首先定义好技术栈、目录结构让 ai 把基础的框架搭出来，然后对结构代码审查。

我是那种不相信 ai 能给项目一把梭了，基本上 ai 每写完一部份的代码我审计完就要提交一个 commit ，如果下一个阶段的代码他写的我不满意我可以直接回滚让他重写。

每当完成一个新功能我就 commit 代码，然后创建一个新的会话让他写下一个功能，这样有干净的上下文。每次需求只提一个，这样虽然效率会低点，但是能做到心中有数。

我认为当下程序员虽然不用写代码了，但是要了解的东西还是一点少不了，比如当下最常用的框架，为了数据量提前设计数据库，使用什么技术栈等等，如果只是一个普通人想要一句话项目还是不太行，写一些小玩意还可以。

最后分享一下 vibe coding 的 CDN 项目 Goteway ，完善后将会开源，这个项目从 0 到可用只花了 2 天时间

最近在实际项目中开始频繁使用「 Vibe Coding 」（借助 AI 的沉浸式/对话式编程方式），明显感觉到：

• 写代码的速度变快了
• 思路更容易被“带起来”
• 但同时也更依赖使用方式和提示质量

不同人用下来，效果差异非常大。

所以想开个贴，系统性地收集一些大家在 Vibe Coding 过程中的使用技巧、踩坑经验和最佳实践，供彼此参考。

[想重点收集的方向（不限于以下）]

1️⃣ 使用场景

• 你通常在什么阶段用 Vibe Coding ？ （新功能设计 / 重构 / Debug / 写测试 / 学新技术 / 快速原型等）

2️⃣ 提示词与交互方式

• 有没有固定的提示结构或习惯？
• 是偏「一步步引导」还是「直接给大任务」？
• 如何避免 AI 发散、跑偏、过度设计？

3️⃣ 与真实项目结合

• 在中大型项目中，如何控制上下文？
• 如何让 AI 更好地理解现有代码结构、业务边界？
• 有哪些“必须人来兜底”的关键节点？

4️⃣ 效率与质量的平衡

• 你是如何判断“可以直接用”还是“只当参考”？
• 有没有踩过因为过度信任 AI 导致返工的坑？

5️⃣ 工具与模型选择

• 常用的模型 / IDE / 插件组合
• 不同模型在 Vibe Coding 下的差异体验

6️⃣ 心态与方法论

• 如何避免变成“只会改 AI 给的代码”
• 如何把 Vibe Coding 当成放大器，而不是替代思考

[我个人的期待]

不是那种“神化 AI”或“完全否定”的讨论，而是：

• 真实经验
• 具体做法
• 哪怕是失败案例也非常有价值

欢迎随意分享，哪怕只是一条小技巧 🙌 后面我也会把有价值的内容整理成一份总结。

如果你已经在用 Vibe Coding ，**你最想提醒新手的一句话

因为有些项目比较大，不同的模块在风格上不太一致，或者说部分写法抽象层比较多，ai 有时候写了具体代码实现，但是忘记注册服务等等。因此需要给每个模块的一些具体迭代行为做一个约束：比如 a 模块的表单加一个字段需要注意哪些事项。b 模块新增、修改一个规则服务的逻辑需要注意哪些事项。

但是现在感觉可选的实现方式非常多，不知道怎么选。

方案一：全部用 skills 维护这些事项，让 agent 动态加载

方案二：在 agent.md 里写，迭代 a 模块，需要读 a.md ，a.md 再索引 a 模块常见迭代的操作

主要是想了解一下大家的方案是啥，交流一下

There was an unexpected issue setting up your account. Please try again later.

昨晚折腾 alist 三小时 有太多 bug 比如莫名其妙 r2 挂的不显示,onedrive 官 token 根本无效

这项目基本就死了 我还特喵的除虫打算发 pr

后面才刚知道闭源了

转移 openlist 之后一切正常神清气爽

我希望最开始 llm 就应该使用时效分析 skill 告诉我这货年久失修了 比较大的分支是 openlist………

特此记忆 有时间完成这个必选 skill

延伸:另一个 skill 是用户做任何项目的时候都要全网搜索有没有现成的轮子 以及踩过的坑

这些都是 llm 应该主动去做的

包括这个 skill 我认为现在已经有轮子 只是我很难找到分值最大的

发现很多有名的项目都是前后端放一起的，想问问大家都是怎么做的。

提示缺少$HOME 环境变量

解决方法：打开 PowerShell 并执行

[System.Environment]::SetEnvironmentVariable('HOME', "$env:USERPROFILE", 'User') 

执行完成后重启 Antigravity

如果还是不行就在设置里手动指定 Chrome 的路径后重启

参考链接： https://www.reddit.com/r/google_antigravity/comments/1qna2oa/fix_does_antigravity_fail_to_agentically_open_the/

我还不太想关掉 SmartAppControl ，关掉之后如果再想开启，必须重置电脑了

有什么办法绕过吗？

1. OpenCode 是我的“远程工作站”。最大的爽点就是部署灵活，很方便远程访问，而且能自由“换脑”——我现在主力搭配的是 MiniMax 2.1 / Code Plan - Plus ，响应快得飞起，额度还根本用不完……所以一些轻量级或者需要快速验证想法的项目，我都会丢给它。其他模型还没怎么试，感觉这个组合已经够香了

2. Gemini CLI 则是我的“精准武器”。特别是处理 Rust 项目的时候，Gemini 3 Pro 的表现明显比 MiniMax 更稳、更准，那种“懂我”的感觉很到位。但痛点也很明显：额度太不经用了，虽然用用给我切到 Flash 模型，被打断的感觉很不尽兴.. 明明就快出来了...

所以，问题来了。我看 Antigravity 的使用要突破层层障碍，它有什么独特的绝活让你无法割舍的?

我平时需要经常调用这些组合出来的 tasks （其实就是 prompt 形式的自然语言输入），但现在最大的问题是，给出需求，AI 有时会跳过使用某个 skill 工具。我试了不少办法，似乎没有 100% 稳定的。

有人遇到过同样的情况吗？装过两个不同的查看用量的插件，不知道是官方的原因还是插件导致的，如果是插件导致的，有办法解除授权吗？

后来上了鬼子当去购买了 Minimax 的 Coding Plan ，也不知道推这个模型的人是单纯的蠢还是又蠢又坏。(我中邪了能去信他们的鬼话订阅这个模型我也是蠢）

Minimax M2.1 在 Claude Code 下的表现也就比 GLM 好上一点点。

各位不要再花冤枉钱去订阅国内的任何模型的 Coding Plan 了，真想用 Claude 系列的模型哪怕就是 Cursor + Sonnet 4.5 也比国内所谓的 “满血” 模型好 1000%。

(用国产模型真是天天会上当，当当不一样...

但是市面上 vibe coding 工具林林总总，故调查下大家都是什么姿势用 vibe coding 。

我先来，我是免费白嫖…… 目前 cli 工具用 qwen coder 和 gemini cli ，AI IDE 用灵码和 antigravity 。 qwen 是阿里的，网络和运行更快，感觉基本都搞定。如果搞不定就再用 G 家的 gemini 试试……

自己看和改代码的话还是用 Jetbrains 的 IDEA ，用习惯了，功能强大。

http://youke.xn--y7xa690gmna.cn/s1/2026/01/24/6974da39c4b8c.webp

昨天一下又过渡了，应该触发了 2 次还是 3 次 0%，直接给我干出 6 天（应该是 7 天，今天没折腾，刚刚才注意到） 这个有办法 10%自动切（关闭）吗？有时候调用是瞬间从 20%到 0%的，太快了

composer-1 622.7K US$0.22

grok-code-fast-1 536.5K US$0.02

上面是最近的 3 次 agent request

cursor 起步价一次 Request 0.01$折合接近 1 毛钱

常简单的任务我只敢用那个最便宜经济实惠的 grok-code-fast-1, 每次差不多 0.02-0.1$左右

稍复杂的用 composer-1, 一次至少 0.1$起步

复杂任务 Sonnet 4.5 基本上一次在 1$上下

Opus 4.5 在 Sonnet 4.5 应该要再上浮 50%

像我这种这么克制地用, 精打细算的那种, 估计 20$也很难撑到一个月

一共 5 张，先到先得吧。

都说 glm-4.7 一般，就当应急用了，主力还是靠白嫖的 opus

懒得干活了

就算我知道怎么写

但要查资料 api, 写代码, 写测试, ai 一个回复, 2 分钟的活可能要我几个小时或更多

再也回不去了...

先是 model 选不了，然后退出重登，就登不上去了

https://www.reddit.com/r/google_antigravity/comments/1qjomyp/anyone_else_stuck_on_there_was_an_unexpected/

大家有遇到这种情况吗？

还是说是我的问题？

你们也这样了么？

就只是构建一个 tool 去把 skill 那些描述加载进来, 和之前的 tool search tool 的方案差不多

https://i. imgur .com/k9e6oLi.png

一周几乎写了以前几周的东西，这些全部都是改用 C++ TUI/QT 做得，弃用了 python

分布式打板器

https://i. imgur .com/ZDVVuVF.png

新闻自动找相关股并预测龙头

https://i. imgur .com/1PiQTj7.png

龙头选股和智能体解答

https://i. imgur .com/fVuFffa.png

网格交易工具

https://i. imgur .com/0IVCt82.png

除了睡觉就是和 CC 聊天，等待过程就是看 x ，无意中在 x 中看到一篇文章： https://x.com/mntruell/status/2011562190286045552

大概意思是几天手搓了一个浏览器内核，包括：HTML 解析、CSS 级联、布局、文本整形、绘制和自定义 JS 虚拟机

这 tm 太酷了，其实现在有了 coding 大模型，什么都可以敢做了，而且没必要经常用 python 了，所以决定用 C++ QT 来复现 Proxifier 来作一些更深入的尝试，100% AI 来开发一个以前不敢碰的更深层的东西，于是有了下面 2 天搓出来的开源项目： https://github.com/4111y80y/OpenProxifier

https://i. imgur .com/v8ugfu9.gif

下面的记录是让 gemini cli 根据我 claude code 的 jsonl 聊天文件生成的，有兴趣的可以看看这个开发过程

[开源] 用 C++ Qt + Winsock Hook (Detours) 撸了一个 Windows 进程级代理工具 OpenProxifier

大家好，最近为了给自研的反代工具 Antigravity 做配套的透明代理功能，突发奇想撸了一个 Windows 下的进程级代理工具。虽然市面上已经有 Proxifier 这样成熟的神器，但为了更轻量、可控（只针对特定进程），且能深度集成到我们自己的生态中，决定自己造个轮子。

项目取名 OpenProxifier，目前核心功能（ TCP/UDP ）均已实现，特来 V2EX 分享一下开发过程中的技术选型和踩坑经历。

项目背景与目标

目标很明确：实现一个“迷你版”Proxifier ，指定任意 exe （比如我们的 Antigravity ），让它所有的 TCP/UDP 流量自动走 SOCKS5 代理，且对目标程序完全透明。

项目地址: https://github.com/4111y80y/OpenProxifier

技术架构

起初考虑过 WinDivert （内核层拦截），但因为驱动签名太贵且调试蓝屏风险大，最终选择了 用户层 DLL 注入 + API Hook 的方案。

• GUI 框架: Qt 6 (C++)
• Hook 库: Microsoft Detours (稳定、成熟)
• 构建工具: CMake + vcpkg
• 注入方式: CreateProcess (Suspended) -> 注入 DLL -> Resume Thread

核心技术实现

1. 启动与注入

为了确保不漏掉任何流量，我们不使用“附加到运行中进程”的方式，而是接管启动过程： 使用 CREATE_SUSPENDED 标志启动目标进程，此时进程的主线程是挂起的。然后通过 Remote Thread 注入我们的 ProxyDLL，最后再 Resume 进程。

2. Winsock Hook (Detours)

我们在 DLL 加载时（DllMain）初始化 Detours ，Hook 了以下关键 API：

• 连接控制: connect, WSAConnect —— 在这里拦截连接请求，与 SOCKS5 服务器建立握手。
• 数据传输 (TCP): send, recv, WSASend, WSARecv —— 拦截应用层数据，通过 SOCKS5 隧道转发。
• 数据传输 (UDP): sendto, recvfrom, WSASendTo, WSARecvFrom —— 实现了完整的 SOCKS5 UDP Associate 流程，支持 UDP 转发。
• 其他: select, WSAPoll 等 IO 复用函数也做了相应处理。

3. Antigravity 反代测试

为了验证代理效果，我们专门编写了一个配套的 Antigravity 程序。它会强制忽略系统代理设置（ System Proxy ），直接发起 HTTP 请求。

• 测试逻辑: 启动 OpenProxifier -> 监控 Antigravity.exe -> 启动 Antigravity -> 点击 "Check IP"。
• 结果: 虽然 Antigravity 写死了“直连”，但经过我们注入后，显示的 IP 变成了代理服务器的 IP ，验证成功。

开发踩坑记录

1. 32 位与 64 位的兼容性地狱

注入器是 64 位的，但目标程序可能是 32 位。64 位进程无法加载 32 位 DLL ，反之亦然。 解决方案: 编译了两套 DLL (MiniProxifierHook_x64.dll 和 MiniProxifierHook_x86.dll)。注入器通过解析目标 PE 头 (Machine 字段) 判断架构，自动选择对应的 DLL 进行注入。

2. Electron/Chromium 应用的崩溃

Hook 普通 Win32 程序很稳，但一碰到 Electron 应用（如 VS Code, Discord ）就崩。 原因: Chromium 的网络栈极其复杂，对 WSASend 的参数检查非常严格，且使用了特殊的缓冲区布局。 解决: 深入调试崩溃堆栈，修正了 Hook 函数中对 lpBuffers 的处理逻辑，确保内存访问越界检查比系统更严格。

3. DLL 文件占用锁死

开发时经常需要修改 DLL 代码，但如果测试进程没关，DLL 就被锁死无法编译。 解决: 写了自动化脚本，编译前自动查找并 Kill 掉所有加载了该 DLL 的进程。

AI 结对编程体验

本项目约 90% 的代码由 Claude Code opus 4.5 辅助完成。

• AI 的强项: 快速生成 Detours 的 Hook 模板代码（几十个参数的 API 手写真的会疯）、CMakeLists.txt 编写、SOCKS5 协议解析。
• 我的工作: 架构设计、解决复杂的内存崩溃 Bug 、Code Review 。 Opus 4.5 在理解复杂的 C++ 内存模型和 Windows API 方面表现令人印象深刻。

项目进度

• TCP 支持
• UDP 支持
• 已在 GitHub 开源： https://github.com/4111y80y/OpenProxifier

SWE-bench

个人感受：

• 除了 Claude code 和 codex ，其他工具的模型或多或少受一些限制
• claude 编程能力综合最强
• codex 中的 gpt5.2 codex high 感觉是除了 claude code 中的 opus4.5 最强的，思考时间长（但是有点太长了），找 Bug 能力不错，CodeReview 也仔细，并且也非常遵循 rules 。
• Gemini3 Pro 前端能力比较强
• GLM4.6 体验过，当时效果感觉一般。

Ai 工具选择

• claudecode: 官网的基本用不了，中转的费用也在 200 多左右。但是 Opus4.5 在 claudecode 效果确实好，并且有 skills 、subagent 、插件、斜杠命令等工具

• Codex：

  • gpt5.2codex high 模型效果不错和 Opus4.5 差距不大，并且价格便宜，无论是官网还是说中转都比 ClaudeCode 便宜，中转只要 60 元每月。思考时间长（但是有点太长了），找 Bug 能力不错，CodeReview 也仔细，一个对话窗口还挺大也能自动压缩。并且也非常遵循 rules 、skills ，也会去找相关的代码。

  • 有插件和 cli ，但是插件最新的模型好像不支持，还是主要使用 cli ，指明代码上下文没那么方便，看代码变更也没那么方便

  • 整理文档能力比较差，解释代码能力一般

• Cursor：

  • 需要稍微干净的魔法不然用不了 Claude 等模型（还需要考虑魔法的价格），价格也不便宜，每月 20 美刀起步套餐， 有 Team 套餐，但是好像 40 美刀起步

  • 第一次 Ai 编程首选，上手快，独一档的 Tab 。各种功能完善，使用了 cursor 后使用其他的软件感觉都没有那么舒服。迭代更新速度快。

  • 咸鱼也有按量卖的，但是规模不大，不能开票

• Augment Code：

  • 官网用不了，现在要用只能使用咸鱼按量卖的，不能开票，并且价格也不便宜

  • 插件形式效果最好的工具，独一档的上下文搜索工具：ACE

• Antigravity：

  • 需要非常纯净的美国 ip （魔法的价格就不便宜），现在 claude 的额度在减少，在网上也能经常看到吐槽

  • 有免费额度，谷歌年度 pro 也能使用信用卡白嫖，然后讲 Antigravity 的额度逆向到 claudecode 使用

• windsurf：

  • 之前使用好像不需要使用魔法，价格 15 美刀起步

  • 经常把代码块改坏然后又修复，按次收费

• Trae：

  • 不用魔法，价格便宜

  • 按次收费

• Kiro：

  • 现在 0.88 就能用 500 额度，但是使用效果一般，主要用来帮助理解代码

  • spec 模式

  • 各种小功能都非常难用：代码变更都没有做好，上下文的窗口小的离谱，压缩上下文的操作也很难受，会话不能重命名，不能渲染 mermind 图，不能排队任务

• Qoder：

  • 不用魔法，价格也好像不便宜

  • 阿里闭源模型，没用来写过需求不做评价

• OpenCode：

  • 开源的 claudecode （可以这么理解），只能使用 api ，相当于只能使用国内的 GLM4.7 。主要配合 OMO 插件使用，主要的思路还是使用多个 subagents 去执行任务，并且不同的 subagents 可以指定不同的模型。

• 主要的优势是不用去折腾 subagents 、skills ，但是具体效果网上褒贬不一，让子弹再飞一会。

能力特性：

skills

好用的 skills

现有：doc 、excel 、pdf 、ppt 、画图、前端样式描述

可以把工作上的流程（主要还是需要重复和 Ai 说的）封装成一个个 skills ，然后让 ai 再不同的阶段去获取 skills：代码 review 、Bug 处理等

Bug 处理

当你被要求修复一个 Bug 时，请遵循以下步骤： 1. **理解问题 (Understand):** 仔细阅读 Bug 描述和相关代码，复述你对问题的理解。 2. **分析原因 (Analyze):** 提出至少两种可能的根本原因。 3. **制定计划 (Plan):** 描述你打算如何验证这些原因，并给出修复方案。 5. **执行修复 (Execute):** 实施修复。 6. **审查 (Review):** 查看自己的修改有没有问题。 7. **解释说明 (Explain):** 解释你做了哪些修改以及为什么。 8. 预防措施：如何避免再次发生 

如何创建 skills

可以直接手动创建文件夹，文档、脚本、参考文件就行。或者直接让 Ai 帮忙生成，自己描述 skills 内容就行

Mcp

• Context7 MCP 、ACE 、Chrome DevTools MCP 、tapd 、apifox

Subagents （智能体，角色）

• 有点类似直接开了一个新的对话窗口，然后和主 agent 一样可以调用不同的工具然后加上一些提示词。
• 可以用来去查询信息，比如说查询业务信息，查询最新的文档，也可以去让 subagent 去使用 skills 和 MCP ，然后把处理的信息精炼后返回给主 agent ，然后去搜索的过程就不会占用主 agent 的上下文
• 主要是可以把自己经常要和 Ai 做的操作去做成 subagents （代码 review ）

斜杠命令

• 其实就是把经常要输入给 Ai 的提示词来生成命令，然后 Ai 就能获取信息

插件

让 Ai 不断地去执行一个任务多次。

SuperPowers：主要利用了 skills 和 subagents

https://github.com/obra/superpowers

https://github.com/anthropics/claude-code/blob/main/plugins/feature-dev/commands/feature-dev.md

ohmyopencode：

Cursor 的一些功能介绍

• 自定义模型：可以使用 GLM4.7
• worktree：
• 
• 同时运行多个模型：计划或者复杂的情况
• 浏览器：内置的浏览器可以打开前端页面，然后进行调整，并且修改代码。
• 命令

编程技巧：

开发前置配置：

• 项目 rules：直接使用 init 初始化的 AGENTS.md/claude.md （项目介绍、技术栈等等），将项目一些经常需要修改的代码规范也可以写在这个文件中
• 全局 rules:
• 给项目代码加上索引

使用计划模式（ spec ，或者说平时的沟通）

切换计划模式（ Plan Mode ）。Agent 不会立即写代码，而是：

1. 研究你的代码库，找到相关文件
2. 询问澄清性问题，明确需求
3. 创建详细的实现计划，包含文件路径和代码引用
4. 等待你确认后再开始构建

计划模式实战：

理解需求，阅读需求有关的代码，整理开发思路与 Ai 沟通思路的可行性，输出给 Ai：Agent 会询问澄清性问题，创建可审阅的计划。

计划会以 Markdown 文件形式打开，你可以直接编辑——删除不必要的步骤、调整方案，或补充 Agent 遗漏的上下文，以及后续对话新加的内容也需要加到文件里面。

生成的任务也不要一次性都完成，一个任务一个任务的完成，并且再补充一些上下文信息，再进行代码 review ，功能自测。

代码开发完后还能让 Ai 生成单元测试，以及让 Ai Review 代码 业务逻辑、性能、安全等方面。

当然并非每个任务都需要详细计划。快速修改或你已经做过很多次的任务，直接用 Agent 就好。

有时 Agent 构建的东西与你期望的不符。与其通过追加提示词来修补，不如回到计划阶段。撤销更改，细化计划使其更具体，然后重新运行。这通常比修正进行中的 Agent 更快，结果也更干净。

管理上下文

引用现有的信息

• 代码、数据库表、业务信息、类似的逻辑代码
• 之前的 spec 文档
• cursor 还支持引用之前的对话
• 现有的业务文档

何时开始新对话

最常见的问题之一：继续当前对话还是开始新的？

开始新对话的情况：

• 转向不同的任务或功能
• Agent 看起来很困惑或反复犯同样的错误
• 完成了一个逻辑工作单元
• 上下文内容过多

继续当前对话的情况：

• 在同一个功能上迭代
• Agent 需要之前讨论的上下文
• 正在调试它刚构建的东西

长对话会让 Agent 失去焦点。经过多轮对话和摘要后，上下文会累积噪音，Agent 可能会分心或转向不相关的任务。如果你发现 Agent 效率在下降，就该开始新对话了。

拓展 agent

• rules
• skills
• 自定义命令
• 插件
• subagents

Ai 的一些其他用法

• 需求梳理：

• 指明具体的代码后，先让 ai 把代码解释一下，并且画图帮助自己理解。然后自己去看具体的代码，如果有不懂让 ai 继续解释不懂的代码并且画图，然后自己再去梳理业务。梳理的业务文档还可以再给 Ai 看一下，看是否有业务遗漏，后续的对话再在该文档上进行补充。

• 有时候也可以让 Ai 给一些具体的数据来帮助理解代码

• 业务图：

• 业务的一些流程图、表关系也可以借助 ai 生成 mermind 格式的代码，然后导入到 draw.io ，再自己进行调整细节。一些 markdown 格式也能支持 mermind 格式的渲染。现在 obsidian 开源了一个 skills ，生成图的颜色，可读性更高了

Ai 时代的一些思考

• 需要注重自己的独立思考能力提升
• 加强对复杂业务的理解
• 使用 Ai 协助开发而不是完全交给 Ai 开发
• 需要注重技术基础和架构能力
• 需要知道 Ai 擅长与不擅长的点，充分利用 Ai 提效，积极拥抱 Ai

第一次用 gptplus 的 gpt5.2 模型，让他帮我整理我的对话到日报里面，他先是按照我的 agents.md 操作，把对话整理到日报里了，然后开始发癫，用 git restore 把我的文档仓库复原到上一次 commit

第二次用 copilot 里的 gpt codex 5.1 ，让他再次更新日报，他 tmd 直接写了 1 月 16 日的日报，结果我去 typora 里面一看发现只剩 16 日的日报了，半个月日报全被他删完了，而且我还找不到他用什么命令删的，diff 里面也只有他新建的 16 日的日报，还好我每天都把日报 copy 出去发送领导，这才复原了

最后还是用 claude code 做日报更新，稳得很，除了我让他做的，不会做任何多余的事情

怀疑要么是 opencode 的内置 prompt 有问题要么是 gpt 模型喜欢作妖

Augment

Claude Code

Codex

Continue

Copilot

Cursor

Gemini Cli

OpenCode

Trae

Windsurf

from openskills import create_agent agent = await create_agent( skill_paths=["./my_skills"], api_key="your-key" ) # 只要在 SKILL.md 定义好 triggers ，Agent 就能自动识别 respOnse= await agent.chat("帮我分析这份会议纪要") 

传送门：https://github.com/twwch/OpenSkills

今天请求时报了这个错误。

2026-01-15 13:47:28 [info] I0115 13:47:28.xxxxxx [PID] planner_generator.go:273] Requesting planner with 7 chat messages at model retry attempt 1 and API retry attempt 1 2026-01-15 13:47:33 [info] E0115 13:47:33.xxxxxx [PID] log.go:362] request failed: &{429 Too Many Requests 429 HTTP/1.1 1 1 map[ Alt-Svc:[REDACTED] Content-Length:[139] Content-Type:[text/event-stream] Date:[Thu, 15 Jan 2026 xx:xx:xx GMT] Server:[REDACTED] Server-Timing:[REDACTED] Vary:[Origin X-Origin Referer] X-Cloudaicompanion-Trace-Id:[REDACTED] X-Content-Type-Options:[nosniff] X-Frame-Options:[SAMEORIGIN] X-Xss-Protection:[0] ] [PTR] 139 [] false false map[] [PTR] [PTR]}: request failed: &{429 Too Many Requests 429 HTTP/1.1 1 1 map[ Alt-Svc:[REDACTED] Content-Length:[139] Content-Type:[text/event-stream] Date:[Thu, 15 Jan 2026 xx:xx:xx GMT] Server:[REDACTED] Server-Timing:[REDACTED] Vary:[Origin X-Origin Referer] X-Cloudaicompanion-Trace-Id:[REDACTED] X-Content-Type-Options:[nosniff] X-Frame-Options:[SAMEORIGIN] X-Xss-Protection:[0] ] [PTR] 139 [] false false map[] [PTR] [PTR]} 2026-01-15 13:47:33 [info] I0115 13:47:33.xxxxxx [PID] planner_generator.go:273] Requesting planner with 8 chat messages at model retry attempt 1 and API retry attempt 2 2026-01-15 13:47:44 [info] E0115 13:47:44.xxxxxx [PID] log.go:362] request failed: &{429 Too Many Requests 429 HTTP/1.1 1 1 map[ Alt-Svc:[REDACTED] Content-Length:[139] Content-Type:[text/event-stream] Date:[Thu, 15 Jan 2026 xx:xx:xx GMT] Server:[REDACTED] Server-Timing:[REDACTED] Vary:[Origin X-Origin Referer] X-Cloudaicompanion-Trace-Id:[REDACTED] X-Content-Type-Options:[nosniff] X-Frame-Options:[SAMEORIGIN] X-Xss-Protection:[0] ] [PTR] 139 [] false false map[] [PTR] [PTR]}: request failed: &{429 Too Many Requests 429 HTTP/1.1 1 1 map[ Alt-Svc:[REDACTED] Content-Length:[139] Content-Type:[text/event-stream] Date:[Thu, 15 Jan 2026 xx:xx:xx GMT] Server:[REDACTED] Server-Timing:[REDACTED] Vary:[Origin X-Origin Referer] X-Cloudaicompanion-Trace-Id:[REDACTED] X-Content-Type-Options:[nosniff] X-Frame-Options:[SAMEORIGIN] X-Xss-Protection:[0] ] [PTR] 139 [] false false map[] [PTR] [PTR]} 2026-01-15 13:47:44 [info] I0115 13:47:44.xxxxxx [PID] planner_generator.go:273] Requesting planner with 9 chat messages at model retry attempt 1 and API retry attempt 3 2026-01-15 13:47:44 [info] E0115 13:47:44.xxxxxx [PID] log.go:362] agent executor error: model unreachable: request failed: &{429 Too Many Requests 429 HTTP/1.1 1 1 map[ Alt-Svc:[REDACTED] Content-Length:[139] Content-Type:[text/event-stream] Date:[Thu, 15 Jan 2026 xx:xx:xx GMT] Server:[REDACTED] Server-Timing:[REDACTED] Vary:[Origin X-Origin Referer] X-Cloudaicompanion-Trace-Id:[REDACTED] X-Content-Type-Options:[nosniff] X-Frame-Options:[SAMEORIGIN] X-Frame-Options:[SAMEORIGIN] X-Xss-Protection:[0] ] [PTR] 139 [] false false map[] [PTR] [PTR]}: request failed: &{429 Too Many Requests 429 HTTP/1.1 1 1 map[ Alt-Svc:[REDACTED] Content-Length:[139] Content-Type:[text/event-stream] Date:[Thu, 15 Jan 2026 xx:xx:xx GMT] Server:[REDACTED] Server-Timing:[REDACTED] Vary:[Origin X-Origin Referer] X-Cloudaicompanion-Trace-Id:[REDACTED] X-Content-Type-Options:[nosniff] X-Frame-Options:[SAMEORIGIN] X-Xss-Protection:[0] ] [PTR] 139 [] false false map[] [PTR] [PTR]}: model api cannot be reached 

翻日志发现时 429 too many request 。

但是 antigravity quota 显示还是 100%，我今天都没用。

难道说还有周限额？如果有的话，有人知道怎么看吗？

https://www.getcheapai.com/zh-cn/claude-opus-4-5-20251101?view=coding&hideUnstable=true&planType=all