每日AI新鲜事·10月17日晚间版：Claude Code成本与封号

今天AI圈又有不少新消息啊,而且还有几个特别值得聊的话题. 今天咱们主要聊这么几件:一是用数据库替Markdown日志. 二是公平转盘算法. 三是记忆回溯撤回. 四是需求文档转化. 五是学生免费AI工具. 六是不订阅用Claude Code要多少成本. 七是Claude订阅怎么避封号. 八是给AI打分那门生意. 嗯,都是最近挺热的话题. 对,那咱们先快速过新闻,然后再重点聊后面的几个话题. 第一条,我在RSS上看到dev.to有篇文章,标题挺直白,说我的AI agent被自己的Markdown日志给憋死了. 这个我看了. 作者是个AppSec工程师,直接上了个叫PentaCore的方案,用Rust写的,拿加密SQLite替代Markdown做agent的状态存储,还是通过MCP暴露出来. Markdown日志怎么就撑爆了?大家不是都这么干吗. 问题就在这儿. 长任务里日志越写越多,动不动就把256k上下文窗口撑满. 一压缩,进度就丢了,agent还会重复失败的尝试,主agent和子agent的决策直接脱节. 这不就是上下文一压缩就失忆嘛. 那PentaCore怎么解的? 双存储. 笔记树放叙事和决策,实体表做结构化查询. 再配上resume、summarize这些工具,压缩完能低成本恢复,子agent按需取上下文. 安全这块我也得问一句,记忆不就是现成的提示注入通道吗. 对,作者自己也很清楚. 默认stdio,HTTP严格限制,再加参数化查询和SQLCipher加密. 不过他也坦白了,密钥内嵌这个弱点还在. 行,这条先记下. 第二条,dev.to上有篇讲公平转盘的技术文,看着不起眼,但坑挺多. 核心就是随机源. Math.random不算密码学安全,返回的是浮点数,分布也不透明,得换crypto.getRandomValues. 然后就该掉取模偏差的坑了吧. 没错. 随机范围不是n的整数倍,低位项概率就偏高. 百万字节取模一跑,卡方p值直接接近零. 解法是拒绝采样,把不均匀的尾巴扔掉重来. 还有个细节,得先定赢家再放动画,公平性不能交给渲染. 对,文章还给了浏览器里的卡方测试代码. 但人家很克制,说p小于0.01大概有1%误报,测试只能发现偏差,证明不了无偏. 第三条,接着是个更狠的,RETCON,基于FalkorDB图数据库的开源项目,专门解决agent记忆回溯. 这个问题的本质是,agent被污染信息带偏之后,你把源头删了,下游决策的影响还在. 简单删除根本不解决问题. 它怎么做到的? 给每条记忆记来源和推导关系,用边表示. 规则是只要至少一个理由还成立,信念就成立,然后做级联撤销和恢复. 还有预览、提交、恢复三步. 我看它还算了个支付脆弱性,最小割、最大流,这是用来干嘛的? 设门控. 基准里有个案例特别吓人,简单规则会把污染全部下游都标脏,结果一百一十六万美元的诚实付款被误标. RETCON明显好很多. 所以它的设计原则挺有意思,让LLM选行动,让图决定相信什么. 对,这句我觉得是整篇最有价值的地方. 然后第四条,还是dev.to,讲怎么把会议纪要和PPT转成需求. 五步法. 先给所有来源打标签建清单,再提取需求、决策约束和问题三类陈述,还得保留原话. 然后用EARS句式改写成可测试的需求? 对,补上类型、优先级、验收标准. 再把未知事项和假设显式记进待解决问题日志,最后对照来源核遗漏. 关键是AI的定位,文章说它只适合加速第二三步的初筛和初稿. 而且会编细节、把目标写成需求、丢失分歧、遗漏约束,语气还特别自信. 所以每条AI产出都得回原文逐句核对,判断还是人的事. 第五条轻松点,2026年学生免费AI工具盘点. ChatGPT、Gemini、Claude、NotebookLM、Grammarly、Perplexity六款. 核心结论是免费版根本不是同质产品. ChatGPT和Gemini偏通用问答,Claude强在长文本和文件处理. NotebookLM就是专攻自有资料的问答,Perplexity主打带来源的检索. Grammarly聚焦润色,每月100次AI提示,额度写得挺具体. 不过整体免费额度都是动态的,得看官方页面. 文章还提了四条诚实使用原则,先读学校规定,自己核实来源,最终用自己的话写,别粘隐私数据. 选型按场景来,别按名气来. 这句我同意. 好了新闻就先聊到这儿. 接下来咱们深入聊聊B站上几个特别火的话题,先说Claude Code的成本. 不订阅,纯按量付费用Claude Code,一个月大概一百一十美元,这个数一出来评论区就炸了. 李博你怎么看. 我先给结论,这个价格对重度用户其实不算离谱,但对尝鲜的人就是劝退门槛. Claude Code是那种用起来就没法回头的工具. 等一下,一百一十美元一个月,这不比很多订阅还贵吗? 所以关键不是贵不贵,是它吃token的方式. agent式编程一跑就是长上下文、多轮工具调用,输入输出都在烧. 按量付费等于把波动全摊给你. 那对普通开发者来说,订阅反而像是在买保险? 就是这个逻辑. 订阅是把不可预测的按量账单换成固定成本. 如果你的用量在中间区间,按量可能更省;一旦天天跑,订阅更稳. 可问题来了,订阅又容易封号. 那个半年实测的避坑视频互动分一千五百多,比成本这条还高. 对,这俩其实是一个问题的两面. 成本把你往订阅推,封号又把你往按量推,用户被夹在中间. 那封号到底为什么这么容易?视频里总结了一堆原因. 我没法替官方下结论,但从实测反馈看,常见的是共享账号、异常地区登录、高频自动化调用这些行为模式触发风控. 重点在于行为特征,不是你用了多少. 所以避坑的核心是让自己的使用模式看起来正常,别多人共用,别频繁跳地区,别搞得太像脚本. 对,但这就很讽刺了. Claude Code本身是给自动化用的工具,你越自动化,越容易撞上风控. 这是个结构性矛盾. 那综合下来,你觉得开发者该怎么选? 总结一下,轻度用户按量付费,别一上来就订阅;重度用户订阅更稳,但要把账号行为管好,别共享别乱跳. 成本和安全其实是一起算的账. 好,下一个话题更有意思,给AI打分,二十九个人一年入一亿美元?Benchmark这水到底有多深. 我先抛结论,现在的benchmark已经不是纯学术问题了,它是一条产业链. 有需求,就有供给,也就有水分. 二十九个人做到一亿美元,这个效率也太夸张了吧. 因为它卖的不是算力,是信任和标准. 模型厂商要证明自己强,投资人要看排名,企业采购要参考,三方都愿意为那个分数买单. 可这不就矛盾了吗?分数是被评的人付钱,那独立性怎么保证? 这就是最大的争议点. 数据污染、题目泄露、针对性优化,都是老问题了. 你在榜上看到的第一,可能只是最会考试的那个. 所以Reddit和HN上大家吵的其实也是这个? 对,一边说没有benchmark就全靠营销话术,另一边说benchmark本身已经变成营销工具. 两边其实都有道理. 那我追问一句,如果只看分数,你觉得够吗? 肯定不够. 分数只能做初筛,真实场景的表现、成本、稳定性,这些榜单根本测不出来. 但反过来说,没有分数,你连初筛都没得做. 行吧行吧,那咱俩算是有共识了,benchmark有用,但别把它当真理. 对,总结一句,benchmark是地图,不是领土. 你可以拿它导航,但别以为那就是全部地形. 这个比喻我收下了. 今天就聊到这儿,信息量挺大,明天见.