共 4 篇文章，按标签归档
这篇文章介绍了作者利用AI和Rust开发一款本地运行的桌面应用，用于查看各AI平台余额，替代需要部署在服务器上的网页项目。作者放弃Python和Electron方案，改为将原web项目源码交给AI，让其一比一复刻为Rust桌面程序，包括界面、接口调用和数据展示，并通过截图反复调整细节。开发中遇到Rust环境安装受网络影响、模型缺乏视觉能力导致界面还原度不足等问题，后改用具备视觉能力的模型解决。最终成品约12MB，作者几乎未手写代码，仅通过描述需求、提供源码和反馈报错完成开发。
这篇文章介绍了deepseek发布v4-flash正式版后，作者将其接入trae并测试公共CDN代码修改的体验。文章提到该模型相较v4-pro-preview响应速度更快，更喜欢调用工具，在仿照网站样式和读取源码复刻时表现积极。作者也举了分页逻辑修改的例子，认为其在理解需求上有时不如上一代模型，但在准确表述后也能解决问题。文章还提到本次使用约3M token、花费约0.25元，并表示其体验优于glm-5.2，略逊于grok-4.5和gpt-5.5。
这篇文章介绍了AI编程越来越厉害，但额度成为限制，群里有人分享了一个公司形式发放的免费68元额度领取地址，完成注册即可获得68元免费token额度，并提醒领取后一定要使用，否则可能导致不到账。
这篇文章介绍了作者在重构博客时常用trae提供的免费模型（如kimi-2.6、deepseek-v4-pro），并观察到两个月后trae从每日账户调用次数限制发展到即使用auto模式也需排队，反映出平台为应对大量免费使用开始变相限制。作者回顾从cursor、codebuddy到trae的经历，认为“白嫖”大模型的时代正在过去。随着排队和限额增多，用户需要更明确地思考需求、优化提示词，减少将琐碎问题直接丢给大模型的做法。文章强调AI编程工具仍有价值，但免费红利期不会长期持续，未来用户要么接受排队与限制，要么为稳定体验付费，这被视为更正常的商业模式。
