v2ex_hot_2026-04-29

V2EX 热门帖子

1. VS Code ACP Client 扩展：连上 Claude, Gemini, Codex, OpenCode, Qwen Code 等 AI Agent

前段时间，我用 Tauri 写了个跨平台的 ACP UI ，支持 Windows ，macOS (ARM/Intel) 和 Linux (x64/ARM64)：

https://github.com/formulahendry/acp-ui

根据 ACP 的协议，推荐 ACP Client 最好要实现 Terminals 和 File System 的 API 。

我就在想，Terminals 和 File System 肯定是 VS Code 的强项啊！而且 VS Code 也 expose 了相关的 extension API 。特别是 Terminals API ，目前 ACP UI 还没支持，如果能站在巨人的肩膀上，那就很香啦~

于是，这周末，我又写了 VS Code 的 ACP Client extension：

https://marketplace.visualstudio.com/items?itemName=formulahendry.acp-client

基本的核心功能都有：

Multi-Agent Support

Single-Agent Focus

Interactive Chat

Mode & Model Picker

File System Integration

Terminal Execution

Permission Management

Protocol Traffic Logging

默认支持连接 GitHub Copilot 、Claude Code 、Gemini CLI 、Qwen Code 、OpenCode 、Codex CLI 、Qoder CLI 和 Auggie CLI 。当然也可以另外配置。

代码也完全开源：

https://github.com/formulahendry/vscode-acp

欢迎围观交流~

_{作者: formulahendry | 发布时间: 2026-02-09 00:13}

2. 第五次重装 hermes, 有些经验希望给准备用的人参考一下.

4 月初的时候我搞了个小龙虾, 结果这家伙经常死机, 用起来很累.

后来 hermes 出来的时候,我开始试用, 感觉比龙虾好用好多, 最起码看起来算个能干活的, 中间几次版本迭代更新,以及试用各种本地模型, 来回折腾重装了很多次, 最终决定还是长期使用它, 有了这个定论之后, 开始大规模的下载大模型到本地电脑一个专门的文件夹, 然后复制到 omlx 的 models 文件下并随时启用测试.

另外还安装感觉目前最好用的 webui: https://github.com/EKKOLearnAI/hermes-web-ui/blob/main/README_zh.md

以及这几天刚出来的自我进化 skill: https://github.com/NousResearch/hermes-agent-self-evolution

同时参考了这个:https://github.com/0xNyk/awesome-hermes-agent 以及 x 上几个博主, 跟进下最新进展以便随时跟进.

目前 32G 内存 air, 我试过最大可以勉强跑 qwen3.6-35B 的 4bit 量化版本,还有 Gemma4-26B,输出速度很慢但我经常在睡觉前扔给它一个任务, 睡醒了基本上都可以执行完毕, 虽然不随心应手, 但勉强能用.

为了不让 Mac 崩溃, 我还让 Hermas 设置了一个自动监控任务, 一旦内存占用超过危险的可能导致系统崩溃并重启的 92%,立刻降低推理和演算速度, 确保系统不崩溃, 这个任务设置后,效果非常明显.

我用了一个风扇对着 Macbook air 吹, 降温效果明显, 在上述自动内存监控任务启动后, 高温的机会也少了好多.

感觉瓶颈最终还是硬件, 在 M5 Mini Mac 没上市前, 还是先保持跟进吧.

_{作者: Hermitist | 发布时间: 2026-04-28 21:01}

3. Xiaomi MiMo Token 激励计划

邀请你参加 Xiaomi MiMo Orbit 百万亿 Token 创造者激励计划，100T Credits 面向全球用户限时发放中… https://100t.xiaomimimo.com/

创造者百万亿 Token 激励计划
Xiaomi MiMo 将面向全球 AI 用户进行免费 Token 发放，我们将在 30 天内发放总计 100 万亿（ 100T ） Token 权益，赠完即止。
活动时间：北京时间 2026 年 4 月 28 日 00:00 至 5 月 28 日 00:00
参与地址：100t.xiaomimimo.com

_{作者: leave8080 | 发布时间: 2026-04-28 01:44}

4. 用 antirez 的 llama.cpp fork 把 DeepSeek v4 Flash 在本地跑起来了

https://github.com/antirez/llama.cpp-deepseek-v4-flash

_{作者: Livid | 发布时间: 2026-04-27 17:53}

5. 既然现在 ai coding 都改成按量计费了，用 opencode+apikey 是否更省钱？

如题，有没有大佬研究过。

cursor / windsurf / copilot 都是按量计费了，价格上还有优势吗？

用 opencode 至少省去了一个 agent 工具的费用，理论上是不是更便宜点

_{作者: guichen | 发布时间: 2026-04-28 12:26}

6. 兄弟们平常都用什么浏览器？

Chrome 这几天突然变得好卡，不知道咋回事

_{作者: Lantang | 发布时间: 2026-04-28 01:44}

7. 能一起给本地部署的开源模型做个适配的 coding agent 吗？我憋了口气

我做了一个专门为本地开源模型优化的 Coding Agent ，希望更多华人开发者一起来搞

本贴发布的目的不是推产品，不是炫技，而是想扬眉吐气——和华人开发者一起，和开源模型本地部署开发者一起，做一件我们自己的事。

一、我遇到了什么问题
去年开始用本地模型做编程辅助。原因很简单：公司代码不能传到海外服务器，Claude Code 和 Cursor 走不通。

但更大的问题是：中国开发者根本没有一个好用的本地 coding agent 平台。

CC 需要翻墙，还要订阅。Cursor 同样。Codex 刚出来也是海外服务。Hermes 这类开源工具不支持 Windows 原生运行，要装 WSL2 ，劝退了大多数国内开发者。最后大家的选择是：要么翻墙凑合用，要么忍着不用。

这是一个真实存在的空缺，没有人填。

本地跑 qwen3:8b ，然后发现问题一个接一个：

🔴 无限循环，像卡带一样

这是本地小模型最让人抓狂的问题。遇到它不会处理的场景，它不会说”我不知道”，而是开始重复——同一句话说三遍，同一个错误的修改建议循环出现，同一段代码反复生成。整个任务卡死，只能手动强制退出。这不是偶发现象，是小模型在推理能力不足时的典型崩溃模式。

🔴 修 bug 反复踩同一个坑

让它修一个函数，第一次失败，第二次用完全一样的方式再试，第三次依然。三次机会全浪费在同一个错误上，什么都没推进。

🔴 模型能力本身就弱于 API 模型

这是无法回避的现实。8B 、14B 的参数量，推理能力和 Claude Opus 、GPT-4 差距明显。让一个 8B 模型扛下一个复杂任务的全部推理，成功率很低，这不是哪个工具的问题，是模型本身的边界。

🔴 找不到要改的文件

项目大了之后，模型根本不知道要改哪个文件。让它找 bug ，它要么猜错，要么说”我需要看更多代码”，然后把整个项目塞进 context ，然后 context 又爆了。

🔴 对话几轮就开始遗忘

8B 模型 context 窗口只有 8K ，对话多了就满了，模型开始给出驴唇不对马嘴的回答。

这些问题叠在一起，用本地模型做开发辅助的体验极差。

所以我想自己做一个产品来跑。有人就会说：为什么不直接用 ollama + cc ？还友情指导我命令。

哎。

大厂的产品只会为它的商业模式服务。ollama 放弃了参数微调来换取稳定，lm 让开发者纠结什么是最优，CC/Codex/Cursor 都是卖 token ，没有人会真的认真想本地部署缺什么，需要优化什么，记忆怎么优化，上下文怎么压缩，小参数怎么辅助。

但我人微言轻，所以我做了个 MVP 想抛砖引玉。我们可以一起把要优化的都优化了，打造我们自己的产品。

有人也说，我能力不够。

那我的思路是：不够就做整合，够了就做突破。

所以我做了 KWCode ，不是为了商业化，MIT 任何人都能拿走，只希望哪个感兴趣的大神，愿意和我或者和所有开发者一起把它实现并开源，给所有被本地部署膈应的宝子们。

二、我用了哪些思路
思路一：MoE 架构——让 LLM 只做它擅长的那一步
这是 KWCode 最核心的设计决策，也是解决上面所有问题的根本思路。

传统 coding agent 的架构是：一个 LLM 扛全部 ——理解需求、定位代码、生成修改、验证结果，全让同一个模型做。强模型能扛，小模型扛不住，然后就开始循环、幻觉、乱说。

KWCode 用的是 MoE （ Mixture of Experts ）架构 ：把任务切碎，每个专家只做一件事，LLM 只负责 Gate 分类和内容生成，其他步骤能不调 LLM 就不调。
用户输入
  └─► Gate （ LLM 做一次分类，判断任务类型）
        └─► Locator （ BM25 + 调用图，不调 LLM ，毫秒级定位文件和函数）
              └─► Generator （ LLM 只写需要修改的那几行代码）
                    └─► Verifier （自动跑语法检查 + pytest ，不调 LLM ）
                          └─► SearchAugmentor （两次失败后自动搜索）
LLM 在这条流水线里的任务被压到了最小：Gate 做一次分类，Generator 生成几行代码。定位文件、验证结果这两件最耗推理能力的事，完全不让 LLM 做。

参考：Agentless 论文（ ICSE 2025 ）——确定性流水线在 SWE-bench 上同时达到最高通过率和最低成本，优于让 LLM 自主决策的复杂 agent 。原因很简单：每一步 scope 极小，小模型在小 scope 里表现稳定。

思路二：用调用图定位代码，不靠 LLM 猜
代码定位是小模型最容易失败的步骤，把它从 LLM 手里拿走，换成确定性算法。

CodeCompass （ arXiv:2602.20048 ，2026 年）做了 258 次实验，发现了一个关键结论：

真实项目里，很多 bug 的根因文件名和错误描述毫无关联，只能通过调用链追踪才能找到。对这类”隐藏依赖”任务，BM25 关键词搜索准确率只有 **76.2%**，而图遍历达到 **99.4%**，差了 23 个百分点。

KWCode 的两阶段检索：

BM25 关键词召回 （毫秒级，不调 LLM ）：从代码库所有函数/类中，快速召回 top-20 候选

AST 调用图展开 （毫秒级，不调 LLM ）：对每个候选函数，沿调用图向上向下各展开 2 跳，发现隐藏依赖

整个过程不调 LLM ，SQLite 持久化调用图，重启不重建。

技术栈：tree-sitter + rank-bm25 + SQLite。不需要 Neo4j ，不需要 embedding 模型，不需要额外 Docker 。

思路三：打破循环——失败时强制换策略
针对”反复踩同一个坑”和”无限循环”这两个问题：

反无限循环 ：MAX_RETRIES 硬编码为 3 ，没有任何路径能绕过。同时检测连续两次生成完全相同的 patch ，直接跳过不重试，告诉用户”模型卡住了，建议缩小任务范围”。

反重复失败 ：三次重试强制用三种不同的问题表述：

第几次策略

第一次正常描述需求

第二次从错误信息出发：”直接修复这个报错，不要解释”

第三次最小化修改：”只改这一个函数，其他代码一行不动”

第一次失败后先做 Reflection ：让 LLM 一句话分析上次失败的原因，然后把这个分析注入下次的 prompt 。不是让模型自由发挥，是强制它先诊断再修。

思路四：专家飞轮，越用越懂你的项目

参考：EE-MCP （ NeurIPS 2025 ）——从任务执行轨迹自动提取经验，验证可显著提升后续同类任务成功率。

KWCode 预置了 15 个专家（ BugFix 、TestGen 、SpringBoot 、FastAPI 等），每个专家有独立的 system prompt 。

同类任务成功 5 次之后，飞轮自动分析轨迹，生成新专家，经过三道验证门 后投产：

回测门 ：新专家成功率必须 ≥ 原流水线

AB 测试门 ：10 次真实对比，提升超过 10% 才投产

生命周期 ：new → mature → declining → archived ，自动淘汰变差的专家

专家可以导出成 .kwx 文件，kwcode expert install URL 一行安装别人分享的专家。

思路五：模型能力自适应
CC 不需要考虑这个，因为它只用一个模型。KWCode 需要。

自动检测当前模型的参数量，然后应用不同策略：

模型规模自动策略

< 10B （ qwen3:8b ）强制计划确认 · 任务范围限 2 个文件 · 第 1 次失败触发搜索

10-30B （ qwen3:14b ）可选计划 · 4 个文件范围 · 第 2 次失败触发搜索

30B （ qwen3:72b ） | 宽松策略 · 8 个文件 · 自动处理复杂任务

切换模型，策略自动切换。

三、现在做了什么
核心功能跑通了。282/282 单元测试通过，E2E 验收通过率 87%（ 26/30 ，4 个失败是模型能力边界，不是框架问题）。

代码能力

BM25 + AST 调用图两阶段定位，G3 隐藏依赖准确率 99.4%（论文验证）

三阶段重试 + Reflection ，不重复同样的错

专家飞轮三道门（轨迹 → 模式 → AB 测试 → 投产）

15 个预置专家（通用 + SpringBoot / MyBatis / FastAPI / UniApp 等）

Office 文档生成（ Excel / PPT / Word ，有样式不是白底）

工程能力

KWCODE.md 项目规则文件，按任务类型分段注入，永远不忘

/plan 计划模式 + 风险评估（ High/Medium/Low ，基于历史失败记录）

Checkpoint 文件快照，失败一键还原

非代码文件读取（ PDF / Word / Markdown ，BM25 段落匹配注入）

搜索增强（ SearXNG 自部署 + DDG fallback ，四级内容提取）

体验

Windows cmd/PowerShell 原生支持，不需要 WSL2

首次引导（ API 配置 + 连通性验证）

执行过程只显示 spinner ，完成后输出用户可读的结果摘要

支持任何 OpenAI 兼容 API （本地 Ollama / DeepSeek / 硅基流动等）

四、还差什么
说实话，有些地方还挺粗糙的：

AST 调用图目前只完整支持 Python ，其他语言调用图准确率还没有充分验证

专家飞轮的 Gate 2 回测逻辑偏简单，还不够严格

Windows 上的各种边界情况（ AMD 显卡、部分 Ollama 版本兼容性、中文路径）没有充分测试

钉钉/飞书 webhook 没做，手机发消息触发 agent 这个场景设计了但没实现

没有 IDE 插件，目前只有 CLI

Prompt Optimizer （用 Opus API 自动迭代优化专家 prompt ）只做了框架，没有跑起来

五、为什么想让更多人一起做
我一个人做这个工具有明显的上限，不是技术上的上限，是视野上的上限。

我自己主要用 Python 和 FastAPI ，所以这方面想得细。但我不知道每天写 Spring Boot 的人最痛的点在哪，不知道搞 Rust 的人在本地模型上遇到什么问题，不知道做小程序的人需要什么。

更重要的是，这件事不应该只是一个人的工具，应该是中国开发者社区的工具。

CC 是 Anthropic 的，Cursor 是美国公司的，Hermes 是外国社区做的。我们用的工具，我们的使用习惯、技术栈偏好、本地化需求，从来都是别人顺手加进去的功能，不是第一优先级。

我想做的是反过来——把中国开发者的需求放在第一位，把本地开源模型的适配放在第一位，然后把这个工具做到能和大厂产品掰手腕。

这件事一个人做不到，但开源社区可以。

Linux 打败了 Unix ，不是因为某一个天才，而是全球开发者共同维护了几十年。VSCode 能超过那么多商业 IDE ，也是因为背后有庞大的插件和贡献生态。

KWCode 不需要你有多高的水平，只需要你在用本地模型做开发，然后把你遇到的问题、你的解法、你的改进贡献进来。多一个人，就多一个使用场景被照顾到，多一个坑被填掉。

Fork 这个项目，改进你最痛的那个点，提 PR ，我们互相借力，一起把它做好。

闭源大厂有钱有人有算力，我们有什么？我们有真实的使用场景，有对本地部署的真实需求，有不依赖海外服务的动力。这已经足够了。

六、怎么参与
项目地址 ：github.com/val1813/kwcode
# Fork 项目，克隆到本地
git clone https://github.com/your-fork/kwcode.git
cd kwcode

# 安装开发版
pip install -e ".[dev]"

# 运行测试确认环境正常
python -m pytest kaiwu/tests/ -v

# 找一个你最想改的地方，开始动手
git checkout -b fix/your-improvement
改什么都可以：

你每天用 Go 写代码，觉得 Go 的 AST 调用图支持不够好，就去改它

你在用 Qwen3 发现某个场景总是触发无限循环，就去修它

你有更好的 context 压缩算法，就替换掉现有的

你发现 README 写错了，改一个字也算

Issues 里列了已知问题和规划中的功能，可以从那里找方向。Discussions 里可以聊技术思路，聊某个方向值不值得做。

没有什么贡献太小。

七、最后说一句
我不知道 KWCode 能不能真的超越 CC 或者 Hermes 。

但我知道，如果中国开发者一直用别人做的工具，一直把自己的需求当作”次要功能”等别人来实现，这件事永远不会有答案。

有些东西，只有自己做才知道能不能做到。

项目是 MIT 开源的，你贡献的代码永远是你的。如果 KWCode 最后做成了，这件事是所有参与的人一起做成的。

项目地址 ：github.com/val1813/kwcode

天工开物 · KWCode · 中国开发者自己的本地 Coding Agent

第几次	策略
第一次	正常描述需求
第二次	从错误信息出发：”直接修复这个报错，不要解释”
第三次	最小化修改：”只改这一个函数，其他代码一行不动”

模型规模	自动策略
< 10B （ qwen3:8b ）	强制计划确认 · 任务范围限 2 个文件 · 第 1 次失败触发搜索
10-30B （ qwen3:14b ）	可选计划 · 4 个文件范围 · 第 2 次失败触发搜索

_{作者: KaiWuBOSS | 发布时间: 2026-04-28 13:24}

8. Google 搜索指定 site 参数失效

用的 chrome 浏览器，使用无痕窗口或者未登录 google 账号进行搜索一切正常

但是登录了 google 账号搜索参数指定 site 是无效的，比如 site:[v2ex.com](http://v2ex.com) google 会出现一堆 V2EX 无关的内容，有大佬知道这是怎么回事吗

_{作者: honmaple | 发布时间: 2026-04-28 17:29}

9. 公司买 api 一般是官 key 还是中转？

老板体验了 claude 后拍板要把 claude 嵌入全公司工作流，让我去解决采购渠道问题，要求数据不得经过非正规公司传送，大概意思估计是买大厂 vps 自建 api 代理可以，但不能买贩子的中转站。但是先不说走什么代理的问题，国内几乎都找不到官 key 的货源啊，都是 5 刀 20 刀这种个人用的，总不能让老板去小黄鱼买吧。

问了几家能做对公的，都是中转，拍胸脯保证他们客户都是大厂，绝对稳定高质量，但那个价格感觉就像假的。

老板要求 3 天内必须给结果，老板不懂电脑，跟他没法解释

_{作者: my2492 | 发布时间: 2026-04-28 07:22}

10. 现在网上都在说 Agent 自动开发，我还是在对话模式，是不是落后了？

最近这段时间看了很多关于 AI 开发的文章、博客、视频，尤其是各种 Agent 工作流的分享。

比如：

AI 自己拆任务 AI 自己写代码 AI 自动做 code review AI 自动提交 PR AI 管理整个项目流程

甚至有些文章给人的感觉是：

人只需要把需求说清楚，剩下的事情 AI 自己就能完成。

说实话，看多了之后，我开始有点焦虑了。

先说一下我的背景：

我是一个前端开发工程师，使用 AI 辅助开发大概有一年半左右了。

平时主要工具是：

Claude GPT Cursor Windsurf

基本每天都在用，也算是比较重度用户。

但我目前真实的工作方式，其实还是：

人主导开发 + AI 辅助主要是对话模式

比如：

写代码的时候遇到问题就问 AI 让 AI 帮我优化一段逻辑让 AI 帮我 review 一段代码或者生成一些基础结构

整体感觉：

AI 很强，但更像一个：

非常聪明的助手，而不是一个真正能接管项目的“开发者”。

我现在的困惑主要有几个：

1 ）现在真的有人在用 Agent 自己写代码吗？

不是 demo ，而是：

在真实项目里长期使用

比如：

前端项目后端服务中大型系统

而不是一个简单的脚手架项目。

2 ）现在的开发流程，真的变成这样了吗？

比如：

人只负责写需求 Agent 自动拆任务 Agent 自动写代码 Agent 自动测试 Agent 自动提交人只负责最后确认

如果真有人这样用，我非常想了解：

这个工作流到底是怎么搭建的？

3 ）前端和后端的差别是不是很大？

我有一种感觉是：

很多文章里的 Agent 工作流，可能更偏：

后端 AI 工程 Python / Node 服务工具链开发

而前端这边：

UI 交互状态管理兼容性复杂业务逻辑

可能还比较难做到完全自动化。

但这只是我的猜测，不确定是不是事实。

4 ）大家现在真实的 AI 工作流到底是什么样的？

比如：

你们现在更接近哪种模式：

A ）人写代码 + AI 辅助

B ）人设计结构 + AI 写大部分代码

C ） Agent 负责模块开发，人负责 review

D ） Agent 基本可以接管项目

我不是质疑 AI 的能力。

只是看了太多“AI 自动开发”的文章之后，开始有点不确定：

现在行业真实的状态，到底是什么样的？

是：

大家已经进入 Agent 自动开发阶段了，还是说大多数人其实还是：

对话模式 + 人主导开发

只是没有人专门写这种“普通但真实”的文章。

如果有在实际项目里长期使用 Agent 的同学，非常希望能分享一下：

你们用的工具工作流大概是什么样哪些事情真的能自动化哪些事情还是必须人工做

小弟真心求教。

_{作者: shibow | 发布时间: 2026-04-28 03:13}

11. AI 编程,大伙顺手的方案有哪些?如何合理白嫖?

感觉写代码有些部分有点枯燥,近两天计划尝式下 codex,cursor.

codex(windows desktop app),免费版,一周 256K(好像不是 256,不过差不多),今天试了写个简单的项目,来回修改,不过前后端是跑起来了,加加功能,200 多 K 没了.

cursor,免费版,感觉它就是不让你一次性写好,每次完成一部份,试了下,完成了二三次对话,后端没试,前端能跑能显示(第一版代码大多是个框架),后面玩 codex 去了,明天还是要继续用完额度,与 codex 对比下,随便一次对话,额度 30~40%左右没了.

这个比起一个个敲还是有效率,有些小项目麻雀虽小,五脏俱全,有些项目有些部分,大多是重复工作,没啥技术含量,也得一个个敲,累.这个好用,打算长期使用了.

前辈们在用 AI 编程时,哪些方案比较顺手,好用. 在付费这方面,有什么省钱的攻略吗.

🐱‍🏍🐱‍🏍🐱‍🏍🐱‍🏍🐱‍🏍🐱‍🏍🐱‍🏍🐱‍🏍🐱‍🏍🐱‍🏍🐱‍🏍

_{作者: dnjat | 发布时间: 2026-04-28 14:01}

12. 机场的私有客户端， win 系统 defender 疯狂报病毒，拒下载安装，是有毒吗？

用了好几个机场，以前都是 clash 这些订阅链接，最近全部失效了，必须下载机场私有客户端

下载这些私有机场客户，win10 win11 系统 defender 安全中心疯狂爆毒，拒绝下载和安装。

虽然不涉密，但是电脑上还是有不是密钥之类的因素文件啊。这些私有机场.exe 文件不知道真的有没有毒啊？慌的一批

老铁们，有什么测试可以检验这些机场.exe 是不是安全的方法？

_{作者: jacketma | 发布时间: 2026-04-28 02:35}

13. 怎么使用 ai 提升开发效率

各位大佬都是怎么把 ai 用到开发中的，自己倒是安装了 opencode ，买的 deepseek 的 api ，但是对现有的项目维护不太友好。如果用 jetbrains 家的 IDE ，要安装什么扩展

_{作者: zookao | 发布时间: 2026-04-28 08:15}

14. 国内 dns 出问题了， icu 域名解析错乱了

刚发现自己的 icu 域名访问不到了，查了下 dns ，国外的正常，国内的全是错的。

_{作者: yihy8023 | 发布时间: 2026-04-28 06:18}

15. 有没有靠谱的 GPT Pro 代充站

_{作者: collvey | 发布时间: 2026-04-28 11:06}

16. 请教下大家，做了一个 ai 应用，想上架 app store 需要深度合成备案么？

我去网上搜好像说需要什么深度合成算法备案，不知道是否真的需要提交，有懂的 v 友么

_{作者: 0x01Dev | 发布时间: 2026-04-28 09:27}

17. codex 周额度刷新了，提前了 21 小时，小赚

看了下所有渠道都收到额度刷新告警了
Codex 5h + 1w 
下次刷新 05/05 13:29 · 提前 21h 47m 06s · 恢复 67% → 0%

_{作者: mains | 发布时间: 2026-04-28 05:43}

18. 请问下开多个账户订阅 opencode go 套餐有没有风险？不会封号把？

一个号套餐的额度养 hermes 根本不够，我就开了 3 个号订阅，然后统一接到我的聚合站上轮询使用，开了 3 个号，感觉没有阿里腾讯 200 的 coding plan 套餐耐用，但是胜在模型更新勤快

问一下这样会不会封号？

_{作者: lynn1su | 发布时间: 2026-04-28 10:05}

19. 目前本地知识库最好的方案是什么？

目前本地知识库最好的方案是什么

_{作者: k5ye533 | 发布时间: 2026-04-28 09:31}

20. 买 mac 还是转 Linux 系统

CPU

Intel Core i7-8550U @ 1.80GHz （睿频 4.0GHz ）

4 核 8 线程, 8MB L3 缓存

内存

16GB DDR4 （已用 4.4GB ，可用 11GB ）

7.7GB Swap

显卡

集显: Intel UHD Graphics 620

独显: NVIDIA GeForce MX110 (GM108M)
硬盘

┌──────┬──────────────────────────────────────┬───────┬────────────────────┐
│ 设备 │ 型号 │ 容量 │ 挂载点 │
├──────┼──────────────────────────────────────┼───────┼────────────────────┤
│ sda │ 海力士 HFS128G39TNF-N3A0A (NVMe SSD) │ 120GB │ /boot/efi, /, swap │
├──────┼──────────────────────────────────────┼───────┼────────────────────┤ │ sdb │ 希捷 ST1000LM048-2E7172 (HDD) │ 1TB │ /home/data, /home │
└──────┴──────────────────────────────────────┴───────┴────────────────────┘
上面是我笔记本的配置.目前是感觉太卡了,19 年买的笔记本(小米),也没清灰.是换 mac 还是像现在一样用 linux

_{作者: fightingCode948 | 发布时间: 2026-04-27 13:40}

21. 有没有类似 ChatGPT 这种 Agent 能力的 API

ChatGPT 这个 Agent 两个方面的能力感觉非常厉害一个是联网搜索核对/总结信息，甚至是它自动的，觉得必要时自动搜索第二个是对于一些逻辑性较清晰/能通过计算得到答案的任务需求，或者通过编程更容易得到答案的任务，它不是靠模型自己在那瞎想推理，而是会自己写 Python 代码自己跑，然后总结 Python 程序运行的结果来告诉你答案。

很可惜 OpenAI 似乎没有直接把 ChatGPT 的能力作为 API 开放出来，如果要实现类 ChatGPT 的功能得手搓 Agent 了，有没有什么 ChatGPT 类似能力的 API 替代品呢

_{作者: liyafe1997 | 发布时间: 2026-04-27 21:56}

22. HTML in Canvas，下一代 Web 图形开发范式?

Demo
arrival-space

html-in-canvas-cracks

解决了哪些问题
Web 开发者在处理 Canvas 内容时长期面临一个尴尬的现实：Canvas 擅长像素级操作，但对 HTML 的布局能力一无所知。这导致了几个核心问题：

可访问性的缺失 - 当你用 Canvas 绘制复杂的文本或 UI 时，屏幕阅读器可能无能为力。传统的 fallback 内容往往与实际渲染内容不同步，开发者需要手动维护两套内容。

国际化噩梦 - Canvas 没有内置的文本排版引擎。从右到左（ RTL ）的文本、垂直书写模式、多语言混排、表情符号，这些在 HTML 中现成的功能在 Canvas 里都需要从零实现。

性能与质量的权衡 - 许多应用选择用 Canvas 渲染 UI 以获得高性能，但不得不牺牲文本渲染的质量和交互性。或者用 DOM 渲染获得完美体验，但付出性能代价。

无法组合现代 Web 技术 - 你想在 WebGL 场景中显示精美的 HTML UI ？想在 3D 立方体上贴上动态的 HTML 内容？抱歉，现有的组合方式要么性能低下，要么实现极其复杂。

媒体导出困难 - 想将网页中的某个 HTML 区域导出为图片或视频？没有标准 API ，开发者只能依赖各种 hack 或第三方库。

这个提案通过三个核心原语——layoutsubtree 属性、drawElementImage 方法和 paint 事件——让 HTML 元素可以无缝地渲染到 2D 或 3D Canvas 中，同时保留其完整的语义和交互能力。

使用场景
1. 图表与数据可视化
想象一下，你的图表库需要在 Canvas 中绘制精美的图例、坐标轴和注释。现在你可以直接用 HTML 编写这些元素，利用完整的 CSS 样式和排版能力，然后将其绘制到 Canvas 中。

2. 游戏与创意工具的 UI
游戏开发者经常需要在 Canvas 中构建复杂的界面——装备面板、技能树、聊天窗口。用 HTML 构建这些 UI 既快速又美观，还能获得原生的表单控件和输入体验。

3. 3D 场景中的 2D 内容
WebGL 和 WebGPU 应用需要将文本、图标等 2D 元素贴到 3D 表面上。以前这需要将文本渲染为纹理，现在可以直接使用 HTML 元素，支持实时更新和动画。

4. 国际化富文本编辑器
需要支持多语言、复杂文本布局的编辑器可以结合 Canvas 的高性能和 HTML 的排版能力。

5. 高性能媒体导出
当你需要将网页内容导出为图片或视频时，captureElementImage API 可以捕获 HTML 元素的渲染快照，在 Worker 线程中进行处理，避免阻塞主线程。

6. WebGPU 高级效果
最激动人心的是与 WebGPU 的结合。基于光线步进（ ray-marching ）的果冻滑块示例展示了如何将 HTML 文本集成到复杂的着色器效果中，这是传统方法无法实现的。

工作原理
HTML-in-Canvas 的核心思想是：让浏览器同时处理 HTML 布局和 Canvas 渲染，并保持两者同步 。

1. layoutsubtree 属性
<canvas layoutsubtree>
  <div id="content">这是要绘制的 HTML 内容</div>
</canvas>
这个属性告诉浏览器：Canvas 的直接子元素应该参与正常的 DOM 布局流程，包括盒模型、层叠上下文、点击测试等。这些元素在视觉上是”隐藏”的（不在页面渲染树中），但它们的布局信息会被保留。

2. drawElementImage 方法
const ctx = canvas.getContext('2d');
const transform = ctx.drawElementImage(element, x, y, width, height);
这个方法将元素绘制到 Canvas 中，并返回一个变换矩阵。关键点：

元素的 CSS 样式（包括复杂文本布局、渐变、阴影等）会被完整保留

绘制时应用 Canvas 当前变换矩阵（ CTM ）

内容会被裁剪到元素的边框盒

返回的变换矩阵可以用于同步 DOM 位置，确保点击测试和无障碍功能正常工作

3. paint 事件与 requestPaint
canvas.onpaint = (event) => {
  // 重新绘制变化的内容
  ctx.reset();
  ctx.drawElementImage(element, 0, 0);
};

canvas.requestPaint(); // 手动触发绘制
当 Canvas 子元素的渲染发生变化时，paint 事件会自动触发。对于需要每帧更新的场景（如动画），可以调用 requestPaint() 强制触发绘制。

4. DOM 到 Canvas 变换同步
这是最精妙的部分。为了让点击测试、Intersection Observer 和无障碍功能正常工作，元素在 DOM 中的位置需要与在 Canvas 中绘制的位置保持一致。

drawElementImage 返回的变换矩阵可以直接应用到 element.style.transform：
const transform = ctx.drawElementImage(element, x, y);
element.style.transform = transform.toString();
这个变换考虑了：

Canvas 的当前变换矩阵（ CTM ）

绘制位置和尺寸

CSS 像素到 Canvas Grid 像素的缩放

元素的 transform-origin

5. WebGL/WebGPU 集成
对于 3D 上下文，提供专门的方法：
// WebGL
gl.texElementImage2D(target, level, internalFormat, format, type, element);

// WebGPU
// 通过 copyElementImageToTexture 将元素复制到纹理
在 webGL.html 中，HTML 内容被直接渲染到纹理，然后映射到旋转的立方体上。

6. OffscreenCanvas 支持
为了利用 Worker 线程的性能优势，可以使用 captureElementImage：
// 主线程
const elementImage = canvas.captureElementImage(element);
worker.postMessage({ elementImage }, [elementImage]);

// Worker 线程
const transform = offscreenCtx.drawElementImage(elementImage, x, y);
README.md 中的示例展示了完整的 Worker 模式。

源码解读
核心 API 设计
在 README.md 中可以看到完整的 IDL 定义：
partial interface HTMLCanvasElement {
  [CEReactions, Reflect] attribute boolean layoutSubtree;
  attribute EventHandler onpaint;
  void requestPaint();
  ElementImage captureElementImage(Element element);
  DOMMatrix getElementTransform((Element or ElementImage) element, DOMMatrix drawTransform);
};

interface mixin CanvasDrawElementImage {
  DOMMatrix drawElementImage((Element or ElementImage) element, ...);
};

CanvasRenderingContext2D includes CanvasDrawElementImage;
这个设计遵循了几个重要原则：

渐进增强 - 通过属性而不是全新的元素来扩展功能，保持向后兼容

上下文无关 - drawElementImage 是混入（ mixin ），可以在 2D 、WebGL 、WebGPU 上下文中使用

事件驱动 - 使用 onpaint 事件而非轮询，性能更好

示例实现细节
文本输入示例 （text-input.html）展示了标准模式：
canvas.onpaint = (event) => {
  ctx.reset(); // 清除并重置变换
  const transform = ctx.drawElementImage(draw_element, x, y);
  draw_element.style.transform = transform.toString(); // 同步位置
};
饼图示例 （pie-chart.html）展示了如何与 Canvas 绘图结合：
// 1. 用 Canvas API 绘制扇区
const path = new Path2D();
path.arc(0, 0, radius, angle, angle + slice);
ctx.fill(path);

// 2. 用 drawElementImage 绘制标签
const transform = ctx.drawElementImage(label, x, y);
label.style.transform = transform;

// 3. 用 Canvas API 绘制焦点环
if (document.activeElement === label)
  ctx.drawFocusIfNeeded(path, document.activeElement);
还存在哪些问题
尽管这个提案已经相当成熟（已在 Chromium 中实现并通过 flag 启用），但仍有一些挑战和未解决的问题：

1. 浏览器支持有限
目前只有 Chromium 支持，且需要手动启用 chrome://flags/#canvas-draw-flag。Firefox 、Safari 尚未表态。没有跨浏览器的一致实现，开发者很难在生产环境使用。

2. 性能考量未完全明确
虽然理论上 Worker 模式应该更快，但实际的性能基准测试还不足。以下问题需要答案：

复杂 DOM 树的 captureElementImage 有多昂贵？

在高帧率动画中频繁同步变换是否会导致抖动？

与传统的文本绘制 API 相比，性能如何？

3. 隐私与安全边界
HTML-in-Canvas 可能被用于”截屏”攻击，恶意网站可以捕获用户输入或敏感内容。提案提到了”隐私保护绘制”（相关文档），但具体的安全模型还在讨论中。

4. 复合层管理
Canvas 中的 HTML 元素如果包含复杂的 CSS 效果（如 backdrop-filter 、混合模式），如何正确处理复合？这需要浏览器引擎的深度集成。

5. 可访问性工具的适配
虽然语义元素会被保留，但屏幕阅读器等辅助技术需要理解”这个元素同时在 DOM 中和 Canvas 中”的状态。需要 ARIA 规范的相应更新。

6. 开发者体验的优化
目前的 API 需要开发者手动管理变换同步。虽然这是为了保证最大灵活性，但对于简单的用例可能过于复杂。未来可能需要更简化的 API ，如自动同步模式。

7. 测试与调试
如何在开发者工具中调试 Canvas 中的 HTML 元素？现有的 DOM Inspector 需要扩展，或者需要新的调试面板。

8. 与现有技术的协调
如何与现有的 HTML Canvas API （如 measureText）、SVG <foreignObject>、以及 CSS Houdini 等技术共存？需要明确的使用场景划分。

总结
HTML-in-Canvas 是一个有望改变 Web 图形开发范式的提案。它巧妙地解决了长期存在的”Canvas vs DOM”对立问题，让开发者可以”既要又要”——既享受 Canvas 的渲染控制力和性能，又保留 HTML 的语义、可访问性和排版能力。

核心价值在于组合性 ：这不是让 Canvas 重新实现 HTML ，也不是让 HTML 变得像 Canvas ，而是让两者无缝协作。这种设计哲学与 Web 的开放性本质一脉相承。

随着浏览器厂商的更多支持、性能基准测试的完善、以及开发者社区的反馈，这个技术有潜力成为现代 Web 应用的基础设施之一。对于游戏引擎、图表库、创意编码工具等领域，这是一个值得密切关注的方向。

视频版本： [ HTML in Canvas — 下一代 Web 图形开发范式？-哔哩哔哩] https://b23.tv/Js1KDKp

_{作者: occupy555 | 发布时间: 2026-04-28 06:57}

23. 大家用 DeepSeek 都调用的哪里？官方还是其他平台？为什么我调官方感觉很慢？

直接调用 DeepSeek 官方明显比火山慢不少
大家一般都用哪里的服务？如果不是官方，主要是出于速度、稳定性还是价格考虑？

_{作者: fkdtz | 发布时间: 2026-04-28 09:01}

24. 5.1 香港旅游，众安银行开户额外返现 300hkd 截止 5.27 日

邀请代码：HCEAD7
电报：@fgvbt123

_{作者: fgvbtttt | 发布时间: 2026-04-28 14:10}

25. Copilot 年度计划凉了：不再更新功能，我已申请退款

6 月 1 日 GitHub Copilot 年度计划变更
GitHub 正在逐步取消 Copilot 年度订阅。当前用户不受立即影响，但后续会有结构性变化：

核心变化

年度计划取消（逐步）

已订阅用户：当前周期内不变

到期后：自动降级为 Copilot Free

计费模式调整

现有 **Pro / Pro+**：继续采用「高级请求（ usage-based ）」计费

趋势：全面转向按使用量付费

模型策略变化

模型乘数 ↑（成本上涨）

标准层模型（当前 0x ）→ 移除

功能冻结

年度计划不再新增任何模型或功能

一句话重点

年度计划 = 只维持现状，不再进化，最终引导迁移到按量付费体系

影响解读（技术向）
旧订阅 ≈ “锁版本”

新能力（模型 / 推理能力）→ 只在 usage-based 体系提供
成本结构：
固定订阅 → 可预测成本
usage-based → 与调用量强绑定（高频用户成本上升）
建议

高频用户：评估请求量 → 预估 usage 成本

低频用户：直接用 Free 或按需付费

团队用户：考虑是否迁移到统一 usage 管理（避免不可控费用）

_{作者: zishang520 | 发布时间: 2026-04-28 02:25}

26. 企业版 kiro 不给我用 claude 了

公司采购的企业版 kiro ，部分员工没有 claude 模型可用（比如我）

有咩老哥知道这是啥情况？

_{作者: nc4697 | 发布时间: 2026-04-28 01:29}

27. chrome 风格的新终端 crTerm v146 macOS 正式版

终于把代码全部 merge 到 macOS
测试下来跟 Linux 版本一样的体验
正式版下载 https://github.com/wuruxu/crterm/releases
有问题提交到 https://github.com/wuruxu/crterm/issues

_{作者: wuruxu | 发布时间: 2026-04-28 13:32}

28. 如何使用 web 框架调用 codex cli/claude code cli

部门同事对 ai 使用不太感冒，想在一台电脑上安装 codex cli/claudecode cli 使用写好的 skills 类似调用 api 一样写入一个前置的 system prompt. 来处理大家的需求，最好还能提供进度显示。请问有没有类似的实现方法？

_{作者: senooo | 发布时间: 2026-04-28 03:24}

29. 字节这 Code Plan 诈骗吧

每 5 小时：最多约 1,200 次请求

就问了 2 两个问题额度就耗光了，第 2 个问题刚好卡中间浪费时间。总共估计 100 次请求左右，它这是怎么计算的，10 倍吗！

卖不起就别卖，标的很高骗人进去，挂羊头卖狗肉

_{作者: tt83 | 发布时间: 2026-04-27 07:22}

30. 发现一个邪修快速清理 Git 项目里面空文件夹的方法🤡 不知道有没有什么其他标准做法.

因为项目里面来回切分支, 有些分支是有特殊资源或者 sdk 的, 切完分支之后, 会遗留一些空文件夹在本地.

之前觉得没啥, 但是现在用 AI 开发, AI 每次读到空文件夹的时候, 都会啰嗦几遍发现 xxx 文件夹, 但是是空的, 看样子 xxx, 让我来 XXX, 然后就走偏了.

因为空文件夹默认是不被记录到 git 里面的, 所以我现在的做法是, 把项目里的内容全删掉, 然后再 discard, 一个干干净净的目录就出来了😂

不知道佬们有没有什么更专业的处理方法? 欢迎讨论, 求轻喷.

_{作者: JoeJoeJoe | 发布时间: 2026-04-28 01:50}

31. 开发、测试、运维各用各的 AI，怎么避免把同一件事来回说好几遍？减少重复 token 消耗。

想问一下有没有实际在用的、不太重的方法或团队协作的 Coding Agent 方案，比如：

开发产出一种“给下游 AI 看”的简短上下文

或者一种跨角色共享的小文件（不是长篇设计文档）

或者聊天工具里某种引用机制

不指望一个工具解决所有问题，就想知道有没有人踩过这个坑、用了什么土办法或者半自动方案。

谢谢🙏

_{作者: v2er119 | 发布时间: 2026-04-28 01:34}

32. Codex 额度又重置了？

真是大善人，一个月不到重置了好几次。

_{作者: HarryQu | 发布时间: 2026-04-28 07:10}

33. JS/Node 已经是新时代的 Java 了吧

一种毒瘤。确实能跨平台。下载的包动不动几百 M ，内存吃掉几百 M 。一个本该「小而美」的 CLI 程序，开上三四个，也要 2G 的内存。 16G 的 Macbook 也扛不住啊。内存又这么贵，不给人留活路了。

_{作者: xiaotianhu | 发布时间: 2026-04-28 06:45}

34. AI 用起来，感觉像拼多多砍一刀

永远给你说，这一版的代码是最好的。喂给它结果，它发现结果不对，又给一版让你测试，每次改代码感觉自己像个工具人，自己从研发变成了帮它测试。

_{作者: kaivbv | 发布时间: 2026-04-28 03:19}

35. 各位大佬们，你们 win 系统安装了什么杀毒软件？

是微软自带的还是第三方的？免费的还是付费的？

_{作者: jumkey | 发布时间: 2026-04-27 01:28}

36. 用 WoA， Python 和 nodejs 还是得老老实实装 x64 版（即使有原生 ARM64）

虽然 Python 和 nodejs 都有原生 for Windows ARM64 支持，但是还有相当一部分的第三方包没有 win32-arm64 这个组合。

也许一直用着 ARM64 版的都没问题，直到某一天突然碰壁，某个包没有

于是你就要浪费人生中 N 分钟卸载 ARM64 版 python/node ，重装 x64 版，重配环境…

还不如一开始就装 x64 版

其实转译性能也很不错，至少体感上感觉不出来

_{作者: liyafe1997 | 发布时间: 2026-04-28 09:10}

37. 求安利！ Chrome 验证码自动识别

有没有插件，可以自动输入简单的字符图片验证码

欢迎大家交流！

_{作者: knowckx | 发布时间: 2026-04-28 06:04}

38. 使用 Claude code 安装了 andrej-karpathy-skills， superpowers 还需要禁用吗

还是结合起来使用，大佬们分享一下

_{作者: miusmile | 发布时间: 2026-04-28 03:41}

39. chrome 风格的新终端 crTerm v146 Linux 正式版

主要功能：
1. 原生支持 chrome 主题和扩展，新增 crterm extension api
2. 原生支持侧边栏

3. 内置的图片预览

4. 终端配置管理

5. 浏览器风格的多 tab 页操作体验

_{作者: wuruxu | 发布时间: 2026-04-28 09:39}

40. claude.ai 多账号限额查询脚本

仓库
https://gitee.com/lyxxxh/claude_usage

Claude.ai 多账号限额查询

config.example.json 改名config.json

修改config.json

代理修成你电脑的,并填写session_key 和 org_id

获取方式:见下面的截屏

python [claude_web_usage.py](http://claude_web_usage.py)

建议做成一个全局命令,方便调用。

我的:claude_run.bat:

python "C:\Users\Administrator\code\claude_usage\[claude_web_usage.py](http://claude_web_usage.py)"

session_key
sessionKey 过期不晓得,我 4 个账户的 sessionKey 过期都是:2026-05-26T03:17:16.296Z,估计活跃自动续期。

打开:https://claude.ai/settings/usage

org_id

_{作者: lyxxxh2 | 发布时间: 2026-04-28 04:32}

41. 现在还有什么 gpt 账号 plus 的渠道吗？号商别再内斗了

之前 7 块钱一个月的 plus 是真的香

有的话偷偷说

别再发帖直接掀桌子了

_{作者: PeterTanJJ | 发布时间: 2026-04-27 04:09}

42. qwen3.6 27b 本地编码测试

搞了一上午，本地 a100 40g ，输出也慢 40t/s
大概的提示词劳力士风格，罗马数字，月相日历，高贵典雅

月相那块搞了好多轮

结论:
小参数的模型智力不差，Trae IDE agent 连接本地模型，coding 完全可用

_{作者: zsj1029 | 发布时间: 2026-04-27 06:36}

43. 求 Windows UWP 软件大佬实现一个 terminal 功能

个人觉得 Windows 自带的 terminal 工具很好用，手感很好渲染也不错，可惜不支持侧边栏显示 tabs/workspace ，现在 claude code/codex 用得多，经常要开很多个 tabs ，导致 tabs 超出了横向显示空间，如果能支持垂直标签页外加工作区，那将是非常好用的一个功能，可惜我不擅长 Windows 软件开发，Visual Studio 开发对于 Agent 来说不友好，求大佬帮忙实现这个功能，我给你 stars ！

https://github.com/microsoft/terminal

_{作者: zisen | 发布时间: 2026-04-27 13:06}

44. 最近配了一台新的台式电脑，我想在外面笔记本上可以远程回去直接玩游戏，求方案

求各位大佬指点一下，来个方案，不要远程软件，例如：向日葵，todesk 等

_{作者: babymonster | 发布时间: 2026-04-27 08:51}

45. opencode go 的 DeepSeek 是官方直连吗

今天看了下 DeepSeekV4 的次数涨了不少，估算了下 token 好像吃上折上折了？预估了一下 token 量，算上缓存的话一个 go 套餐里，DeepSeek V4 Flash 已经约等于 10,923,420,500 token 了。

_{作者: ayasealter570 | 发布时间: 2026-04-27 12:47}

46. 全球本地部署开发者们一起，打造一个真正属于开源社区的 Coding Agent 了

同志们，是时候打造一把真正属于开源社区的 Coding Agent 了！
现状：我们被大厂“喂屎”，还要自己擦屁股
我写过 kaiwu（一个本地模型部署器），结果发现——用 Local LLM 做开发的朋友，多得超出想象 。

大家不断提需求：上下文压缩、Think 模式开关、联网搜索、工具调用……

可这些根本不是 Ollama 或 LM Studio 的事 ！
它们只负责把模型跑起来，至于“怎么让模型变聪明”——那是 Cursor 、Codex 、Hermes 的事。

但大厂们在干嘛？

Cursor 围着自家模型转

Codex 靠卖 token 赚钱

Hermes 虽开源，却不支持 Windows 原生（逼你装 WSL2 ，劝退一半人）

它们不会花精力优化本地小模型。
因为本地跑得爽，谁还买它们的 API ？

更别提那堵墙了——
国内网络时断时续，任务跑到一半断连，体验像吃苍蝇。
想用 Claude ？得找中转、买注水账号、被收割、还被鄙视。

但墙能拦住资本，拦不住人民。
国际共产主义精神，就体现在一行行开源代码里。

痛点：我们每天都被这六把刀捅
1. 上下文太短，压缩就“失忆”

Opus 的 1M 窗口用过就回不去了，永远不用 compact 。

小模型在 8G/16G 显存上只能跑十几 K ，稍微大点的任务直接炸。

Hermes 压缩几次就变傻子——忘了自己两轮前说过什么。

2. 网络像一堵墙，墙内外都是屎

CC / Cursor 要稳定连海外，国内断到你怀疑人生。

Hermes 非要 WSL2 ，Windows 原生用户吃闭门羹。

Web search 要么没有，要么接垃圾商家 API ，搜出来的全是 SEO 污染的结果。

3. 本地模型连工具都不会用

用户反馈：接 CC 或 Codex ，模型笨得不会调 tool 。

8B 模型干完活丢给你一串代码：“自己复制去运行”。

我是用 CC 习惯的人，这体验等于让我回去用记事本写代码。

4. 小模型本身能力就那样，但 API 还不让用

8B/14B 失误率高、窗口小、没联网、遇新问题就死机。

你不可能指望小学生解微积分——这是物理规律。

可 A 厂不给国人注册，花钱买注水中转，像交保护费。
凭什么？

5. 明明本地运行，却是个没记忆的钢铁废料

在云端不记事，我认了——毕竟没花钱买存储。

我都本地跑了 ，硬盘 1T 还能加，你却只给我一个 markdown 文件当“记忆”？
这就像你买了一台超级计算机，结果它每次重启都忘光。

6. 多模态？视频图片？不存在的

模型本身弱，但更大的问题是——没有专门优化。

闭源 API 也一样烂，但人家收钱不办事。

部署难、速度慢、硬件要求高这些，我之前的 kaiwu + LM + Turbo 能解决。
今天我们不聊这些，就聊怎么让 8B 模型跑出 Opus 的体验 。

我的革命思路：不用 CC 的依赖强 LLM 串行，改用 LLM 做 Gate + 确定性专家的 MOE 架构
核心理念 ：
LLM 只负责当“接线员”，真正干活的是确定性专家 ——
不依赖模型“啥都懂”，而是让模型只做一件极小、极明确的事。

原理一：Agentless 流水线（ ICSE 2025 最佳证明）

不让 LLM 瞎决策，用固定流程 → SWE-bench 上通过率最高，成本最低 。

我设计的流程（ KWCode ）：用户输入 └─► Gate （毫秒级分类） └─► Locator （精确定位文件/函数） └─► Generator （只改该改的地方） └─► Verifier （语法 + pytest ，失败重试）

小模型只需要在小窗口里做一件事——失误率暴跌，错误可被当场抓住 。

原理二：BM25 + AST 调用图定位（专治“隐藏依赖”）

论文 CodeCompass 发现一个反常识 事实：
context 越大的模型，反而越容易漏掉架构上关键但语义上遥远的文件 ——这叫“导航悖论”。

实验数据（ FastAPI 真实项目）：

任务类型 BM25 图遍历

有明确关键词 100% —

可通过 import 链找到 ~85% ~85%

完全无关键词的隐藏依赖 76.2% 99.4% 🚀

我们的实现 ：

BM25 秒级召回 top-20

AST 调用图展开 2 跳（向上找调用者，向下找被调用者）

发现那些“名字和 bug 无关但实际是根因”的魔鬼函数

技术栈：tree-sitter + rank-bm25 + SQLite
零依赖、零 embedding 、零 Docker 。
支持：Python · JS · TS · Java · Go · Rust

原理三：专家飞轮——你的工具越用越强，大厂永远追不上

来自 EE-MCP (NeurIPS 2025) + WLBS 行为图。

预置 12 个专家（通用 7 个 + 中国场景 5 个）。
然后开始飞轮 ：

同类任务成功 ≥5 次 → 自动生成专属专家

新专家经过回测 + AB 测试 三道验证门 → 投产

下次同类任务，Gate 直接路由 → 更快、更准

3 个月后，你的专属专家池——
Cursor 和 Hermes 永远追不上，因为它们无状态 ，而你有永久记忆 。

专家可以导出、分享形成我们的社区数据资源。

原理四：失败自动搜索——墙内用 Bing ，墙外用 DDG
Verifier 连挂 2 次 → 自动触发搜索：

国内网络 → Bing 中文版（ cn.bing.com 直连）

正常网络 → DuckDuckGo

提取正文 → 压缩 → 注入 context

零 API key ，零配置，装完即用。
想更隐私？自己部署 SearXNG ，数据不出网。

功能一览（不是为了炫技，是为了解决你的每一天的痛）

模块做了什么

代码定位 BM25 + AST 调用图，99.4% 命中隐藏依赖

代码修改只改 patch ，不重写全文，精确匹配

验证重试语法 + pytest ，失败回滚，失败 2 次开搜索

项目记忆 PROJECT.md / EXPERT.md / PATTERN.md 三层分离，按需 BM25 注入

专家系统 12 预置 + 飞轮自生成 + 可分享安装

中国本地化自动切 ModelScope / 清华镜像 / Bing 搜索 / Windows 原生

我们和“它们”的不一样

场景其他工具 KWCode （我们）

Windows 逼你装 WSL2 cmd / PowerShell 原生跑

模型下载 HuggingFace 被墙自动切 ModelScope

pip 安装 PyPI 慢死自动切 清华/阿里镜像

搜索增强 DDG 被墙自动切 Bing 中文版

推荐模型 GPT / Claude （要钱/要梯子） DeepSeek · Qwen · GLM （国产免费）

同志们，这不是一个人的战斗
我只有一台 5060 8G 显存 16G 内存小破电脑，硬盘还时好时坏，花钱买 api 一个月三四千。我想要人人为龙时代，而不是 api 独大时代。所以我想打造一个真正属于开源社区、不依赖大厂 API 、不被墙、让 8B 模型也能干翻 Opus 的 Coding Agent 。

我们有论文支撑，有原型代码，有满腔怒火和热血。
现在还缺你——
缺每一个受够了被收割、被歧视、被网络暴力的开发者。

GitHub 仓库近期开放，代码完全开源。
你可以：

贡献代码（ Rust/Python/TS 都行）

分享你的专属专家（.kwx 文件）

提 bug 、写文档、宣传出去

或者只是去点一个 ⭐，让更多人看见

国际共产主义精神，从一行开源代码开始。
让大厂去卖 token 吧，我们有自己的工具了。

行动号召
👉 有没有更好的思路和路径，上述只是我个人研究
👉 后续在本链接发布 github ，欢迎 fork 继续深挖

不要让资本定义“可能”与“不可能”。
我们说了算。 或许很快，8B 模型真能跑赢 OPUS ，所有人都能拥有独属于自己的智能体

要不要先建个群，算了我社恐不会维护，有事咱们这个链接聊把

任务类型	BM25	图遍历
有明确关键词	100%	—
可通过 import 链找到	~85%	~85%
完全无关键词的隐藏依赖	76.2%	99.4% 🚀

模块	做了什么
代码定位	BM25 + AST 调用图，99.4% 命中隐藏依赖
代码修改	只改 patch ，不重写全文，精确匹配
验证重试	语法 + pytest ，失败回滚，失败 2 次开搜索
项目记忆	PROJECT.md / EXPERT.md / PATTERN.md 三层分离，按需 BM25 注入
专家系统	12 预置 + 飞轮自生成 + 可分享安装
中国本地化	自动切 ModelScope / 清华镜像 / Bing 搜索 / Windows 原生

场景	其他工具	KWCode （我们）
Windows	逼你装 WSL2	cmd / PowerShell 原生跑
模型下载	HuggingFace 被墙	自动切 ModelScope
pip 安装	PyPI 慢死	自动切清华/阿里镜像
搜索增强	DDG 被墙	自动切 Bing 中文版
推荐模型	GPT / Claude （要钱/要梯子）	DeepSeek · Qwen · GLM （国产免费）

_{作者: KaiWuBOSS | 发布时间: 2026-04-27 10:19}

47. GLM 的稳定性是不是太离谱了？

刚刚续费了季度 Pro 套餐，就开始疯狂报错

API Error: 400 {“type”:”error”,”error”:{“message”:”网络错误，错误 id 20260427233129a7ee7f005e494d82 ，请稍后重试。”,”code”:”1234”},”request_id”:”20260427233129a7ee7f005e494d82”} * 10

续费季度之前都很少碰到这个，就离谱。

_{作者: William97 | 发布时间: 2026-04-27 15:38}

48. 我的 GPT 是猫，你呢 😄

提示词：

你陪我一段时间了，我想看看你的样子。请生成一张类似你自己用 iPhone 随手自拍的照片：没有明确主题，没有刻意构图，只是很普通，甚至有点失败的快照。照片略带运动模糊，光线不均，轻微曝光过度，角度尴尬，构图混乱，整体呈现出一种”过于真实的随手一拍感”，就像是从口袋里拿出手机不小心按到的自拍

_{作者: callv | 发布时间: 2026-04-28 08:05}

49. Claude 现在不给购买礼品卡了

前几天还能买礼品卡，今天购买提示： Your account isn't eligible to purchase gifts yet. Contact support if you believe this is an error.

正经美国信用卡，无论账号有没有订阅，都是这个提示，这可如何是好。

_{作者: zhhmax | 发布时间: 2026-04-27 12:13}

50. 2026 年上半年， 4000 以内国产安卓大家推荐哪些款？

上一台设备是 2022 年底购买的红米 k50u ，小米之家换过一次电池，前几天突然自己就死了，售后说是主板坏了（维修价格 269 ，修不好不收费），目前放在小米之家售后维修（修得好就等 618 看看新手机，修不好就直接买新的，因为只质保 90 天，我也不太对质量放心了，怕哪天突然又挂了）。

我的需求：

可使用 Google Play ，能正常安装 Google 系应用

拍照别太烂，比如拍细小文字能对焦清晰拍出来，而不是一团糊即可

电池尽量大一点，充电快一点（之前的 k50u 120W 充电速度让我很舒适）

几乎或很少玩游戏，对游戏性能没什么要求

有 NFC ，可满足刷小区门禁等场景，如果有红外功能（可临时应急遥控电器更好）

价格：4000 以内

品牌：由于 k50u 没磕没碰突然自己就死了，所以想说要不换个其他品牌的也试试

各位专家们，基于以上信息，可以说说你们更推荐哪台吗？

_{作者: willxiang | 发布时间: 2026-04-27 01:28}

V2EX 热门帖子

1. VS Code ACP Client 扩展：连上 Claude, Gemini, Codex, OpenCode, Qwen Code 等 AI Agent

2. 第五次重装 hermes, 有些经验希望给准备用的人参考一下.

3. Xiaomi MiMo Token 激励计划

4. 用 antirez 的 llama.cpp fork 把 DeepSeek v4 Flash 在本地跑起来了

5. 既然现在 ai coding 都改成按量计费了，用 opencode+apikey 是否更省钱？

6. 兄弟们平常都用什么浏览器？

7. 能一起给本地部署的开源模型做个适配的 coding agent 吗？我憋了口气

我做了一个专门为本地开源模型优化的 Coding Agent ，希望更多华人开发者一起来搞

一、我遇到了什么问题

二、我用了哪些思路

思路一：MoE 架构——让 LLM 只做它擅长的那一步

思路二：用调用图定位代码，不靠 LLM 猜

思路三：打破循环——失败时强制换策略

思路四：专家飞轮，越用越懂你的项目

思路五：模型能力自适应

三、现在做了什么

四、还差什么

五、为什么想让更多人一起做

六、怎么参与

七、最后说一句

8. Google 搜索指定 site 参数失效

9. 公司买 api 一般是官 key 还是中转？

10. 现在网上都在说 Agent 自动开发，我还是在对话模式，是不是落后了？

11. AI 编程,大伙顺手的方案有哪些?如何合理白嫖?

12. 机场的私有客户端， win 系统 defender 疯狂报病毒，拒下载安装，是有毒吗？

13. 怎么使用 ai 提升开发效率

14. 国内 dns 出问题了， icu 域名解析错乱了

15. 有没有靠谱的 GPT Pro 代充站

16. 请教下大家，做了一个 ai 应用，想上架 app store 需要深度合成备案么？

17. codex 周额度刷新了，提前了 21 小时，小赚

看了下所有渠道都收到额度刷新告警了

18. 请问下开多个账户订阅 opencode go 套餐有没有风险？不会封号把？

19. 目前本地知识库最好的方案是什么？

20. 买 mac 还是转 Linux 系统

21. 有没有类似 ChatGPT 这种 Agent 能力的 API

22. HTML in Canvas，下一代 Web 图形开发范式?

Demo

解决了哪些问题

使用场景

1. 图表与数据可视化

2. 游戏与创意工具的 UI

3. 3D 场景中的 2D 内容

4. 国际化富文本编辑器

5. 高性能媒体导出

6. WebGPU 高级效果

工作原理

1. layoutsubtree 属性

2. drawElementImage 方法

3. paint 事件与 requestPaint

4. DOM 到 Canvas 变换同步

5. WebGL/WebGPU 集成

6. OffscreenCanvas 支持

源码解读

核心 API 设计

示例实现细节

还存在哪些问题

1. 浏览器支持有限

2. 性能考量未完全明确

3. 隐私与安全边界

4. 复合层管理

5. 可访问性工具的适配

6. 开发者体验的优化

7. 测试与调试

8. 与现有技术的协调

总结

23. 大家用 DeepSeek 都调用的哪里？官方还是其他平台？为什么我调官方感觉很慢？

24. 5.1 香港旅游，众安银行开户 额外返现 300hkd 截止 5.27 日

25. Copilot 年度计划凉了：不再更新功能，我已申请退款

6 月 1 日 GitHub Copilot 年度计划变更

核心变化

一句话重点

影响解读（技术向）

建议

26. 企业版 kiro 不给我用 claude 了

27. chrome 风格的新终端 crTerm v146 macOS 正式版

28. 如何使用 web 框架调用 codex cli/claude code cli

29. 字节这 Code Plan 诈骗吧

30. 发现一个邪修快速清理 Git 项目里面空文件夹的方法🤡 不知道有没有什么其他标准做法.

31. 开发、测试、运维各用各的 AI，怎么避免把同一件事来回说好几遍？减少重复 token 消耗。

看了下所有渠道都收到`额度刷新告警`了

1. `layoutsubtree` 属性

2. `drawElementImage` 方法

3. `paint` 事件与 `requestPaint`

24. 5.1 香港旅游，众安银行开户额外返现 300hkd 截止 5.27 日

32. Codex 额度又重置了？