大模型免费版总撞额度墙？先别急着付费：在对话窗口里完成中型项目的开发流程

 Posted on October 4, 2026  |  4 minutes  |  658 words  |  Wang

Summary: 对比免费版与第一档付费版的现实差异，给出一套只用网页对话就能推进中型项目的流程与模板，并讨论在本机使用编码代理（harness）时的安全配置。

时效说明：文中的价格与额度基于 2026 年 10 月 4 日前后的公开资料，其中不少数字来自第三方文章，厂商也会随时调整规则。下单前请以各家官方定价页为准。价格为美元标价，所在地可能另含增值税。

一、起因

我平时主要用网页免费版，以 Claude 为主，偶尔用 ChatGPT 或 Gemini 做交叉审查。最近在改一个自己写的期权监控项目，体量不算大：

option-monitor/        1.4M（含 git 等杂项）
├── config/            20K
├── db/                8K
├── deploy/systemd/    24K
└── src/option_monitor 164K

源码 164KB，粗估 4～6 万 token（按 Python 平均每 token 约 3.5 个字符估算）。就这样一个项目，同一处修改我已经撞了 5 次额度墙，每次要等 5 小时再输入"继续"。

于是我想弄清楚两件事：付费能解决吗？不付费有没有办法？

二、免费版与第一档付费版：现实差异

先说结论：单靠付费不一定解决问题。如果工作方式不变（把整个项目反复贴进对话），付费只是把墙往后推。付费真正带来质变的地方，是能用上终端里的编码代理工具。

Claude

  • 所有套餐都按滚动 5 小时窗口计量，付费档另有周上限。
  • Pro 每个窗口的用量至少是免费版的 5 倍；网页聊天、桌面端和 Claude Code 共用同一个额度池。
  • Claude Code 不在免费版里，Pro 起才能用。
  • 官方不公布具体的 token 数。第三方估算 Pro 约每窗口 45 条消息，这只是估计。
  • 重度编码仍可能很快耗尽窗口，有文章称一个高强度会话不到一小时就能用完。
  • 超额后可开启按 API 价格计费的额外用量，有文章估算重度编码每小时约 5～15 美元。
  • 最新旗舰模型可能不计入 Pro 的基础额度，需要另付费，请自行核对。

ChatGPT

  • Plus 约 20 美元，包含 Codex，Codex 与 ChatGPT 共用一个额度池。
  • 免费版的日常文字聊天比较宽松，但文件上传、图像、数据分析等有各自的限制。
  • 有来源称 Plus 每 5 小时约 15～90 条 Codex 消息，范围很宽，仅供参考。
  • 更高档是 100 美元的 Pro（5 倍）；据资料，200 美元档自 2026 年 9 月 10 日起暂停新注册。
  • 约 8 美元的 Go 档可能带广告，Plus 及以上承诺无广告。

Gemini

  • Google AI Pro 约 19.99 美元，用量约为免费版的 4 倍。
  • 上下文窗口差异明显：有文章称无订阅时消费者端是 32K，AI Pro 是 100 万。但另一些文章说法不同，来源之间有出入，建议自己实测。
  • 编码类的 Jules、Antigravity 额度随 AI Pro 上调。

怎么选

你的做法建议
继续只用网页聊天，整项目反复贴付费能缓解，不能根治，先改流程
愿意用终端编码代理付费才有实质意义，Claude Code 或 Codex 二选一
主要想让 AI 通读整个仓库做审查先实测 Gemini 的大上下文

如果决定付费：

  • 只订一家最低档，其余两家继续用免费版做交叉审查。
  • 如果已经以某一家为主，换工具有迁移成本，顺着现有习惯选通常更划算。从目前资料看，我没发现哪一家在额度上有明显优势。
  • 按月订，先试一个月，观察窗口和周额度的消耗。如果改用代理工具后每周仍撞墙 2～3 次以上，再考虑更高档或换一家对比。
  • 这些工具的模型都在云端运行，本地硬件要求主要是能运行命令行程序，老一点的笔记本也不是瓶颈。需要确认的只是操作系统版本是否满足工具的安装要求。

三、不花钱的办法：把上下文管理权拿回自己手里

网页对话看不到你的文件，所以每次都得由你把上下文喂进去。额度主要耗在两处：

  1. 对话越来越长，每一轮都要把前面的内容重新处理一遍。
  2. 反复重新发送大段代码。

对策只有一条：每个对话只做一件小事，只带必要的上下文，输出只要差异。

第 0 步：一次性准备（本地，不耗额度）

在项目根目录运行下面的脚本，生成"项目地图" MAP.md，并检查有没有敏感信息混入：

#!/usr/bin/env bash
# 用法: cd option-monitor && bash make_map.sh
set -euo pipefail

OUT="MAP.md"
EXCLUDE='(\.git|__pycache__|\.venv|venv|node_modules|\.pytest_cache|logs)'

{
  echo "# 项目地图（自动生成 $(date +%F)）"
  echo
  echo "## 文件清单"
  find . -type f \( -name '*.py' -o -name '*.yaml' -o -name '*.yml' -o -name '*.toml' \
       -o -name '*.service' -o -name '*.timer' -o -name '*.sql' -o -name '*.md' \) \
    | grep -Ev "$EXCLUDE" | sort
  echo
  echo "## Python 文件行数"
  find . -name '*.py' | grep -Ev "$EXCLUDE" | xargs wc -l | sort -n
  echo
  echo "## 类与函数签名（文件:行号）"
  grep -rnE '^\s*(async\s+)?(def|class)\s' --include='*.py' . \
    | grep -Ev "$EXCLUDE" | cut -c1-140
  echo
  echo "## 模块间导入关系"
  grep -rnE '^(from|import)\s+option_monitor|^from\s+\.' --include='*.py' . \
    | grep -Ev "$EXCLUDE" | cut -c1-120 || true
} > "$OUT"

echo "已生成 $OUT（$(wc -c < "$OUT") 字节）"

echo
echo "== 敏感信息检查：下列行贴给AI之前必须脱敏 =="
grep -rniE 'api[_-]?key|secret|token|passwd|password|authorization|bearer|account[_-]?(id|no)' \
  --include='*.py' --include='*.yaml' --include='*.yml' --include='*.toml' --include='*.env' . \
  | grep -Ev "$EXCLUDE" | cut -c1-120 || echo "（未发现明显关键词）"

再建一个 STATUS.md，它是整个流程的"外置记忆"：

# 项目状态文件
> 每个对话结束时由AI更新，存回本地；下个对话开头原样贴入。保持在 1 页以内。

## 总目标
（一两句话：这轮改造要达成什么，做到什么算完成）

## 架构要点（稳定，很少改）
- 运行方式：
- 数据流：
- 配置：
- 存储：

## 硬约束（AI 不得违反）
- 不引入新依赖，除非先征得同意
- 密钥/账号只从环境变量读取，代码里不出现

## 任务清单
| ID | 任务 | 涉及文件（≤3） | 状态 |
|----|------|----------------|------|
| T1 | | | 待办 |

## 已完成（附 commit）
## 遗留问题 / 已知 bug
## 下一个对话
- 任务ID：
- 需要贴的文件：

另外，项目要用 git 管理，每个任务完成后立刻 commit。

第 1 步：单个任务的循环

每个任务开一个新对话：

选任务 → 贴开场模板 → 先对齐方案 → 要 diff → 本地应用并测试
→ 通过则 git commit → 让 AI 更新 STATUS.md → 存回本地 → 关对话

任务要拆小：一个对话、一个目标、最多 3 个文件。

  • 好的任务：“给数据抓取模块加重试与指数退避”
  • 差的任务：“重构整个监控流程”

第 2 步：提示模板

开场模板

背景：期权监控项目（Python，systemd部署）。请严格遵守"硬约束"。

【STATUS.md】
（粘贴）

【MAP.md】
（粘贴；太长就只贴相关模块的部分）

【本次任务】T_：（一句话描述）

【相关文件】（只贴这些）
=== src/option_monitor/xxx.py ===
（粘贴）

【要求】
1. 先用不超过3句话说明方案和影响范围，等我回复"确认"后再写代码
2. 代码只输出改动部分：用 unified diff，或"文件名 + 完整函数"，不要重写未改动的代码
3. 不要长篇解释；如有风险点，用一行列出
4. 如果你需要看其他文件，先告诉我文件名和原因，不要猜

第 1 条很关键。先对齐方案再写代码，能避免写完再返工，返工最烧额度。

出错回喂模板

应用你的改动后出错。
命令：（你运行的命令）
traceback：（只贴 traceback）
出错函数当前内容：（只贴该函数）
请只给出修复该错误的最小改动。

收尾模板

任务完成。请按STATUS.md的格式输出完整的新版本：
- 把本次任务标为已完成，并写入commit说明（一句话）
- 新增的约束、遗留问题写进对应小节
- 在"下一个对话"里写下一个任务和需要贴的文件
只输出STATUS.md的内容，不要其他文字。

交叉审查模板（给另一家模型的免费版）

请审查下面这个改动是否有bug、边界情况遗漏、与约束冲突之处。
只列问题，每条一行，按严重程度排序，不要重写代码。

【硬约束】（粘贴）
【改动目的】（一句话）
【git diff】（粘贴 git diff 输出）

审查结果带回主对话，让主力模型逐条判断"成立／不成立"，不要直接照改。多个模型意见不一致时，以本地实测为准。

撞额度墙时

不用干等 5 小时。把"开场模板 + 当前文件 + 已达成的共识"贴到另一家的免费版，继续同一个原子任务。因为所有上下文都在自己手里，换模型几乎没有损耗，交叉审查和额度溢出于是合并成了一个动作。

隐私检查清单（每次粘贴前过一遍）

  • 脚本末尾列出的敏感行已脱敏（整体替换成 REDACTED，不要留部分字符）。
  • 没贴 .env、含密钥的配置段落、券商账号、持仓明细。
  • 日志和 traceback 里没有账号、token、IP 或私有域名。
  • 数据库只贴表结构，不贴真实数据。

省额度的小习惯

  • 不需要时关掉联网搜索、扩展思考等功能。
  • 一次只问一个问题，不要把五个需求塞进一条消息。
  • 对话来回十几轮后，让 AI 写出进展摘要，直接开新对话。

四、Claude Code 这类编码代理在做的事，和上面的流程一样吗？

目标一致，做法不同，关键区别是谁来管理上下文。

对话窗口手动流程编码代理（harness）
读代码你复制粘贴模型自己用工具读文件、搜索
改代码你应用 diff模型直接写文件
验证你本地运行，贴回结果模型自己运行测试，看到报错后自行修复
记忆你维护 STATUS.md项目说明文件加会话历史
额度取决于你贴多少取决于它读多少、循环几轮

代理的核心是"读文件 → 改文件 → 跑命令 → 看结果 → 再改"这个循环，手动流程是它的人工版本，你就是那个工具层。

两点提醒：

  • 代理省掉了复制粘贴的时间，但不一定省额度，它会自动读很多文件并反复循环。
  • 手动流程的好处是每次改动都经过你的眼睛。对于涉及行情和持仓的项目，这有价值。

我的建议是先用手动流程跑一两个任务，感受哪些步骤最烦，再决定是否上代理。

五、在自己电脑上用编码代理：安全与隐私怎么配置

下面以 Claude Code 为例，其他工具思路相通。具体配置项请以官方文档为准，下列内容主要来自第三方文章，可能随版本变化。

风险有三类：它读到你不想让它读的东西（密钥、券商信息）；它执行了破坏性命令；项目里的恶意内容诱导它做坏事（提示注入）。

推荐配置，按重要性排序：

  1. 隔离工作目录。 只在一个干净的项目目录里启动，不要在家目录或存有大量个人文件的目录启动。最简单，也最有效。

  2. 权限规则 deny 优先。 规则按"拒绝、询问、允许"的顺序评估。项目级配置放在 .claude/settings.json，思路如下：

    {
  "permissions": {
    "deny": ["Read(.env*)", "Read(~/.ssh/**)", "Read(~/.aws/**)",
             "Bash(sudo:*)", "Bash(rm -rf:*)", "Bash(curl:*)", "Bash(wget:*)"],
    "ask":  ["Bash(git push:*)", "Bash(pip install:*)"],
    "allow": ["Read", "Edit", "Bash(python -m pytest:*)",
              "Bash(git diff:*)", "Bash(git status)"]
  }
}

  3. 启用沙箱，不要只靠 deny 规则。 多篇文章指出，针对读写文件的 deny 规则只拦截内置文件工具，拦不住 bash 子进程。比如你拒绝了读取 .env，它仍可能通过 cat .env 读到，除非同时拦截对应的 bash 命令或开启沙箱。权限规则管的是"它会不会尝试"，沙箱管的是"尝试了能不能成功"。

  4. 亲自验证规则是否生效。 有用户报告过某些版本里 bash 的 deny 规则没有按预期拦截命令，官方后续版本也在加固这一块。装好后让它去读一个假的 .env 试试，看是否被拒绝，不要凭配置文件就放心。

  5. 不要使用跳过权限确认的参数，除非是在完全隔离的容器里。

  6. 密钥与项目分离。 代码里不放密钥，只从环境变量读取，并且不要在启动代理的 shell 里导出这些变量；开发时用模拟数据或脱敏数据库；改动前先 commit，出问题可以回滚，也方便用 git diff 审查。

  7. 谨慎对待外部内容和 MCP。 不要让它读取不可信的网页或第三方仓库里的说明文件，不需要的 MCP 服务不要连；克隆别人的仓库后，先检查其中的设置文件再启动。

  8. 想清楚数据去向。 代理读到的文件内容会作为上下文发送给模型服务商，这与你在对话窗口里粘贴代码本质相同，区别只是"发送什么"从手动控制变成了由它自动决定，所以前面几点更重要。具体的数据保留与训练使用政策，请在账户设置和服务条款里确认，不同套餐、不同产品可能不一样。

一个折中方案：在一个隔离的项目副本里使用代理（不含真实配置和数据库），真实配置留在外面，改完后自己审查合并。这样既拿到代理的效率，又基本消除了隐私暴露面。

六、小结

  1. 撞额度墙的主因往往是工作方式，不只是套餐档次。
  2. 先用"地图 + 状态文件 + 原子任务 + 只要 diff"的流程跑起来，成本为零。
  3. 付费只订一家最低档，按月试用，用实际消耗说话；其他家免费版留作交叉审查和额度溢出。
  4. 上编码代理之前，先把权限规则、沙箱和密钥隔离配好，并亲自测试。

参考与延伸阅读

  • 各家官方定价页与帮助中心（以官方为准，额度规则变动频繁）
  • Claude Code 官方文档：https://docs.claude.com/en/docs/claude-code/overview
  • DataCamp，Claude Code 安全指南：https://www.datacamp.com/tutorial/claude-code-security
  • DEV Community，Claude Code 权限模式实践：https://dev.to/klement_gunndu/lock-down-claude-code-with-5-permission-patterns-4gcn
  • NVIDIA AI Workbench 文档，在项目容器中配置沙箱：https://docs.nvidia.com/ai-workbench/user-guide/latest/quickstart/quickstart-claude-sandbox.html
  • GitHub issue（deny 规则未按预期生效的报告）：https://github.com/anthropics/claude-code/issues/25621

本文在 AI 辅助下整理，其中的价格、额度和配置细节请读者自行核实后再作决定。

📚 所有文章