ARTICLE · 989858
免费的AI工具把我坑惨了
“ 老头的快乐生活里说的劣质token，我最开始是不信的”
各家Ai争得热火朝天的时候，我等普通的非专业编程从业者并没有很大的心情波动，我们只关心它们便不便宜，哪怕它们不强，我们多输几次提示词，多改几次bug，问题也不大。毕竟我们的业余时间好像还没有token贵。
01
—
免费的才是生产力
收费的API我用得心惊肉跳，免费的AI工具我站起来蹬。
在Claude code火热的时候，看到它高昂的价格，直接把我劝退了。
直到梁神把DeepSeek降价到冰点，小米才端出了它的mimo模型，刚开还送十亿token。我还拿出了我非常业余的项目去申请。很可惜没有通过。
后来又发现了小米发布了mimocode，mimo v2.5免费用。
这下我忍不了了，必须下载下来狠狠的蹬它。
之前用习惯了pycharm，换到了白嫖领导的cursor上对界面各种不习惯。
后面发现在终端运行的Ai agnet才是真的香，在pycharm的终端中打开，pycharm就编程了AI IDE。用起来嘎嘎顺手。在微信开发助手中打开，0代码就可以开发小程序。瞬间觉得编程技术已经不是普通人门槛，只要有好的想法。分分钟可以实现。
直到7月26号，mimocode限免没有了，8月17号，DeepSeek涨价了。天塌了。我的作品没有变现的能力，API涨价之后等于天天亏钱。于是只能掏出沉寂已久的Agnes账号，继续白嫖。
02
—
曲折的白嫖历程
在发现Agnes以后，我火速申请了账号，获取了API，通过CC switch导入到Claude code中。
但是免费的API都有一个缺点：排队，处理速度慢。
处理一个问题20分钟起步。
以至于它直接被我打入冷宫。用上了可以在各个程序的终端中运行的mimo code。
在mimo取消免费，邀请新用户获得的30块都被花完之后。
我把只能把目光转向了它开发的code工具：Agnes code
国际版网址：https://agnes-ai.com/agnescode
国内版网址：https://agnes-ai.cn/agnescode
CLI国际版：https://agnescode.agnes-ai.cn/zh-Hans/
CLI国内版：https://agnescode.agnes-ai.com/zh-Hans/
发现它的能力还不错，响应速度比用API快多了。所以最近又用上了Agnes code。
03
—
这个问题得加钱
这几天，我一直在写一个自认为“很简单”的工具：一个带GUI界面的YOLO检测器，功能就是导入模型和图片文件夹，然后通过YOLO来检测图片。
04
—
还是你们屌丝懂得多
在近乎绝望的时候，我放弃了“AI Agent自动改代码”的现代魔法，回到没有智能体时代的“古法编程”——直接在网页端提需求，把代码复制回本地运行。
我先是给DeepSeek说明了我想要的功能，让DeepSeek生成了一段AI提示词，再用Agnes生成程序，但是效果不佳。
我只能根据DeepSeek生成的提示词重新写一份足够清晰，严谨的需求文档。以下是我的提示词内容。
# YOLO训练检测程序## 界面(pyqt5)- 窗口标题:YOLO26权重训练-测试工具- 标签页:detect\train\format- 标签页detect- 左侧设置模型1检测结果框- 中间设置模型2检测结果框- 右侧设置检测相关参数- 模型1路径 未加载模型/模型地址 选择模型按钮- 模型2路径 未加载模型/模型地址 选择模型按钮- 图片路径 未加载图片/图片地址 选择图片按钮- 标签路径 未加载标签/标签地址 选择标签目录按钮- ○批量检测 ○单张检测- ○单模型检查 ○单模型＋标签 ○双模型检查- 置信度:[数值输入框]- IOU: [数值输入框]- imgsz:[数值输入框]- max_det:[数值输入框]- classes:[数值输入框]- half:[checkbox]- augment:[checkbox]- stream:[checkbox]- 开始检测按钮- 上一张按钮 下一张按钮- 当前图片序号/所有图片数量 检测进度条含百分比- 检测结果- 图片名称- 检测耗时:xx ms- 检测到 x 个目标:- 1 class (95%)- 2 class (90%)- 差异分数:10.0- 标签页train- 模型文件- 模型路径: 未加载模型/模型地址 选择模型按钮- 数据集配置- yaml配置: 未加载配置/yaml地址 选择配置按钮- 项目设置- 项目目录: 未加载目录/目录地址 选择目录按钮- 实验名称: [文本输入框]- 训练轮数: [数值输入框]- 图片尺寸:[数值输入框]- 工作进程:[数值输入框]- 批次大小:[数值输入框]- 设备:[下拉选择框]- 数据增强- 水平翻转概率:[数值输入框]- 垂直翻转概率:[数值输入框]- 旋转角度:[数值输入框]- mosaic增强:[数值输入框]- mixup增强[数值输入框]- 颜色空间增强- hsv-hue偏移:[数值输入框]- hsv-saturation偏移:[数值输入框]- hsv-value偏移:[数值输入框]- 损失权重- box损失权重:[数值输入框]- class损失权重:[数值输入框]- DFL损失权重:[数值输入框]- 其他设置- 缓存数据:[checkbox]- 耐心轮数:[数值输入框]- 快速预设:默认按钮 激进增强按钮 轻量训练按钮- 训练日志- [时间]日志内容/训练信息- 开始训练按钮 停止训练按钮 导出训练配置按钮 导入训练配置按钮 清空日志按钮- 标签页format- 模型路径: 未加载模型/模型地址 选择模型按钮- 导出格式: ○ onnx ○engine- half: [checkbox]- device:[下拉选择框]- imgsz:[数值输入框]- 转换开始按钮- 转换日志- 转换过程内容显示## 功能- 检测功能- 单模型模式选中- 批量检测选中- 通过模型1的.pt文件对图片路径里的全部图片进行检测,检测结果显示在模型1检测结果框- 单张检测选中- 通过模型1的.pt文件对图片路径里加载的当前图片进行检测,检测结果显示在模型1检测结果框- 双模型模式选中- 批量检测选中- 通过模型1的.pt文件对图片路径里的所有图片进行检测,检测结果显示在模型1检测结果框- 通过模型2的.pt文件对图片路径里的所有图片进行检测,检测结果显示在模型2检测结果框- 单张检测选中- 通过模型1的.pt文件对图片路径里加载的当前图片进行检测,检测结果显示在模型1检测结果框- 通过模型2的.pt文件对图片路径里加载的当前图片进行检测,检测结果显示在模型2检测结果框- 单模型+标签选中- 批量检测选中- 通过模型1的.pt文件对图片路径里的所有图片进行检测,检测结果显示在模型1检测结果框- 通过标签目录里的同名txt文件,对图片路径里的同名图片进行标注显示,标注结果显示在模型2检测结果框- 批量检测选中- 通过模型1的.pt文件对图片路径里加载的当前图片进行检测,检测结果显示在模型1检测结果框- 通过标签目录里的同名txt文件,对图片路径里加载的同名图片进行标注显示,标注结果显示在模型2检测结果框- 训练功能- 根据选择的.pt和yaml进行训练,训练前导出所有训练参数至json文件,json文件存放在当前实验名称的文件夹中,可通过导入按钮导入json至程序中- 转换功能- 根据选择的.pt文件和选择的转换参数,将.pt文件转化为相应格式- 其他功能- 加载文件夹和模型后,保存参数,下次打开文件默认加载参数
我发现，当我把需求描述的足够精确、边界足够清晰的时候，AI一次生成代码的能力还是不错的（虽然我把同样的提示词给了Agnes生成也是差强人意，它根本没仔细看我的文档，自己上网查了官方文档生成了一个GUI）
现在我给AI Agent立了一个规矩，让他每次修改文件前，把文件先保存在_backup文件中。这样就可以避免再次发生意外。
05
—
最后
虽然Agnes code让我走了不少弯路，但是我仍然推荐它。
毕竟个人开发者在没有盈利背景的前提下，使用付费API试错空间非常小，做出来的东西一旦无法盈利，几百上千的成本直接打水漂。
而Agnes给了我们免费试错的机会，哪怕最后不成功，它也让我那拙劣的想法的热烈的发光了一次。