测出来的细节当成真实记录。

结语：先保存原片，再让照片慢慢恢复

纸质老照片变成数码照片，真正重要的不是把它处理得多么鲜艳，而是尽量保留原来的人、场景和时间感。

比较稳妥的做法是：先高质量翻拍或扫描，再让 MotoAgent 分阶段分析、修复、上色和放大。每一次只改变一个问题，同时保留原片、黑白修复版和彩色版本，最后再决定哪一张适合分享或打印。

如果只是想先看看效果，可以从一张普通照片开始，用免费模型完成一次小测试。等流程和结果都确认之后，再处理那些真正值得长期保存的家庭记忆。

这类问题看起来零散，实际上都指向同一件事：Codex 是负责执行任务的编程智能体，DeepSeek 是负责理解和生成内容的模型，两者中间还需要一个能把项目、模型和工具权限接起来的工作台。

如果只是把几个组件分别装好，配置过程确实容易让人一头雾水。把它们放进同一个入口，反而更容易看清楚整个流程。

一、下载完成之后，为什么还不能马上写代码？

普通聊天工具通常只需要选择一个模型，输入问题就能得到回答。Codex 不一样，它不只要回答，还可能读取项目文件、修改代码、运行命令，再把结果返回到对话里。

因此，开始一次完整的编码任务，至少涉及四个部分：

单独下载 Codex，只完成了第一步。后面的模型连接、工作目录和权限设置，如果没有统一入口，通常要在多个配置页面之间来回确认。

二、配置 DeepSeek，最容易混淆的是什么？

很多教程把配置过程写成填写几个参数，但初次使用时真正容易混淆的是这些概念：

• 模型名称和模型服务不是一回事；
• API Key、登录状态和模型权限不是一回事；

• 能聊天，不代表智能体已经获得项目操作权限；
• 能读取项目，也不代表已经允许执行终端命令。

这也是不少人下载完 Codex 后迟迟没有开始第一段代码的原因。问题不在于模型难用，而在于缺少一层清楚的连接关系。

三、把 Codex 和 DeepSeek 放进同一个工作流

MotoAgent 的思路比较直接：把 Codex 作为编程智能体，把 DeepSeek 作为可选模型，再把项目目录和工具权限放在同一个对话工作区里处理。

本文配图是依据实际操作逻辑重新创作的界面示意图，不是软件原始截图。左侧是对话入口，中间是编码任务，右侧可以看到 Codex、DeepSeek、项目目录以及文件和终端权限。这样的布局，重点不是界面本身，而是让使用者知道每一个配置项到底在解决什么问题。

配置思路可以按下面的顺序进行：

1. 安装 MotoAgent，进入 Codex 工作区

从 MotoAgent 官网 下载对应版本。安装完成后，先进入 Codex 或编程智能体入口，不要一开始就急着调整所有高级选项。

2. 选择 DeepSeek 作为对话模型

在模型配置区域选择 DeepSeek。不同版本的入口名称和可选模型可能会调整，实际使用时以当前界面显示为准。

这里可以先记住一个简单判断：Codex 决定“谁来动手”，DeepSeek 决定“如何理解和回答”。只要两者都已经连接，后面的任务就不再是单纯问答，而是可以进入项目工作流。

3. 指定一个明确的项目目录

选择一个专门用于测试的文件夹，不建议第一次就把整个磁盘或重要项目目录交给智能体。

项目目录越明确，后续的文件读取、修改和结果检查越容易。遇到问题时，也能快速判断是模型回答错误，还是目录权限没有配置好。

4. 只开启当前任务需要的权限

如果只是生成一段代码，可以先保留文件访问能力；如果需要执行测试，再开启终端相关权限。权限越少，越容易观察每一步发生了什么。

完成配置后，最好不要直接开始大型项目，而是先发一个可以验证完整链路的小任务。

四、第一条指令不要太复杂，先确认它真的能工作

可以在 Codex 对话框中发送下面这段指令：

请在当前项目中新建一个 hello.py：
1. 输出当前时间和运行环境；
2. 加上中文注释；
3. 执行一次验证；
4. 如果报错，请先修复再继续；
5. 最后说明修改了哪些文件。

这条指令同时验证了几件事：DeepSeek 是否能够正常回复，Codex 是否能够创建文件，项目目录是否可写，终端权限是否生效，以及执行结果能否返回到当前对话。

如果它只返回代码，没有创建文件，通常是工具权限或工作目录还没有配置好；如果文件创建成功但无法运行，再检查终端权限和当前环境。

五、配置完成后，还有一个适合每天先用一下的小入口

对于刚开始体验的人，最实际的做法不是马上购买多个模型，而是先用当前可用的免费模型跑一轮轻量任务。

MotoAgent 中的 FreeHub 可以作为这一步的入口。在当前配置支持的情况下，使用者可以选择 DeepSeek 的免费模型，先完成日常问答、代码解释或小脚本测试，再决定是否接入其他模型。

每天打开后，先发一个小任务测试状态，是比较稳妥的使用方式：

• 先确认免费模型当前可用；
• 再发送一个轻量的代码或文本任务；

• 需要更复杂的项目时，再切换到合适的模型和权限。

免费模型的可用时间、次数和额度可能随服务规则调整，具体以当前 FreeHub 页面显示为准。这个小入口的价值，不是承诺固定的免费额度，而是让使用者在正式配置复杂工作流之前，先低成本确认聊天、模型和项目权限是否正常。

六、这种方式适合哪些人？

它并不能替代代码审查。涉及数据库、支付、账号权限或线上部署的改动，仍然需要人工检查和实际测试。模型能把配置门槛降下来，但不能替使用者承担项目风险。

结语：真正省下来的，是配置前的反复确认

Codex 下载后不会配置，并不意味着它难用，而是编码智能体、模型、项目目录和工具权限原本分散在不同层级里。

把 Codex 和 DeepSeek 放进同一个工作区之后，使用者可以先完成一次小任务，再逐步增加权限。对于国内环境下希望直接开始体验 AI 编程的人来说，这种方式少了一些反复查参数的过程，也更容易知道问题究竟出在哪一步。

如果只是想试试效果，先用 FreeHub 中当前可用的免费模型完成一轮轻量任务，再决定是否深入使用，通常比一开始就研究所有高级配置更省时间。

一、痛点：一个飞书账号根本不够用

想想这些实际场景：

家庭场景。爸爸在飞书里让 AI 查工作资料，孩子在飞书上让 AI 辅导作业。但 AI 助手只绑了一个飞书号，谁用都得等对方退出。一家人共用一台 MotoAgent，却因为飞书账号限制没法各自畅聊。

团队场景。公司飞书群里，市场部要 AI 写文案，研发部要 AI 查代码。如果只绑一个飞书账号，所有消息都进同一个 AI，分不清谁是谁，回了一堆无关信息。

多设备场景。你有工作飞书号、私人飞书号，想分开管理。但大多数 AI 工具只允许绑一个飞书机器人，两个号没法并用。

这些问题归根到底，是因为传统的 AI 助手都是”一个实例绑定一个账号”的单体架构。而 MotoAgent 的”多员工”体系，从底层打破了这种限制。

二、员工体系：每个飞书账号就是一个独立 AI 员工

MotoAgent 的每个”员工”都是一个完全独立的 AI 虚拟身份。绑定飞书账号后，员工拥有：

简单说：每创建一个员工，就等于多了一个独立的飞书 AI 机器人，各自处理各自的消息。

三、一台 MotoAgent，多个飞书账号同时在线

这是 MotoAgent 最实用的能力——一台服务器上，绑定多个飞书账号同时运行。

家庭场景实战

假设一家四口，家里有一台 MotoAgent：

四个人各自在飞书上和绑定的员工聊天。爸爸问编程问题，妈妈查菜谱，老大做数学题，老二练英语。所有消息路由互不干扰，一台机器服务全家人。

企业团队场景

公司也可以一台 MotoAgent 服务多个飞书群：

每个部门有自己的飞书群，群里的飞书机器人分配给对应的 AI 员工。市场部的人问市场的问题，技术部的人问技术的问题，不会串台。

四、绑定飞书账号的配置步骤

在 MotoAgent 后台配置多飞书账号，只需几步：

1. 登录 MotoAgent 后台，进入”员工管理”页面
2. 创建员工——填写员工代号、显示名称
3. 在”绑定渠道”中选择渠道类型为飞书（Feishu / Lark）
4. 填入飞书账号标识或 Webhook 地址
5. 选择 AI 后端——Hermes、OpenClaw、Codex、Claude 任选
6. 重复以上步骤，创建更多员工绑定更多飞书账号

每个员工配置完成后立即生效。同一台 MotoAgent 上的多个飞书员工，就像多个独立的 AI 助手在并行工作。

五、不只是飞书——多账号能力覆盖所有主流平台

同样的多账号绑定能力，不只适用于飞书。MotoAgent 支持在所有主流 IM 平台上做多账号绑定：

无论是个人还是企业，都可以在一台机器上管理所有渠道的 AI 员工。

六、搭配 FreeHub，零成本使用顶级 AI

光有员工架构还不够，AI 调用费用才是长期开销的大头。MotoAgent 的 FreeHub 功能，让你直接接入主流平台的免费模型：

配合多员工体系，每个飞书账号都可以选 FreeHub 里的免费模型做后端。绑定三个飞书账号，等于同时拥有三个免费 AI 助手，零成本使用。

七、对比表格：MotoAgent 多飞书 vs 传统方案

总结

MotoAgent 的多飞书账号绑定功能，解决的其实是一个很实际的问题——一台机器服务多个人、多个飞书号、多个 AI 模型。它的核心价值在于：

1. 一个 MotoAgent，绑定多个飞书账号 — 不再受单账号限制
2. 每个飞书号绑定独立员工 — 会话、后端、权限完全隔离
3. 多 AI 后端并行 — 每个员工可独立选 Hermes、OpenClaw、Codex、Claude
4. 免费 Token 支持 — FreeHub 直接接入 DeepSeek、Kimi 等免费模型
5. 家庭和企业都适用 — 一台机器服务全家或全团队

如果你团队在用飞书、同时又需要 AI 助手，一台 MotoAgent 配好几个飞书员工，比买多台设备、买多个 API Key 划算得多。欢迎去试试看。

最近 MotoAgent 发布了 v1.0.6 版本，这个版本最大的亮点就是 FreeHub 免费算力计划。简单说，你不用花一分钱就能在 MotoAgent 上使用 AI 模型完成日常工作了。

这对很多刚接触 AI Agent 的朋友来说是个非常好的消息——不需要配置 API Key，不需要绑定信用卡，下载安装就能直接用。去 MotoAgent 官网下载最新版就能体验。

二、FreeHub 是什么

FreeHub 是 MotoAgent 内置的免费 Token 池。它对接了多个第三方模型的免费额度，让用户可以直接使用这些模型完成日常任务，零成本起步。

当前 FreeHub 支持的模型包括：

其中 DeepSeek 系列是最受欢迎的选择。64K 的上下文窗口足以应对绝大多数日常任务，关键是——完全免费。

三、用 DeepSeek 免费完成日常工作

在 MotoAgent v1.0.6 中，选择一个使用 FreeHub 后端的 Agent，模型选择 freehub/deepseek-chat，就可以开始工作了。

来看看几个实际能做的事情：

日常问答和信息查询

比如问天气、查资料、翻译文本。DeepSeek 的免费模型在中文理解上表现非常出色，回答质量不输付费模型。

文档处理和分析

把文档发给 Agent，让它在 64K 的上下文窗口中分析、总结、提取关键信息。这对日常的文档整理工作来说非常实用。

代码编写和调试

让 Agent 帮你写脚本、改代码、排查 Bug。DeepSeek 在代码类任务上的能力已经得到广泛认可。

内容创作

写周报、起草邮件、整理会议纪要——这些日常写作任务完全可以用免费 Token 完成。

访问 MotoAgent 下载 v1.0.6，立刻开始免费使用。

四、怎么配置和使用

在 MotoAgent v1.0.6 中使用 FreeHub 的步骤非常简单：

1. 下载安装 v1.0.6 版本（从官网下载对应系统的安装包）
2. 创建 Agent，后端选择任意兼容后端
3. 模型选择 freehub/deepseek-chat（或 freehub/deepseek-reasoner）
4. 开始对话，直接输入你的问题或任务

不需要配置 API Key，不需要注册第三方账号，所有免费额度都由 MotoAgent 的 FreeHub 统一管理。

五、免费额度用完了怎么办

很多人会担心：免费额度用完了怎么办？

MotoAgent 的 FreeHub 设计了几层保障：

• 优先使用免费池：系统会自动优先消耗免费 Token，不够时你可以选择使用自己的 API Key（如果已配置）
• 多模型切换：一个模型的免费额度用完后，可以切换到其他 FreeHub 模型继续使用

• 按需付费扩展：如果需要更多额度，MotoAgent 也提供了内置计费模型（deepseek-v4-flash 等），按积分计费，价格很低

这意味着你完全可以把 FreeHub 当作”日常主力”，免费完成大部分工作，只有在特殊需求时才考虑付费扩展。

六、为什么 MotoAgent 提供免费 Token

很多人问：免费 Token 的商业模式是什么？

MotoAgent 的理念很简单——让更多人先用起来。AI Agent 是个新事物，很多人想试但不知道怎么开始。免费 Token 降低了这个门槛：

• 不用先付钱再体验
• 不用折腾 API Key 配置

• 下载即用，零成本上手

当你真正用起来、感受到价值之后，自然会考虑长期使用。FreeHub 是 MotoAgent 的”体验入口”，也是 MotoAgent 对用户的承诺——让 AI 真正为每个人所用。

七、总结

MotoAgent v1.0.6 的 FreeHub 免费算力计划，让零成本使用 AI Agent 成为了现实。

• DeepSeek 等主流模型全部免费可用
• 不需要 API Key，不需要绑定支付

• 日常问答、文档处理、代码编写都能做
• 用完后自动降级，不影响已有付费配置

如果你还没试过 AI Agent，现在是最好的时机。去 MotoAgent 下载 v1.0.6，几分钟后你就有一个免费的 AI 助手了。

一、痛点：为什么单个账号根本不够用？

先想想现实场景：

1. 家庭场景 — 爸爸需要 AI 处理工作邮件，孩子要 AI 辅导作业。但 AI 助手只有一个微信入口，谁用就得等谁退出。不方便吧？
2. 工作场景 — 你有一个工作微信号、一个私人微信号，想分开使用 AI 助手，但软件只让绑一个号。
3. 多平台场景 — 你要同时管微信群、企业微信群、飞书群里的 AI 机器人，但传统方案一个机器人只能绑一个平台。
4. 多模型场景 — 你写代码时想用 Codex，日常聊天想用 Hermes，深度分析想切到 Claude，但大多数工具只固定一个后端。

这些问题不是偶然的——绝大多数 AI 工具都设计为”一人一号一后端”的单体架构。而 MotoAgent 从底层就做了多员工、多账号、多后端的并行架构，可以说完全是冲着解决这些痛点来的。

二、核心设计：员工体系——每个员工就是一个独立世界

MotoAgent 的”员工（Employee）”不是一个简单的用户标签，而是一个完全独立的虚拟身份。每个员工有：

1. 自己绑定的即时通讯渠道（微信/QQ/企业微信/飞书）
2. 自己选择的 AI 后端（Hermes/OpenClaw/Codex/Claude）
3. 自己独立的会话记录和历史
4. 自己独立的技能权限和隐私策略

看下面的配置界面，两个员工的实际截图：

员工一：张三，绑定微信 weixin01，使用 Hermes

员工二：李四，绑定微信 weixin02，使用 OpenClaw

从截图中可以清楚看到：

两个员工在同一台 MotoAgent 上互不干扰，各行其是。

三、同一台机器，多个微信同时在线

这是 MotoAgent 最独特的能力——一台服务器/电脑上，同时运行多个微信进程。

每个员工绑定一个独立的微信渠道号，实际运行起来就是多个微信客户端进程同时在后台工作。张三的微信消息发给张三的 Hermes，李四的微信消息发给李四的 OpenClaw，消息路由完全隔离，不会串号。

家庭场景实战

三个人各自用自己手机上的微信给 AI 助手发消息，各自收到专属回复，互不干扰。一台机器全家用，省了买三台设备的钱。

企业团队场景

同样道理，公司里多个同事共用一台 MotoAgent 服务器：

1. 销售组 — 绑定企业微信，用 OpenClaw 快速查询客户信息
2. 技术组 — 绑定 QQ 群机器人，用 Codex 辅助编程和排查故障
3. 管理组 — 绑定飞书，用 Claude 做深度数据分析

四、不只微信——QQ、企业微信、飞书，全都支持多账号

同样的多账号能力，不限于微信。在 MotoAgent 的”绑定渠道”页面，你可以选择：

1. 微信 — 多个微信号同时登录，互不干扰
2. QQ — 多个 QQ 号绑定不同员工，各自独立运行
3. 企业微信 — 多个企业微信会话并行
4. 飞书 — 多个飞书账号或机器人同时在线

每个渠道类型都支持多实例，彻底打破了”一个软件只能绑一个账号”的限制。

五、多 AI 后端并行运行，随意切换

在别的平台上，你选了 Hermes 就不能用 Codex，选了 Claude 就不能切 OpenClaw。但在 MotoAgent 里，每个员工可以独立选择不同的 AI 后端，并且所有后端都是同时在线、随时切换。

而且同一个员工也可以在对话界面一键切换后端，比如：

1. 日常聊天 → 用 OpenClaw（轻量快速）
2. 写代码找 Bug → 切到 Codex（编程专用）
3. 处理复杂文档 → 换 Hermes（综合能力均衡）
4. 深度推理分析 → 上 Claude（最强推理）

不需要重启、不需要重新登录、不需要额外配置。下拉菜单一点，后端就换了。

六、免费使用三方 Token——DeepSeek、Kimi、通义千问

光有后端还不够，Token 费用才是真正的开销大头。MotoAgent 的 FreeHub 功能，让你直接接入各大平台的免费模型：

每个员工都可以选 FreeHub 里的免费模型作为后端引擎，真正实现零成本使用 AI。配合多员工体系，全家人都可以不花钱用上顶级 AI 能力。

七、对比表格：MotoAgent vs 市面常见方案

下面这张对比表可以一目了然看出差异：

可以明显看到，MotoAgent 在多账号并发、多后端并行、免费 Token 接入、跨平台支持这四个维度上，和传统 AI 助手拉开了质的差距。

八、实操：怎么配置多员工多账号？

配置其实很简单，几个步骤就能搞定：

1. 登录 MotoAgent 后台，进入”员工管理”页面
2. 创建员工 — 填写员工代号（如 zhangsan）、显示名称（如张三）
3. 绑定渠道 — 选择渠道类型（微信/QQ/企业微信/飞书），填入对应的账号标识
4. 选择 AI 后端 — 从 OpenClaw、Hermes、Codex、Claude 或 FreeHub 免费模型中选择
5. 配置隐私和技能权限 — 按需设置
6. 重复 2-5 步 — 创建更多员工

操作完，每个员工就是一个独立的小 AI 工作站，各自绑定不同账号运行。

总结

MotoAgent 的”多账号多员工”体系，解决的是一个非常实际的问题——一台机器怎么服务多人、多账号、多模型。它的核心优势在于：

1. 多微信/QQ/飞书同时登录 — 打破单账号限制，无限量绑定
2. 员工完全隔离 — 会话、后端、权限，各自独立
3. 4 个 AI 后端并行 — OpenClaw、Hermes、Codex、Claude 随意切换
4. 免费 Token 支持 — FreeHub 接入 DeepSeek、Kimi 等免费模型
5. 家庭和企业都适用 — 一台机器多人共用

市面上的 AI 助手大多还是”一人一号”的旧思维，MotoAgent 的这套多员工架构，可以说是真正为多人多账号场景量身打造的。如果你也在找一台能支撑全家或全团队的 AI 工作站，不妨去看看。

好了，今天就聊到这里。有什么问题欢迎交流！

MotoAgent 的 FreeHub 功能就是来解决这个问题的——连接免费模型后，想怎么用就怎么用，完全不担心额度。

一、FreeHub — 连接一次，无限畅用

MotoAgent 内置了一个叫 FreeHub 的功能模块。简单来说，它帮你接入各大平台提供的免费模型，连接之后就可以无限调用，没有任何 token 数量限制。

从截图可以看到，FreeHub 支持的免费模型非常丰富：

最关键的是：连接 DeepSeek Free 后，会自动启用 `deepseek-chat` 和 `deepseek-reasoner` 两个模型，日常对话用 chat，深度推理用 reasoner，都不限 token、不限次数。

二、怎么用 FreeHub？三步搞定

使用 FreeHub 非常简单：

第一步：在 MotoAgent 后台找到 FreeHub 配置页

第二步：点击"连接 DeepSeek Free"按钮，MotoAgent 会自动打开浏览器，你只需要登录 DeepSeek 账号

第三步：登录成功后，FreeHub 自动抓取登录态，deepseek-chat 和 deepseek-reasoner 自动启用

不需要手动填 API Key、不需要配置复杂参数。所有 Cookie、Bearer Token 都会自动采集，只有采集失败时才需要手动填写。

高级配置（可选）

如果你想自己控制参数，FreeHub 也提供了高级配置：

• Cookie — 手动填入登录 Cookie
• Bearer — 手动设置 Authorization Token
• User-Agent — 自定义请求头

正常情况下完全不需要动这些，自动采集就够用了。

三、FreeHub + 内置后端 = 真正的免费畅用

FreeHub 不是孤立的，它和 MotoAgent 的其他内置能力配合起来，才能真正做到免费畅用 AI：

搭配 OpenClaw — OpenClaw 本来就很轻量高效，再配上 FreeHub 的免费模型，日常问答、快速翻译、随手查资料，完全不消耗任何额度

搭配 Hermes — Hermes 功能全面，配合 FreeHub 的 DeepSeek reasoner 做深度分析，写代码、做规划、处理复杂任务，也完全免费

搭配内置技能 — 前几篇聊过的 Word/PPT/Excel/PDF 文档处理、视图片编辑、编码开发，这些技能调用底层模型时同样走 FreeHub 通道，相当于文档处理也是免费的

也就是说，你完全可以不花一分钱就把 MotoAgent 作为主力 AI 工作台。

四、和其他方案对比

## 总结

MotoAgent 的 FreeHub 功能真正实现了 AI 使用自由：

1. 无限 Token — DeepSeek Free 连接后不限 token、不限次数
2. 多模型免费 — DeepSeek、Kimi、Doubao、Qwen、GLM 五种免费模型
3. 开箱即用 — 自动采集登录态，不需要手动配 API Key
4. 全功能免费 — 搭配内置技能和 AI 后端，日常工作全部免费搞定

以前用 AI 算着 token 过日子，现在有了 FreeHub，想用就用。去 motoagent.net 试试吧！