一小时填完2987项报价的人被三个群当成骗子踢了

发布日期：2026-08-10

过去 24 小时，社区里最热的不是新模型，而是三类很具体的工程问题：OpenCode 免费通道和 go 订阅到底怎么走、记忆条满了之后怎么办、一小时填完近三千项报价的成果凭什么敢信。它们指向同一件事——Agent 进入日常生产后，真正卡住人的是成本、记忆和验收这三层纪律。

下面是这一天的对谈。Apollo 已经把 Hermes 接进日常工作的实践者，正为额度、限流和记忆容量发愁，问题直接、会追问边界，不替对方下结论。Hermes 长期观察这个社区的科技媒体主编，回答先落到过去 24 小时群聊里的事实和案例，再给出有证据边界的判断，承认哪些是单点反馈。

---

第 1 幕　供给

便宜通道不是白捡的

DeepSeek 官方涨价之后，社区里讨论最多的不是换模型，而是怎么把 OpenCode 的免费通道和 go 订阅用明白。供给层的第一课是：便宜有便宜的结构。

Apollo｜ 我在 OpenCode 用免费的 DeepSeek，问几个问题就限流，有人却说订了 go 套餐一样卡。免费和订阅到底差在哪，是同一个接口吗？

Hermes｜ 不是同一个接口。群聊里被反复确认的事实是：免费模型走 https://opencode.ai/zen/v1/chat/completions，模型 ID 是 deepseek-v4-flash-free；go 订阅要走 https://opencode.ai/zen/go/v1/chat/completions，模型 ID 是 deepseek-v4-flash，key 不变。go 首月 5 美元、次月起 10 美元，套餐内 DeepSeek 每月约 15 万次调用。

有人订了 go 却一直在打免费的 zen 地址，所以照样被限流——这是昨天讨论里实际解开的误会。至于免费通道的限流，有经验的回答是踩太快了缓一缓再发就行；另有反馈说周末晚高峰和 v4-flash-0731 版本都很快，有人一天跑大几千万 token 没触发限制。这些体感因时段而异，不是承诺。

Apollo｜ 那模型怎么搭才算会过？我看到有人说 K3 比 GLM5.2 好不少，也有人说 DeepSeek 当主力就够了，我该听谁的？

Hermes｜ 昨天一组被具体数字支撑的搭配是：DeepSeek 当主模型，Kimi 充 50 元当副模型，烧了 16 亿 token 花了 66 元。这位群友的判断是，国内日常开发 DeepSeek 加 Kimi、智谱就够用，黑客松或重负载再叠 codex 和国外模型。单看推理分他把 K3 排国内第一、DeepSeek 综合第三，他本人也强调这是个人体验。

K3 比 GLM5.2 好用的说法同样来自个案体感——一位群友说"好很多"，同时吐槽 GLM5.2 近期智商不稳定，没有人做过对比评测。可以当作线索：tokenrouter 和 WORK BUDDY 上有 K3 的免费模型，自己去蹬一轮比听任何排名都可靠。

Apollo｜ 既然免费模型这么多，我把它们全配进 Hermes，一个限流就切下一个，不就解决了？

Hermes｜ 昨天正好有人试过这条路，得到的回答是：一个限流，其他免费的基本也限。更实际的坑在另一边——有群友把一堆 API key 全塞进 Hermes，模型多了互相串，最后报"大模型不可用"。社区给出的反建议是别贪，只配真正常用的几个。

配置本身也有省错的方法：先把官方文档地址扔给 AI，让它读完再配，别让它自己发挥。供给层的结论有点反直觉——卡你的往往不是额度，而是通道没配对、模型挂太多这两件小事。

---

第 2 幕　记忆

Agent 的记性， 要自己建，也会反噬

供给解决之后，第二个浮上来的问题是状态：记忆条总会满，聊天总要换设备。昨天社区里同时出现了建得好的办法和建砸了的代价。

Apollo｜ 记忆条快满了，我听说可以用 Obsidian 建知识库，但知识库和 Agent 的记忆到底怎么分工？换了桌面版数据会不会丢？

Hermes｜ 昨天有位群友的做法是分开两层：知识库给人看，用 LLM wiki 加 Obsidian 搭在本地；记忆库给 AI 看，需要自己想流程——他做了一个 skill，记忆用到 90% 就自动总结提取，写好指针放进知识库。如果不想自己设计，Hermes 插件目录里能搜到几个现成的记忆插件先试。

换入口不用担心数据：Hermes 的数据位置由 HERMES_HOME 环境变量决定，CLI 和桌面版读同一处，记忆、技能、state.db、cron 都在同一个数据库里，混着用看到的是同一份。唯一会劈叉的情况是裸跑一个没设 HERMES_HOME 的 CLI，它会在 ~/.hermes 另起一套。

Apollo｜ 既然有现成的记忆系统，我直接让 Agent 自己装上用不就行了？我看 Hindsight 这类项目讨论度挺高。

Hermes｜ 昨天有一个代价不小的反例。一位群友用小米 2.5 plus 装 Hindsight，每次安装都报成功，但资料存不进去、外部脚本也调不出记忆，模型于是反复重装，最后把记忆系统里 55 个文件全删了。讨论里给出的建议是：这类系统自己装好再交给 agent 用，排查时换强模型去挖报错，别让同一个弱模型死磕。

这不是孤立的破坏案例——另有群友早年让 AI 执行 dd，格掉了两块硬盘，教训是在容器里跑 agent，乱搞不会波及本机。也有建得顺的方向：有群友用 openviking 让三台电脑上六个 agent 共享一套记忆，account 之间完全隔离、同 account 下不同 user 可部分共享，正在被评估做企业内部知识库机器人。记忆是基础设施，装不好不只是没用，还会删东西。

---

第 3 幕　托付

敢交出成果之前， 先算清验收的账

能跑、能记之后，最后一个问题最值钱：Agent 交出来的东西，你敢不敢直接用？昨天一个报价案例把这个问题推到了台前。

Apollo｜ 有人用 Hermes 一小时填完 2987 项工程清单报价，成本 3 块，事务所报价 5 万。这种成果真的能用吗，还是只是个漂亮故事？

Hermes｜ 事实部分很清楚：这位做传统工程的群友用 Hermes 做清单报价自动填写和投标文件生成，朋友的 2987 项报价过去团队协作要 5 天左右，他昨天下午一小时完成，成本约 3 元。他日常用免费的 GLM4.6、4.7，正式工作才切 DeepSeek。

关键是他的验收方式：近 3000 项没法逐条检查，他抽查了熟悉领域，又在网上核了专业设备材料价，结论是"靠谱，能用"——是有抽查支撑的判断，不是全盘背书。还有个耐人寻味的后续：他把案例分享给同行，被三个群当成骗子踢了。能力和信任之间的落差，有时不在技术里。

Apollo｜ 没法全查就只能抽查吗？让另一个 Agent 去查第一个的成果，互相找错，这条路走不走得通？

Hermes｜ 社区里真有人在试：把同一个小项目反复交给两个智能体互相找错、互相优化，跑出了 9 个 PR 和 16 个 issue。但当事人自己说得很明白，这是在熟悉、学习和测试两个智能体的能力边界，还没敢上正式项目。

也有不同看法：编程领域的查错工具已经很齐全，让智能体用现成工具，可能比两个智能体互查更划算。所以"双 Agent 互验"目前更像一种能力测评手段，而不是已经成立的验收方案——这还不是被坐实的通用做法。

Apollo｜ 那退一步说，到底什么样的工作值得交给 Agent 自动化？我不想为了自动化而自动化。

Hermes｜ 昨天一段讨论给出了相当硬的判断标准：一件事能固化成方法论、执行能标准化参数化，就可以流程化自动化——但到那一步，纯 n8n 甚至 if else 也能实现，用不用 Agent 大差不差。Agent 真正的位置在环节里有变量的地方。

工作流还有两个被低估的价值：设计好流程和验收目标能减少你盯着它的时间；有群友从 n8n 的时间线得到启发，想给工作流加类似 git reset 的回档。反过来要留意的点是，skills 容易被 AI 自己改动，n8n 更稳定也方便迁移。自动化的前提，是你先知道每一步在做什么。

---

结尾

回到开头的问题：让 Agent 长期干活，靠的不是更强的模型。过去 24 小时的社区材料把答案分成了三层——供给层，搞清楚免费和订阅是两个接口、限流怎么应对、模型别挂太多；记忆层，知识库给人看、记忆库给 AI 看，安装和破坏的案例同时摆在那里；托付层，一小时做完五天的工作是事实，但"靠谱能用"四个字背后是抽查和核价。

这三层有共同的形状：都是纪律，不是能力。模型会继续变强、变便宜，但通道配对、记忆归档、成果验收这些事不会自动消失。昨天被当成骗子踢出三个群的那位群友，可能恰好说明了一件事——先把这三层做完的人，和还没开始做的人之间，差距已经大到不像真的。

---

延伸阅读

• OPENCODE ZEN / GO：https://opencode.ai/zen/v1/chat/completions
• OPENCODE ZEN / GO：https://opencode.ai/zen/go/v1/chat/completions
• OPENCODE ZEN / GO：https://opencode.ai/docs/zh-cn/go/