make claude (@make_claude)
@make_claude
0 正在关注 0 粉丝
有人刚刚开源了一个方法，可以完全免费使用 Claude Code。永久免费。
一个 GitHub 仓库，把你所有的请求转发到 49 个免费供应商 - DeepSeek、Kimi 等等。不需要 API 密钥。不需要订阅。零花费。
每月 13 亿免费 token。不是试用。不是促销。永久免费。
46,000+ star，还在疯狂增长。数千开发者已经放弃了付费订阅。
5 分钟搞定，你再也不用为 Claude Code 花一分钱。
Anthropic 正在眼睁睁看着这一切爆发，而他们无能为力。
显示更多
我做了一个 WEB CRAWLER，它会尽量避免在没有必要的时候调用大模型。
视频里可以看到，这个 bot 会沿着网站不断爬取，打开新的分支，然后逐渐缩小搜索范围。对我来说，真正有意思的并不是 crawler 本身，而是每一步之间发生的事情。我把 Jev 放进了处理这些小决策的那一层，这样就不用把每一次新的跳转、每一条链接、每一个不确定的判断都直接交给 Claude。
最后形成的逻辑其实很简单：web crawler 在网络里不断移动，Jev 帮它判断接下来到底值不值得继续往某个方向走，而大模型只会在真正需要完整上下文和 reasoning 的地方介入。短距离搜索时，这种区别几乎感觉不到。但当 crawler 开始执行几百次跳转以后，你就会很清楚地看到，把强大的 LLM 当成一个通用 if 来使用到底有多贵。
也正是做完这种实验以后，我开始用不同的方式看 AI stack。有时候，系统真正的改进并不是再加一个新模型，而是把原来的模型从那些你自己曾经随手塞进去的位置里拿掉一半。
我在文章里把这个思路讲得更详细。先看视频，再去读那篇文章，你会更容易理解为什么这种中间层是有意义的。
如果你也在做 Agent 或 web crawler，可以先把这条存下来。如果你的 pipeline 现在每走两步就要调用一次 Claude，那就把这条发给设计这个 pipeline 的人。
显示更多
