在不在乎 TOKEN 消耗的情况下，且 AI 可以自行测试验收的时候，由于其可以 24 小时不停，因此时效上，还能够和人工比，但考虑到 Token 成本就另说了。

我这有个 Android 容器化的项目，给了测试设备和条件，gpt 5.5 ，连续跑了 50 个小时，最终也确实完成了任务，token 消耗了 27 亿。

从时间上，我这种活，人工的话，一周得要，毕竟人要休息，但是核成本的话，AI 也不便宜就是了。

以我浅薄的基础，LLM 对于语言的支持并不困难，主要还是在 Tokenization 阶段，训练阶段语料少的语种需要更多的 token 才能达到相同的效果。

@xiaoxiannv 学生 5T GoogleDrive 是正常发放的，而 YouTube lite 因为我的账号地区不符合，发放情况不得而知。

各位不用回复了，OP 只是想寻求各位的认同，很遗憾没有一会网友给了积极的答复，但 OP 心里还是认准了的，从回复里能看得出 OP 还是在找补。

既然如此，我认为 OP 可以搞，这个方案相当可行，毕竟“基本无风险，几年就财务自由”，值得一试！

你是说，用 AI 洋洋洒洒写了这么多，实际上有用的就是一句 window.scrollTo(0, 0);

谁家的大模型，就用谁家的 agent 是体验最好的，其他情况下都是大差不差的。

@wy315700 #8 通过/goal 指令，要求其阅读一个外部文件，实现需求。之后就可以不断重复这个 goal ，通过修改外部文档里的需求描述来改变需求。通过/goal 发起的任务，即使在额度用尽后，仍然可以执行（但是 sub-agent 仍会失败，只能都在主会话里）

用 goal 模式来做任务，可以白嫖额度，我现在已经不关注限额了，用就完事了，我到现在一天就干了 900M Token 了

@JoeJoeJoe #1 可行，之前几个月我都是这样用的。

后来之所以不用了是因为转三方 API ，一些功能用不了，比如搜索，另外还得自己加 mcp ，然后就索性投入了 codex 怀抱

不联网的软件，你可以认为就是终身的，大不了没维护了而已

类比到你的例子里就是衣服坏了、饭菜馊了，但这依旧是你的，至于不能穿，不能吃又是另外一件事情了

以我浅薄的理解，LLM 对于数据计算不正确，更多的原因可能是分词导致的。

比如 1.0999 在分词的时候，有可能被分成

1.0
999

两个 token

opencode go

便宜的话，现阶段毫无疑问是 deepseek

@zhang14964 #9 唔，也就是说，现阶段并不是来者不拒，看起来没后续可能是没满足园区的要求。

总结来说，似乎也捞不到啥，更多的是喊口号了。

感谢大佬提供的信息。

我认为大体上是尽量选择强类型+静态的语言，这样当 AI 瞎写的时候，至少编译器能给出相对准确的错误提示。不然的话，当使用者自己不熟悉，同时预期又不正确的情况下，难以准确告诉 AI 是什么问题，空转消耗会很大。

@zhang14964 #2 佬，有后续吗

@M1234 #12 实测并不可行，会卡在上下文压缩

>> ■ Error running remote compact task: You've hit your usage limit. Upgrade to Pro ( https://chatgpt.com/explore/pro), visit https://chatgpt.com/codex/settings/usage to purchase more credits or try again at 2:19
PM.

我认为可行性极低，现阶段 Vibe Coding ，如果把编译器砍掉，让 AI 盲写，那是几乎没有跑起来的可能，全靠编译器做强制检查。各种 SKILL 也是人为上各种限制条件。

而低级语言的编译器就简单得多了，几乎可以认为对 AI 起不到任何帮助作用，跑起来大概率也就是空转，写不出任何可用的东西，最后变成了 Authentic/OpenAI/Google 战略合作伙伴。

退一万步，就是 AI 写出来了，调试呢，也自己写个调试器出来吗，个人认为 [要求在软件开发全流程 AI 自动化，以降低风险] ，这才是最大的风险。

现阶段的 AI 只是拔高了下限，让本来啥也不会的人，能写个小玩具，原本能写小玩具的人，能写个有生产能力的工具，但并没有改变上限。

你说让 AI 搓个成熟的商业软件，比如搓个 QQ 出来，也许能实现个基本功能，也能抄个 UI ，但也还是玩具，我不认为靠 AI ，或者少数几个人+AI 的组合，能做出来一个承载上亿人使用的商业软件。

这是 feature ，你忘记密码了，再来又得充钱了，双赢，中转站赢两次。