与「限流」相关的搜索结果

将多家 Claude Code 编程套餐的 Token Plan、Coding Plan、API 额度合并为一个虚拟 Plan，按顺序或轮询调度，限流与失败自动切换，充分利用每一份额度。

OpenCode Go 看起来上面的 DeepSeek 不是自托管模型，而是买的官方 API。 下午碰到了 429，OpenCode 在 DeepSeek 那边的并发达到了 500 被限流了。 那用满的话还蛮赚的。

Codex 的 /goal 没有设置 turn 上限，也就是说，只要它认为目标没完成，除非把你的账号干到限流，不然不会停下来。 很多人根本不知道如何给 AI 设定目标，使用 /goal 和输入单条 prompt 几乎无区别。 例如，“把代码优化一下”，“提升系统性能”，“接口设计优雅一些”，这种目标是无法驱动 AI 持续工作的，既没有明确产物，也没有验收标准。 又比如，“网页改版，改的更好看”，“产品交互体验太差了，打磨一下”，这种目标最大的问题是“更好”本身没有可度量的指标，模型只能往各种可能性上反复尝试，要么提前结束，要么疯狂优化，无限烧 token。 好的目标 = 交付物 + 验收标准 + 约束条件 举个例子：“把登录接口优化一下” 可以改成：“重写登录接口逻辑，提交 PR，并确保在 100 并发下 P95 latency ≤ 120ms，所有现有测试通过，且不引入新的依赖” 在制定目标的时候，也无需吝啬 prompt： 从定义 /goal 的过程中，也能看出定义问题的水平。好的问题，可以调度更多的算力去解决更复杂的问题。

另外OpenCode Go 的另一大优势是速度比较稳定，不能说最快，但是很稳定。 国内的Coding plan和kimi之类的，速度很不稳定还老限流。 奶多了，这个优势估计不好说。

有个场景需要极快的推理速度，于是订阅了一个月 stepfun的coding plan。 正好codex限流就放到 Hermes Agent 里试了试。 结论：不太好，还是别用了。 这各种前言不搭后语，梦回2025。

为了让交付更快、更稳，我通常会先和 AI 一起把需求的整体设计讨论清楚，包括前端交互设计、后端 MVC 结构、代码逻辑抽象、组件复用、开放模块设计、稳定性设计，以及架构和工程层面的优化。 一轮讨论结束之后，AI 通常会生成 3～5 个文件，对应不同维度的项目变更设计文档。 接下来，就会让 AI 根据项目复杂度选择合适的模型配置，同时开启多个进程跑 CLI，或者拉起多个子 Agent 一起干活。 这个模式的效率确实很高，不过带来的最大问题只有一个：钱不够烧。 我在 Codex 上买了两个账号轮着用，Github Copilot 也买了两个账号。用了一段时间之后发现，Codex 的 token 限额算是最亲民的，5 小时窗口 + 周限额窗口。周限额有时候看起来还挺随机，昨天还显示要等一周才能恢复，结果第二天一看，额度已经恢复到 100%。 Github Copilot 刚开始没有太注意，它其实是按照 Request 来限流的。有一次为了调一个细节，一晚上来回聊了很多次，直接把月额度干没了。后来慢慢摸索出一个用法：专门让 Copilot 处理大的需求，一个 Request 里塞进去好几个复杂任务，反而会觉得“真香”。 Google One 的 Family 方案其实也很香，用 Antigravity Tools 做反代就能跑。不过最近封号有点猛，现在基本不太敢用了。 当所有账号都被干到限流之后，也试过用国内的一些模型，比如 Kimi-k2.5、GLM-5。做一些常规的小需求其实问题不大，一旦遇到复杂问题，就很容易陷入无限递归循环： 排查 → 修复 → 没改好 → 继续排查。 这个时候就会特别怀念 Codex-5.3-xhigh 和 Claude-Opus-4.6。 另外，这几天刚出来的 Codex 5.4 表现更明显，之前需要排查好几轮才能解决的问题，它经常一把就能过。

我用了几十分钟时间，把之前写过的 6000 多条推文，全部塞给了 Claude Code，让它帮我总结出我的人格。 看完它输出的东西之后，我感觉 AI 才是这个世界上最懂我的人... 产出的分析，涉及到了我的投资观念、写作风格、市场观点、过往的经历，甚至还涵盖了我的三观、对于整个世界运作的认知。 过去两年我脑子里的所有想法，都被汇总到了一个 markdown 文件中，成为了我的人格画像。 我看完之后，只能说 AI 比我自己还要更懂我。 简单放几张图大家感受一下，拿到真实数据后的 AI 有多么恐怖... 等之后有时间，我再把我之前的所有视频稿都塞给 Claude Code，感觉还会更夸张。 为什么我突然想到做这件事？ 之前用 OpenClaw 搭了一个 Agent，用了一段时间后发现小毛病不断，要么日报卡住发不过来，要么 API 限流，要么 Token 浪费太多。 我静下来仔细想了想，我是否真的需要使用 OpenClaw 去搭一个 Agent？ 我目前的需求只是需要 Agent 帮我汇总一下市场信息，盯一下美股和比特币的抄底信号，以及能够个性化地辅助我创作内容。 只需要一个 Agent 助手就可以搞定，似乎用不着大动干戈，搞一个 OpenClaw 来做这件事。 我完全可以用 Claude Code 自定义一个专属于我的 Agent，我直接在 Agent 项目文件下就可以知道这个 Agent 的所有细节。 搭建过程真的太简单了。 数据是现成的，我过去两三年积累了几千条推文，输出了非常多自己的观点和思考。 剩余的 Agent 项目搭建操作，全程交给 Claude Code 完成，我只需要做最后的验收，然后根据 Agent 产出的效果，不断反馈优化。 搭完之后，我忽然意识到这一两年做自媒体最大的价值什么，原来是沉淀了上百万字的想法/观点/思考/踩坑经历。 等到 2026 年 Agent 彻底爆发的这一刻，这些数据全部派上了用场，让我能在几十分钟时间内，搭一个真正懂我的数字分身，这才是真正的生产力啊。 慢慢所有人都会意识到，沉淀下来的每一段文字、每一个观点、每一个想法、每一次真实的经历，都是在训练自己的数字分身，都是你在 AI 时代下最珍贵的数字资产。