luna 没有提升，只是价格降低了

plus 20 分钟就没了，plus 现在只配用 luna

大概看了下，只做选择和判断，看起来比较适合用来做一些审核类的场景，跟现有模型比，主要还是速度快吧

自动审批命令的时候会用到这个，免费是不可能的

1 、学的慢了可以不用学了，每过一段时间都会出新的概念，照着新概念去学，比如最开始的提示词工程、上下文管理、再到 Agent Loop 和 ReAct 、Harness 等等，照着新的学，新的包含了旧的
2 、不学框架。自己去实现调用过程，研究各个参数是干什么的，然后去手搓框架，照着这 3 种 api 去做兼容：Chat Completions API 、Responses API 、Messages API
4 、从基本的聊天开始，然后加上工具调用，就是写一些 read 、write 、grep 、glob 之类的工具，老项目接入 ai ，无非就是通过工具包装一下接口，ai 生成调用接口的参数，反正就是调 API ；
如果要接外部的工具，就去实现 MCP 协议，无非就是通过 jsonrpc 传递参数和工具名称之类的；
至于 RAG ，就是把文字变成向量然后去检索，找个向量库去试试，学一下切片策略，然后把向量库检索作为一个工具，这就变成了 Agentic RAG ；
然后就是 Skill 了，就是在提示词里把 skill 的名称、简介、路径放上，ai 去选择 read 等等工具，去读 markdown ，把读出来的内容放到上下文里；
接下来研究下上下文怎么控制、上下文怎么压缩之类的了
再往后就是任务规划、任务编排、记忆了，照着各个 agent 工具抄就行，比如，提供一个 todo-list 工具，让 ai 把规划好的任务和任务状态给存进去，让 ai 即使反馈和维护状态，就参考 superpower 、trellis ，去抄设计思路就完了；
5 、对着现有的功能去抄，比如抄 Codex 、OpenCode 、Claude Code 等等
6 、直接去读各个模型供应商的文档，碰到不懂的去查

先别直接把 Claude Code 当成许愿池
先用 figma 之类的原型设计工具搞一个原型，把大致实现的效果搞出来
然后再根据原型去还原页面

再或者直接去找个类似的页面，然后抄

即使程序员也不一定搞好 ui ，大家都擅长写代码，而不是搞 ui 设计
专业的事还得专业的人来干，至少能保证设计出 ui 的下限

这么看好像跟 gpt plus 额度差不多了
之前用 5.5 的时候，每 5 小时限额也就 2000 万上下的 token ，周限额=6 个 5 小时限额，算下来每周也就 1 亿左右，5.5 定价跟 5.6 sol 是一样的

5.6 系列发布之后主要在用 5.6 luna max ，现在取消了 5 小时限额，亲测下来周限额大概跑 3.5 亿左右的 token

用脚投票，谁便宜用谁，谁量大用谁，谁能力强用谁

https://i.imgur.com/h48VV15.png
亲测是按照 4 倍计费，网页端用量显示消耗了$3.48 ，3.48 * 4 = 13.92 。就已经提示达到五小时限额了，每五小时限额大概$12
opencode 里显示目前消耗$1.96 ，这个统计跟网页端不同步
我一开始看官网写$15 额度，我还以为是每月总共$60 额度中总共能用$15 额度，官网这描述有点无语，直接提示一下 4x 计费不就得了

我也想过要自己做一个桌面端的 agent ，跟 ai 讨论很长时间，发现要实现的东西可太多了
任务规划、上下文管理、上下文压缩、Agent Loop 、工具权限审批、状态管理 等等等等
然后还要实现各种不同的 UI 交互
每一项单拎出来就很复杂了
我认为只要是自己下手去做了，理解了整个 agent 应用的设计，那就是有意义的

摸鱼，要不然也不会看到这篇帖子 https://i.imgur.com/agAJ0Rd.png
之前试过切到下一个会话继续让它做点什么，后来感觉太累了，还是摸鱼轻松

@AdminNB 再补充一句，每个人都有每个人的用法，适合自己的才是最好的

1 、AGENTS.md 用来介绍整个项目架构、模块、技术栈，跟他说它去哪里读文档、推荐用什么工具、读 rules ，就把他当成 readme 就行，经验跟着项目走是最方便的，如果多个项目都用到了，可以考虑放到全局
2 、每个项目不同的功能都有自己业务流程以及自己的工具库，这些可以让它自己总结。人工可以对某个业务流程简述，让 ai 去读代码来确定整个业务流程，如果开发文档比较丰富，那么可以人工整理好放到对应的位置进行整理
3 、任何常用的操作都可以封装为 skill ，如果某个功能开发上有固定的流程，那么完全可以封装一个 skill ，让它开发功能的时候调用 skill 。
4 、数据库必定要接，分析代码的时候让它参照现有数据是最好的，如果怕他乱改数据，那么给只读权限，如果有团队的知识库，那么完全可以接入
5 、大多数 Java / Spring Boot 项目业务都比较复杂，你们平时怎么开发的就怎么让 ai 去模仿就行
6 、codex 支持定时任务，比如设置一个每周让它读一遍本周的 git 提交记录，根据提交记录中的内容进行更新沉淀的经验

开发文档很重要，业务流程文档也很重要，如果缺文档，那么只能在开发过程中不断的沉淀，遇到什么就沉淀什么，这样能够变得越来越好用，越来越听话
AI 沉淀的文档一定要看一遍，对不合理的地方可以手动修改，不然 ai 肯定会跑偏

也不算是暴论，算是把目前的真实情况给说了，OP 的洞察力还是很强的
很多人都在炫耀自己每天消耗多少亿 token ，一直在助长 FOMO

在公司里用 AI 更多的是在自己理解的项目架构和业务基础上指挥 AI 干活，完全自动挡肯定是不可能的，不会跟自己做项目似的从需求分析到 UI 设计再到最后的开发都是一个人实现

你这里提到的自己写设计文档和架构文档让 AI 实现，这情况在我身边是普遍的存在的，首先自己根据需求文档先分析需求，自己先要看明白要实现什么东西，不清楚的地方去找产品经理确认或者扯皮，然后在完全确认好的需求的基础上，再跟 AI 讨论涉及方式以及实现方案，每一项都要完全确认之后，再让 AI 去代码去实现，毕竟公司项目搞出了问题 AI 不会替你背锅

个人项目和公司项目区别主要是在需求确认这一步，公司项目的需求确认是要人工去做的，在需求确认的过程中，一整个实现方案就几乎能够在大脑中设想好了，在这一步之后才是完全的交给 AI 去实现

op 用的是电信吗？我体感电信用他家的及其不稳定，跟联通和移动比差多了

@lusi1990 一样，电信很卡，广电正常

官方文档 Web UI 章节
https://hermes-agent.nousresearch.com/docs/zh-Hans/user-guide/messaging/open-webui