一位开发者详细分享了其使用AI编程助手(推测为Claude 3.5 Sonnet/Opus等模型)进行高强度项目开发的实战经验。尽管平台提供了20倍额度的试用优惠,但该用户发现额度消耗极快,原本5小时的额度仅在一两个小时内即耗尽,导致普通Plus用户甚至难以完成方案的详细规划。文中描述了一套从零开始或重构老项目的“重度”工作流:首先在本地进行详细规划与可行性分析,通过多轮对话压缩方案;随后将定稿方案交由Web端的高级模型(文中提及“5.5-pro”)审查,并结合GitHub项目绑定进行代码分析;确定无误后,编写Plan并利用Goal功能驱动多轮任务执行,每轮任务均进行审计并回填计划,以防止方案漂移。该流程未限制子代理的使用,允许模型自主调用工具。然而,用户指出,虽然这种模式效果显著,但存在严重的资源浪费问题。特别是在涉及前端视觉项目时,模型倾向于通过“调用浏览器截图并读取截图”的方式进行调试,这种方式不仅极消耗Token,且调试效果往往较差,需要人工干预修改约束条件。最终,该用户表示在使用了两天后,账户因违反使用策略被封禁,目前申诉尚未得到回复。
事件分析
💡 核心观点:高额Token消耗与账号风控封禁是AI Agent迈向全自主编程的现实瓶颈,未来混合架构与本地推理能力将成为破局关键。
原文链接:Linux.do







AI周刊:大模型、智能体与产业动态追踪