Appearance
弱者的武器：技术越差，越需要最好的模型
真正的"最好"，不是最贵的，是在刚够支撑下一次尝试的地方，把成本压到最低。
一、这不是经验，是一个成本模型
我以前以为，AI 编程工具的选择主要是价格问题。
后来发现不是。
真正贵的不是 API 账单，而是模型给了一个错误方向之后，我没有能力及时发现。
我是个野生开发者，大部分时间切前端，后端和运维靠个人兴趣在摸索。代码能写到"能用"，但一遇到复杂的系统架构问题，我的直觉经常是错的。遇到报错，有时候能一眼看穿，有时候在代码里绕一天也出不来。收入也不高，不是那种可以随意刷信用卡包揽所有 AI 订阅的人。
高手把模型当助手。我很多时候把模型当第二套判断系统。
一个强程序员看到错误架构，会停下来、拆开、重做；我不会。我可能顺着它走两天，直到项目长出一堆互相牵扯的错误，才意识到一开始就走错了。我付的不是"更好答案"的钱，而是"避免走错路"的钱。
这就是 AI 编程里最反直觉的地方：技术越强，越能驾驭差一档的模型；技术越弱，对模型质量的要求越高。
这是一个看起来很拧巴但又完全合理的处境：越穷，越不能用便宜的工具。
所以我的需求很明确：用最好的模型，花尽量少的钱。这两个条件在中国同时满足，没那么容易。
二、三堵墙，两条死路
大多数人讨论 AI API，只看 token 价格。但对中国开发者来说，价格至少有三层。
账面价格：Anthropic、OpenAI 的官方 API 单价，这是最容易算的一层。
接入价格：你能不能支付？网络稳不稳定？账号会不会因为地区限制出问题？这些成本不写在价格表里，但会直接打断工作流。
错误价格：模型质量不够时，节省的 API 费用可能会变成多花几天调 bug、重构、返工的时间。对我来说，这是最贵的一层。
这三层加在一起就是三堵墙：
支付墙：国内信用卡大多数情况下无法支付。不是你不想付钱，是字面意义上刷不了。
网络墙：就算解决了支付，访问稳定性也是问题。高频使用场景下，不稳定的网络会直接打断工作流。
价格墙：就算以上两个都解决了，Anthropic 官方 API 按量计费的价格，对我这种使用量来说，每月算下来并不便宜。
看起来有两条路：
第一条，API 中转站。 国内有不少中转服务，帮你解决支付和网络问题。但这条路我走不下去，原因有两个。一是良莠不齐，便宜的来路不明，你不知道你的代码在流经谁的服务器；来路清白的价格接近官方，省不了多少。二是更根本的问题——你把依赖从官方转移到了一个陌生的中间人，今天它跑路了，明天它被查了，你没有任何控制力。
第二条，想办法买官方订阅。 我有过一次尝试：一个在海外的朋友通过礼品卡帮我买了 Claude Pro。访问了两天，账号被封。官方对地区的态度非常明确，这不是技术问题，是政策问题，和你用得多还是少无关。这条路也走不通。
然后我发现了 copilot-api 这个开源项目——一个被很多人忽略的缝隙。
三、Copilot：第一个真正可用的出口
GitHub Copilot 订阅 $10/月，后台接的是 Claude Sonnet、GPT-4o 这些一线模型。通过 copilot-api 代理起来，对外暴露成 Anthropic 兼容接口，Claude Code 可以直接接上，使用体验和接官方 API 没有区别。
价格：高频使用下，平均每次请求最多 $0.04，一个月的使用成本稳定在 $10 左右。相比官方 API 按量计费，这是一个明显的价格洼地。
质量：Claude Sonnet 的模型质量无需怀疑。但 Copilot 里的 Claude 被 GitHub 做了一个限制：上下文窗口从官方的 1M 被压缩到 160K。对日常开发够用，但分析一个较大的代码库时，这个限制非常明显。
就这样用了一段时间，但我知道这个窗口迟早会关。Copilot 的低价来自平台补贴，不是推理成本真的消失了。GitHub 宣布改成按 token 计费的邮件来了，我的第一反应不是惊讶，是"果然"。补贴不是制度，补贴只是窗口。
这件事让我开始想一个更深的问题：我不能依赖任何单一的 Provider。不是因为它们不好，而是它们的定价随时可能变。我需要的不只是一个最好的入口，而是一套随时能切换的系统。
这就是 UniPlug 的起点。
四、将就与不将就的分界线
从 Copilot 出发，我陆续接了多个 Provider。每接一个，都在回答一个具体的问题。这些问题表面上是在比较产品，实际上是在摸索一个更根本的边界：哪些任务上可以将就，哪些任务上绝对不能。
小米 MiMo：一次越级尝试
接入 MiMo 的动机，比"试试国产模型行不行"要远一步。
当时我在想：国外模型贵、访问麻烦，能不能靠工程手段，让国内模型在编程任务上跑出接近国际水平的结果？我的思路是逆向 Claude Code 的工作流设计，然后基于 OpenCode 的开源代码改出一套专门为国内模型优化的编程 Agent。
我真的做出来了。改了 OpenCode 的部分代码，接上 MiMo，工作流跑起来了。
问题出在调优这步。编程 Agent 的质量，不只取决于模型本身，还取决于 prompt 的设计、工具调用的顺序、上下文管理的策略。我知道要在这些方向上优化，但我不知道具体怎么调——这是我技术能力的边界，越不过去。最后放弃了这条路，不是因为方向错，而是因为这件事需要的专业深度超出了我目前的能力范围。
结论：MiMo 接在 UniPlug 里作为一个选项，但不是主力。复杂编程任务上，差距明显。API 价格有竞争力，国内直连无障碍。
Ollama（本地模型）：把对的任务给对的工具
Ollama 在我的用法里不是备用，是日常生产工具。
我在做内容相关的项目，需要向量检索和文章摘要。这类任务对模型的要求和编程任务完全不同——不需要复杂推理，只需要准确提取语义。本地跑的开源模型完全够用，成本是零。
对于向量化、摘要、简单分类这类任务，本地模型（我用的是 qwen3.5:4b）表现足够好，速度可以接受。一次性的显卡硬件成本，没有持续的 token 费用。
值得关注的是：Ollama 最近推出了云端订阅服务，提供自己的硬件给你跑开源模型，但计费方式不是按 token，而是按 GPU 使用时长。这对某些使用场景来说定价逻辑完全不同——这个方向我打算后续单独写一篇。
Claude Direct：你必须有一条基准线
接入 Claude Direct 的原因很直接：我想知道 Copilot 里的 Claude 到底有没有被"降智"。
Copilot 限制了上下文窗口，这是已知的。但我怀疑的是，除了上下文，模型本身有没有被动过——比如用了更小的蒸馏版本，或者在推理参数上做了调整。
只有接上真正未经修改的 Claude Pro，你才有判断其他渠道是否被"优化"过的基准线。
关于账号：直接买 Claude Pro 在中国很难，网上那些帮人买的和前面说的中转站属于同一类风险。我用过一次朋友帮忙买礼品卡的方式，两天被封，这条路的稳定性不高。Claude Direct 作为 UniPlug 里的一个选项存在，是备用，不是主力。
正版 Claude Pro 在长上下文任务上的表现明显更好，这和 1M vs 160K 的上下文窗口直接相关。
OpenAI / Codex：免费额度不用白不用
Codex 是 OpenAI 推出的编程 Agent 产品，每周有免费额度。
接入的逻辑很简单：有免费的，接上备着，遇到主力用不了的情况可以切过去。我个人没有系统性地测试 Codex 作为编程 Agent 的表现，这里只能如实说"接了，备着"。
Amazon Kiro：下一个补贴窗口
Copilot 改计费的消息让我开始提前布局。Kiro 是我找到的下一个补贴窗口。
AWS 新用户注册有 $100 的免费额度，完成引导任务再额外送 $100，这 $200 都可以用于 Kiro 订阅。这是 AWS 的用户获客成本，和 Copilot 被微软补贴的逻辑不同，但本质一样：平台在用钱换用户。
Kiro 后台接的是 Claude Sonnet，质量和 Copilot 里的版本基本相当，也有上下文限制。在 $200 额度用完之前，成本是零。这个窗口是有限期的，趁着还开着，先接上。
DeepSeek：重新测试之后的分工调整
DeepSeek v4 发布之后，我重新认真测试了一次。
在代码生成和调试这类任务上，v4 的表现比之前版本有明显提升。复杂架构设计上和 Claude Sonnet 的差距还在，但轻量编程任务的质量已经足够好。这是我客观测试之后的结论，不是品牌偏好。
价格是 DeepSeek 最大的优势。按 token 计费，价格比 Anthropic 官方 API 便宜很多，而且国内直连，无需任何网络工具。
我的用法：轻量任务用 DeepSeek，需要深度推理或复杂架构判断的任务用 Claude。这个分工在价格和质量之间找到了一个可行的平衡点。
CodeBuddy（腾讯）：还在接入中
CodeBuddy 是腾讯推出的 AI 编程产品，接入 UniPlug 还没有完成。
吸引我的核心原因：它提供国外模型，而且真的能用，有保障。对于国内用户来说，"能稳定访问"这件事本身就有价值。价格方面我还没有详细测试，接入完成之后会更新。
五、UniPlug 具体是怎么工作的
七个 Provider 接在一起，最直接的问题是：切换麻不麻烦？
我对自己的要求是：切换不能打断正在进行的对话，不能要求我去改 Claude Code 的任何配置。
UniPlug 运行在本机 4141 端口，你的 Claude Code 把请求发给它，它负责转发到当前激活的 Provider，把结果按 Anthropic/OpenAI 格式返回。Claude Code 对这层代理是无感的，它以为自己在和 Anthropic API 直接对话。
Claude Code → http://localhost:4141 → GitHub Copilot
↘ DeepSeek
↘ Amazon Kiro
↘ OpenAI
↘ Ollama
↘ Claude Direct
↘ 小米 MiMo启动之后访问 http://localhost:4141/admin，所有配置都在这里。
Provider 卡片：每个 Provider 独立配置，点开可以填 API Key、切换激活状态、选择具体模型。不想用哪个，关掉就行，不影响其他的。
自动切换：Copilot 配额用完了自动切到 OpenAI，OpenAI 的 Key 全部耗尽了再切回 Copilot。切换在请求级别发生，当前对话不断——我经常事后看日志才发现"刚才切换了一次"。
写入系统环境变量：一键把 ANTHROPIC_BASE_URL 等变量写入系统，新开终端直接生效。以前每次打开新终端都要粘贴一长串命令才能启动 Claude Code，现在直接 claude 就行。
六、结论
我用这套方案到今天，日常主力是 Copilot + Claude Direct 交替，DeepSeek 处理轻量任务，Ollama 做向量检索和摘要。Copilot $10/月，这是目前最主要的支出，其他 Provider 在各自的免费或低价范围内使用。
这不是一个完美的解决方案，因为完美的解决方案还不存在。目前没有任何一个 Provider 能同时打破"质量好、价格低、稳定可用"这个不可能三角。UniPlug 是我的实验台，记录的是我到目前为止找到的最优解。
很多人在讨论"AI 会不会消灭个人开发者"。但我的实操经验告诉我另一个方向：个人开发者不会被 AI 消灭，他们会被 AI 武装。关键不是你能不能比模型强，而是你能不能组织起一套系统，让多个模型为你服务，同时不依赖其中任何一个。多 Provider 不是冗余，而是议价能力——你不再被某一个定价体系锁死。而在平台补贴一个接一个消失的过程中，能在不同 Provider 之间灵活切换的人，比押注单一平台的人更有韧性。
等哪天有了真正完美的解决方案，我可能就不需要 UniPlug 了。但在那之前，只要手里握着这层代理调度的架构，就永远保留了掀桌子换人的权利。
技术越差，越需要最好的模型。但更准确地说：技术越差，越需要一套能把好模型用在刀刃上的系统。这就是弱者最好的武器。
项目地址：github.com/ryangui1983/uniplug
快速上手：UniPlug 项目主页与安装指南