OpenClaw + Claude Code 超强教程：一个人就能搭建完整的开发团队！
OpenClaw + Claude Code 超强教程：一个人就能搭建完整的开发团队！
இன்று ஒரு மிகச் சுவாரஸ்யமான நடைமுறை எடுத்துக்காட்டை பகிர்கிறேன்.（ஆவணத்தின் முடிவில் கையேடு இணைக்கப்பட்டுள்ளது）
ஒரு தனிநபர் டெவலப்பர், OpenClaw + Codex/CC ஐப் பயன்படுத்தி ஒரு AI முகவர் அமைப்பை அமைத்துள்ளார், இது என்ன விளைவுகளை ஏற்படுத்தியது?
ஒரு நாளில் 94 முறை சமர்ப்பிப்பு, 30 நிமிடங்களில் 7 PR-ஐ முடிக்கவும், மேலும் அந்த நாளில் 3 வாடிக்கையாளர் கூட்டங்களை நடத்தவும், எடிட்டரை ஒருபோதும் திறக்கவில்லை.
இது 2026 ஆம் ஆண்டின் ஜனவரியில் உண்மையாக நடந்தது. ஆசிரியர் முழு அமைப்பின் கட்டமைப்பு, வேலைப்பாடு, குறியீட்டு கட்டமைப்புகளை வெளிப்படுத்தியுள்ளார், இதைப் பார்த்த பிறகு இந்த யோசனை கற்றுக்கொள்ள மிகவும் மதிப்புமிக்கதாக இருக்கிறது என்று நினைத்தேன், எனவே இதை இந்த கட்டுரையாக ஒழுங்குபடுத்தி உங்களுடன் பகிர்கிறேன்.
நீங்கள் Codex அல்லது Claude Code ஐப் பயன்படுத்துகிறீர்களா, அல்லது OpenClaw-க்கு ஆர்வமுள்ளவரா, இந்த கட்டுரை உங்களுக்கு பல ஊக்கங்களை வழங்கும்.
ஒரு மனிதன், ஒரு நாளில் 94 முறை குறியீட்டு சமர்ப்பிப்பு
முதலில் சில தரவுகளைப் பார்ப்போம், இந்த அமைப்பின் சக்தியை உணருங்கள்:
- ஒரே நாளில் அதிகபட்சம் 94 முறை சமர்ப்பிப்பு (சராசரி நாளுக்கு 50 முறை சமர்ப்பிப்பு)
- 30 நிமிடங்களில் 7 PR-ஐ முடிக்கவும்
- யோசனை முதல் வெளியீட்டிற்கான வேகம் "நாளே வாடிக்கையாளர் தேவையை வழங்கலாம்" என்ற அளவிற்கு வேகமாக உள்ளது
செலவுகள் என்ன? மாதத்திற்கு $190 (Claude $100 + Codex $90), புதியவர்களுக்கு $20-ல் தொடங்கலாம்.
நீங்கள் கேட்கலாம்: இது ஒரு குழு AI கருவிகளை சேர்த்து, பின்னர் குப்பை குறியீட்டை உருவாக்குகிறதா?
அல்லது. ஆசிரியரின் Git வரலாறு "ஒரு டெவலப்பர் குழுவை அணுகுமுறை" போலத் தெரிகிறது, ஆனால் உண்மையில் அவர் ஒருவரே. முக்கிய மாற்றம்: அவர் "Claude Code ஐ நிர்வகிக்க" இருந்து "ஒரு AI முகவரை நிர்வகிக்க" மாறினார், அந்த முகவர் பிற Claude Code-ஐ நிர்வகிக்கிறது.
- ஜனவரி மாதத்திற்கு முன்: Codex அல்லது Claude Code ஐ நேரடியாகப் பயன்படுத்தி குறியீடு எழுதுதல்
- ஜனவரி மாதத்திற்கு பிறகு: OpenClaw ஐ ஒழுங்குபடுத்தும் அடிப்படையாகப் பயன்படுத்தி, Codex/Claude Code/Gemini ஐ ஒழுங்குபடுத்துங்கள்
ஏன் Codex மற்றும் Claude Code தனியாகப் பயன்படுத்துவது போதுமானது இல்லை?
இந்த நேரத்தில், நீங்கள் நினைக்கலாம்: Codex மற்றும் Claude Code ஏற்கனவே மிகவும் வலிமையானவை, ஏன் இன்னும் ஒரு அடுக்கு ஒழுங்குபடுத்த வேண்டும்?
ஆசிரியர் வழங்கும் பதில் மிகவும் நேரடியாக உள்ளது: Codex மற்றும் Claude Code உங்கள் வணிகத்தைப் பற்றி 거의 எதுவும் அறியவில்லை. அவை குறியீட்டை மட்டும் காண்கின்றன, முழுமையான வணிகக் காட்சியைப் பார்க்க முடியாது.
இங்கு ஒரு அடிப்படையான கட்டுப்பாடு உள்ளது: சூழல் ஜன்னல் நிலையானது, நீங்கள் இரண்டு தேர்வுகளில் ஒன்றை மட்டும் தேர்வு செய்ய வேண்டும்.
நீங்கள் என்னை உள்ளே நுழைக்க வேண்டும் என்பதைத் தேர்வு செய்ய வேண்டும்:
- குறியீடு நிரம்பியிருக்க வேண்டும் → வணிக சூழலை வைக்க இடம் இல்லை
- வாடிக்கையாளர் வரலாறு நிரம்பியிருக்க வேண்டும் → குறியீட்டு நூலகத்தை வைக்க இடம் இல்லை
- இது எந்த வாடிக்கையாளர் தேவைக்காக இந்த செயல்பாடு உருவாக்கப்பட்டது என்பதை அறியவில்லை
- இது முந்தைய ஒத்த தேவைகள் ஏன் தோல்வியடைந்தன என்பதை அறியவில்லை
- இது உங்கள் தயாரிப்பு நிலை மற்றும் வடிவமைப்பு கோட்பாடுகளைப் பற்றி அறியவில்லை
- இது தற்போதைய குறியீடு மற்றும் உங்கள் prompt அடிப்படையில் மட்டுமே வேலை செய்ய முடியும்
இது ஒழுங்குபடுத்தும் அடிப்படையாக செயல்படுகிறது, நீங்கள் மற்றும் அனைத்து AI கருவிகள் இடையே உள்ளது. இதன் பங்கு:
- அனைத்து வணிக சூழலைக் கையாளுதல் (வாடிக்கையாளர் தரவுகள், கூட்டம் பதிவுகள், வரலாற்று முடிவுகள், வெற்றி/தோல்வி எடுத்துக்காட்டுகள்)
- வணிக சூழலை துல்லியமான prompt ஆக மொழிபெயர்க்கவும், குறிப்பிட்ட முகவரிக்கு வழங்கவும்
- இந்த முகவரிகள் தங்கள் திறமையான விஷயங்களைச் செய்ய கவனம் செலுத்த அனுமதிக்கவும்: குறியீடு எழுதுதல்
- Codex/Claude Code = தொழில்முறை சமையல்காரர், உணவுகளை மட்டுமே செய்கிறது
- OpenClaw = தலைமை சமையல்காரர், வாடிக்கையாளர்களின் சுவை, உணவுப் பொருட்களின் கையிருப்பு, மெனு நிலைமை பற்றி அறிவு, ஒவ்வொரு சமையல்காரருக்கும் துல்லியமான உத்திகளை வழங்குகிறது
இரு அடுக்குகள், ஒவ்வொன்றும் தங்கள் பணி:
OpenClaw（编排层）能做什么？
- Obsidian குறிப்பு உள்ள அனைத்து கூட்டத்தின் பதிவுகளைப் படிக்கவும் (தானாக ஒத்திசைவு)
- உற்பத்தி தரவுத்தளத்தை அணுகவும் (வாசிப்பு உரிமம் மட்டும்) வாடிக்கையாளர் அமைப்புகளைப் பெறவும்
- நிர்வாக API உரிமம் உள்ளது, வாடிக்கையாளர்களுக்கு நேரடியாக பணம் செலுத்தவும் தடைகளை நீக்கவும்
- பணியின் வகை அடிப்படையில் பொருத்தமான முகவரியைத் தேர்ந்தெடுக்கவும்
- அனைத்து முகவரிகளின் முன்னேற்றத்தை கண்காணிக்கவும், தோல்வியுற்றால் காரணத்தைப் பகுப்பாய்வு செய்து prompt-ஐ மீண்டும் முயற்சிக்கவும்
- முடிந்தவுடன் Telegram மூலம் ஆசிரியரை அறிவிக்கவும்
Agent（执行层）能做什么？
- குறியீட்டு நூலகத்தைப் படிக்கவும் எழுதவும்
- சோதனை மற்றும் கட்டமைப்புகளை இயக்கவும்
- குறியீட்டை சமர்ப்பிக்கவும் மற்றும் PR உருவாக்கவும்
- குறியீட்டு மதிப்பீட்டின் பின்னூட்டங்களுக்கு பதிலளிக்கவும்
இந்த வடிவமைப்பு மிகவும் புத்திசாலித்தனமானது: பாதுகாப்பு எல்லைகள் தெளிவாக உள்ளன, மேலும் திறனை உறுதி செய்கிறது.
முழுமையான வேலைப்போக்கு: வாடிக்கையாளர் தேவையிலிருந்து PR இணைப்பிற்கான 8 படிகள்
இப்போது மையப் பகுதியில் நுழைக. ஆசிரியரின் கடந்த வாரத்தின் ஒரு உண்மையான எடுத்துக்காட்டைப் பயன்படுத்தி, முழுமையான செயல்முறையை உங்களுக்குக் காட்டுகிறேன்.
பின்னணி: ஒரு நிறுவன வாடிக்கையாளர் தொலைபேசியில் அழைத்தார், அவர்கள் தங்கள் ஏற்கனவே அமைக்கப்பட்ட அமைப்புகளை மீண்டும் பயன்படுத்த விரும்புகிறார்கள், குழுவில் பகிரவும்.
第 1 步：客户需求 → OpenClaw 理解并拆解
அழைப்பு முடிந்த பிறகு, ஆசிரியர் மற்றும் Zoe (அவரின் OpenClaw) இந்த தேவையைப் பற்றி பேசினர்.
இங்கு உள்ள அதிசயம்: பூஜ்ய விளக்கம் செலவுகள். ஏனெனில் அனைத்து கூட்டத்தின் பதிவுகள் தானாகவே Obsidian-க்கு ஒத்திசைக்கப்படுகின்றன, Zoe அழைப்பின் உள்ளடக்கத்தைப் படித்துள்ளார், வாடிக்கையாளர் யார், அவர்களின் வணிக சூழ்நிலை, தற்போதைய அமைப்பு என்ன என்பதைப் புரிந்துள்ளார்.
ஆசிரியர் மற்றும் Zoe இணைந்து தேவையைப் பிரிக்கிறார்கள்: ஒரு மாதிரி அமைப்பை உருவாக்கவும், பயனர்கள் தற்போதைய அமைப்புகளைச் சேமிக்கவும் திருத்தவும்.
பிறகு Zoe மூன்று விஷயங்களைச் செய்தார்:
- வாடிக்கையாளருக்கு பணம் செலுத்தவும் — நிர்வாக API-ஐப் பயன்படுத்தி உடனடியாக வாடிக்கையாளர் பயன்பாட்டின் கட்டுப்பாட்டை நீக்கவும்
- வாடிக்கையாளர் அமைப்புகளைப் பெறவும் — உற்பத்தி தரவுத்தளத்திலிருந்து (வாசிப்பு மட்டும்) வாடிக்கையாளரின் தற்போதைய அமைப்புகளைப் பெறவும்
- prompt உருவாக்கவும் மற்றும் முகவரியைத் தொடங்கவும் — அனைத்து சூழ்நிலைகளை தொகுத்து Codex-க்கு வழங்கவும்
第 2 步：启动代理
Zoe இந்த பணிக்காக உருவாக்கினார்:
- ஒரு தனித்துவமான git worktree (தனிமைப்படுத்தப்பட்ட கிளை சூழல்)
- ஒரு tmux அமர்வு (Agent-ஐ பின்னணி இயக்கத்தில் வைத்திருக்க)
# 创建 worktree + 启动代理 git worktree add ../feat-custom-templates -b feat/custom-templates origin/main cd ../feat-custom-templates && pnpm install
tmux new-session -d -s "codex-templates" \ -c "/Users/elvis/Documents/GitHub/medialyst-worktrees/feat-custom-templates" \ "$HOME/.codex-agent/run-agent.sh templates gpt-5.3-codex high"为什么用 tmux? 因为可以中途干预。
如果 AI 走偏了，不用杀掉重来，直接在 tmux 里发指令：
# 代理方向错了 tmux send-keys -t codex-templates "停一下。先做 API 层,别管 UI。" Enter
代理需要更多上下文
tmux send-keys -t codex-templates "类型定义在 src/types/template.ts,用那个。" Enter同时，任务会被记录到一个 JSON 文件里：{ \முழு செயல்முறை முடிந்ததும், வாடிக்கையாளர் தேவையிலிருந்து குறியீடு வெளியீடு வரை, 1-2 மணி நேரம் மட்டுமே எடுத்துக்கொள்ளலாம், ஆனால் எழுத்தாளர் உண்மையில் 10 நிமிடங்கள் மட்டுமே செலவிட்டிருக்கலாம்.
மூன்று முறைமைகள் அமைப்பை மேலும் புத்திசாலியாக்கும்
முறைமை 1: மேம்படுத்தப்பட்ட ரால்ப் லூப் — மீண்டும் செய்யாமல், கற்றுக்கொள்வது
நீங்கள் ரால்ப் லூப் பற்றி கேட்டிருக்கலாம்: நினைவில் இருந்து சூழலைப் பெறுதல் → வெளியீட்டை உருவாக்குதல் → முடிவுகளை மதிப்பீடு செய்தல் → கற்றல்களை சேமித்தல்.
ஆனால் பெரும்பாலான செயல்பாடுகளில் ஒரு பிரச்சனை உள்ளது: ஒவ்வொரு சுற்றிலும் பயன்படுத்தப்படும் prompt ஒரே மாதிரியானது. கற்றுக்கொண்ட விஷயங்கள் எதிர்கால தேடல்களை மேம்படுத்தினாலும், prompt தானே நிலையானது.
இந்த அமைப்பு மாறுபட்டது.
எப்போது ஏஜெண்ட் தோல்வியுறும், ஜோய் அதே prompt ஐ மீண்டும் தொடங்காது. அவள் முழுமையான வணிக சூழலைக் கொண்டு, தோல்வியின் காரணங்களைப் பகுப்பாய்வு செய்து, பிறகு prompt ஐ மறுபடியும் எழுதுவாள்:
❌ கெட்ட எடுத்துக்காட்டு (நிலையான prompt): { "தனிப்பயன் மாதிரியை செயல்படுத்துங்கள்" }
✅ நல்ல எடுத்துக்காட்டு (சரியான மாற்றம்): { "நிறுத்தவும். வாடிக்கையாளர் X ஐ தேவைப்படுகிறது, Y ஐ அல்ல. இது அவர்கள் கூட்டத்தில் கூறிய சொற்கள்: நாங்கள் தற்போதைய அமைப்புகளைச் சேமிக்க விரும்புகிறோம், புதியதை ஆரம்பிக்க விரும்பவில்லை. முக்கியமாக அமைப்புகளை மீள்பயன்படுத்துங்கள், புதிய செயல்முறைகளை உருவாக்க வேண்டாம்." } ஜோய் இந்த மாற்றங்களைச் செய்ய முடியும், ஏனெனில் அவளுக்கு செயல்பாட்டு அடிப்படையில் ஏஜெண்ட்களுக்கு இல்லாத சூழல் உள்ளது:
- வாடிக்கையாளர் கூட்டத்தில் என்ன சொன்னார்கள்
- அந்த நிறுவனம் என்ன செய்கிறது
- கடந்த முறையிலான ஒத்த தேவைகள் ஏன் தோல்வியுற்றன
- காலை: சென்ட்ரியை ஸ்கேன் செய்கிறது → 4 புதிய பிழைகளை கண்டுபிடிக்கிறது → 4 ஏஜெண்ட்களை ஆராய்ந்து சரிசெய்ய தொடங்குகிறது
- கூட்டத்திற்குப் பிறகு: கூட்டத்தின் பதிவுகளை ஸ்கேன் செய்கிறது → 3 வாடிக்கையாளர்கள் குறிப்பிடும் செயல்பாட்டு தேவைகளை கண்டுபிடிக்கிறது → 3 கோடெக்ஸ்களை தொடங்குகிறது
- இரவு: கிட்டில் உள்ள பதிவுகளை ஸ்கேன் செய்கிறது → கிளோட் கோட் புதுப்பிக்க changelog மற்றும் வாடிக்கையாளர் ஆவணங்களை தொடங்குகிறது
வெற்றியான மாதிரிகள் பதிவு செய்யப்படும்:
- "இந்த prompt அமைப்பு பில்லிங் செயல்பாட்டுக்கு மிகவும் பயனுள்ளதாக உள்ளது"
- "கோடெக்ஸ் வகை வரையறைகளை முன்கூட்டியே பெற வேண்டும்"
- "எப்போதும் சோதனை கோப்பு பாதையை உள்ளடக்க வேண்டும்"
நேரம் அதிகமாகும் போது, ஜோய் எழுதிய prompt மேலும் சிறப்பாக இருக்கும், ஏனெனில் அவள் என்ன வெற்றியடையுமென்று நினைவில் வைத்திருக்கிறாள்.
முறைமை 2: ஏஜெண்ட் தேர்வு உத்திகள் — வெவ்வேறு பணிகளுக்காக வெவ்வேறு நிபுணர்கள்
எல்லா ஏஜெண்ட்களும் ஒரே மாதிரியான வலிமையுடன் இல்லை. எழுத்தாளர் தொகுத்து வழங்கிய தேர்வு உத்திகள்:
- Codex(gpt-5.3-codex) — முதன்மை- பின்னணி தரவியல், சிக்கலான பிழைகள், பல கோப்புகளை மறுசீரமைப்பு, குறியீட்டு நூலகங்களை மையமாகக் கொண்டு உள்ள பணிகள்
- மெதுவாக ஆனால் முழுமையாக
- 90% பணிகளை உள்ளடக்கியது
- Claude Code(claude-opus-4.5) — வேகமான வீரர்- முன்னணி வேலை
- அனுமதி பிரச்சினைகள் குறைவாக, git செயல்பாடுகளுக்கு ஏற்றது
- (எழுத்தாளர் முந்தைய காலங்களில் அதிகமாக பயன்படுத்தினார், ஆனால் Codex 5.3 வந்த பிறகு மாற்றினார்)
- Gemini — வடிவமைப்பாளர்- வடிவமைப்பு அழகியல் உள்ளது
- அழகான UI க்காக, முதலில் ஜெமினி HTML/CSS தரவுகளை உருவாக்க அனுமதிக்கவும், பிறகு கிளோட் கோட் கூறிய அமைப்பு முறைமையில் செயல்படுத்தவும்
- ஜெமினி வடிவமைக்கிறது, கிளோட் கட்டுகிறது
முறைமை 3: தடுப்பு எங்கு உள்ளது? RAM
இங்கே ஒரு எதிர்பாராத வரம்பு உள்ளது: இது token செலவல்ல, API வேகம் அல்ல, ஆனால் நினைவகம்.
ஒவ்வொரு ஏஜெண்டுக்கும் தேவை:
- தன்னுடைய worktree
- தன்னுடைய nodemodules
- கட்டமைப்பு, வகை சோதனை, சோதனை இயக்குதல்
எழுத்தாளரின் மேக் மினி (16GB RAM) அதிகமாக 4-5 ஏஜெண்ட்களை ஒரே நேரத்தில் இயக்க முடியும், அதற்கு மேலாக swap ஆக ஆரம்பிக்கிறது, மேலும் அவை ஒரே நேரத்தில் கட்டமைக்காதது குறித்து பிரார்த்திக்க வேண்டும்.எனவே அவர் ஒரு Mac Studio M4 Max (128GB RAM, $3500) வாங்கினார், மார்ச் மாதத்தின் இறுதியில் வந்தது. அவர் அந்த நேரத்தில் இது மதிப்பீடு செய்யப்படுமா என்பதைப் பகிர்வேன்.\n\n## நீங்கள் உருவாக்கலாம்: பூஜ்யத்திலிருந்து இயக்குவதற்கு 10 நிமிடங்கள் மட்டுமே\n\nஇந்த அமைப்பை முயற்சிக்க விரும்புகிறீர்களா?\n\nஎளிய வழி:\n\nஇந்த முழு கட்டுரையை OpenClaw க்கு நகலெடுத்து, "இந்த கட்டமைப்பின் அடிப்படையில், எனது குறியீட்டு நூலகத்திற்கு ஒரு எஜென்ட் கிளஸ்டர் அமைப்பை செயல்படுத்துங்கள்" என்று சொல்லுங்கள்.\n\nஅப்போது, அது: \n\n- கட்டமைப்பு வடிவமைப்பைப் படிக்கும்\n- ஸ்கிரிப்ட்களை உருவாக்கும்\n- அடைவு அமைப்பை அமைக்கும்\n- cron கண்காணிப்பை கட்டமைக்கும்\n\n10 நிமிடங்களில் முடியும்.\n\nநீங்கள் தயாராக இருக்க வேண்டும்: \n\n- OpenClaw கணக்கு\n- Codex மற்றும்/அல்லது Claude Code இன் API அணுகல்\n- ஒரு git களஞ்சியம்\n- (விருப்பமாக) Obsidian வணிக சூழலைச் சேமிக்க\n\n## 2026: ஒருவரின் மில்லியன் டொலர் நிறுவனம்\n\nஎழுத்தாளர் கட்டுரையின் முடிவில் ஒரு கருத்து கூறுகிறார், இது மிகவும் ஊக்கமளிக்கிறது: \n\n> "2026 இல் இருந்து பல ஒருவரின் மில்லியன் டொலர் நிறுவனங்கள் தோன்றும். லீவரேஜ் மிகப்பெரியது, இது திருப்பமாக சுய மேம்பாட்டு AI அமைப்புகளை உருவாக்குவது எப்படி என்பதைப் புரிந்தவர்கள் உடையது."\nஇது இதற்கேற்ப உள்ளது: \n\n- ஒரு AI ஒழுங்குபடுத்துபவர் உங்கள் நீட்டிப்பு (எழுத்தாளர் போல Zoe)\n- வேலைகளை குறிப்பிட்ட எஜென்ட்களுக்கு ஒப்படைக்கவும், வெவ்வேறு வணிக செயல்பாடுகளை கையாளவும்\n- பொறியியல், வாடிக்கையாளர் ஆதரவு, செயல்பாடு, சந்தைப்படுத்தல்\n- ஒவ்வொரு எஜென்ட் அதில் சிறந்ததை கவனிக்கிறது\n- நீங்கள் கவனம் செலுத்துகிறீர்கள் மற்றும் முழுமையாக கட்டுப்பாட்டில் இருக்கிறீர்கள்\n\nஅடுத்த தலைமுறை தொடக்கதாரர்கள் 10 பேரை வேலைக்கு எடுக்க மாட்டார்கள், ஒரு நபர் மற்றும் ஒரு அமைப்பால் செய்யக்கூடியதைச் செய்ய. அவர்கள் இதைப் போல கட்டமைப்பார்கள் - சிறிய அளவில் இருக்கவும், விரைவாக செயல்படவும், தினமும் வெளியிடவும்.\n\nஇப்போது AI உருவாக்கும் குப்பை உள்ளடக்கம் மிகவும் அதிகமாக உள்ளது. பல்வேறு பரப்புரை, பல்வேறு "பணியாளர் கட்டுப்பாட்டு மையம்" க்கான அழகான டெமோ, ஆனால் உண்மையில் பயனுள்ள எதுவும் இல்லை.\n\nஎழுத்தாளர் எதிர்மறையான விஷயங்களைச் செய்ய விரும்புகிறார்: குறைவான பரப்புரை, உண்மையான கட்டுமான செயல்முறையைப் பதிவு செய்யவும். உண்மையான வாடிக்கையாளர்கள், உண்மையான வருமானம், உண்மையான வெளியீடுகள், உண்மையான தோல்விகள்.\n\nஇந்த கட்டுரை இங்கு முடிகிறது.\n\nமுக்கிய அம்சங்களை மீட்டமை: \n\n- இரட்டை அடிப்படைக் கட்டமைப்பு: ஒழுங்குபடுத்தும் அடுக்கு வணிக சூழலைக் கொண்டுள்ளது, செயல்படுத்தும் அடுக்கு குறியீட்டில் கவனம் செலுத்துகிறது\n- முழுமையான தானியங்கி: தேவையிலிருந்து PR வரை 8 படி செயல்முறை, பெரும்பாலான பணிகள் ஒரே முறையில் வெற்றியடைகின்றன\n- இயக்கவியல் கற்றல்: மீண்டும் செயல்படுத்துவதில்லை, ஆனால் தோல்வியின் காரணங்களை அடிப்படையாகக் கொண்டு உத்திகளை மாற்றுகிறது\n- செலவுகள் கட்டுப்பாட்டில்: ஆரம்பம் $20/மாதம், அதிகமாக பயன்படுத்த $190/மாதம்\n\nநீங்கள் AI தானியக்கத்தின் நடைமுறை பயன்பாட்டைப் ஆராய்ந்து கொண்டிருந்தால், இந்த எடுத்துக்காட்டு உங்களுக்கு சில ஊக்கங்களை வழங்கும் என்று நம்புகிறேன்.\n\nகுறிப்பு முகவரி:[[HTMLPLACEHOLDER_0]]
