【公司AI编程培训】从零基础入门到团队工程化，附 AI 中转站科普与自建运营
本次培训能解决什么问题
Todo
- AI 编程到底是怎么工作的？
- Token、上下文、Prompt 到底是什么？
- Codex / Claude Code 和 Trae / Cursor 有什么区别？
- AGENTS.md、Skill、MCP 分别解决什么问题？
- 什么东西值得做成 Skill？
- 什么需求可以直接让 AI 做？
- 什么需求应该先 Grill？
- 什么需求应该使用 Trellis？
- 如何安全、合理地使用公司的 AI 中转站？
第一章：从 AI 到 Coding Agent
1.1 AI 的发展历程
1950 年图灵提出“机器能否表现出智能”的问题。往后的几十年，人们对这个问题展开了深入研究。我们已经从讨论机器能不能像人一样交流，发展到了让 AI 直接参与软件开发。
所以我们今天讨论的“AI 编程”，已经不是怎么让 ChatGPT 帮我们写一个 Java 方法了。
我们真正要学习的是：怎么管理和使用一个 Coding Agent。
1.2 大模型是怎么工作的
1. 切片：把文字切成 Token
模型不会直接以“字符串”的形式处理我们输入的文字，而是先通过 tokenizer 将文本转换成 Token，再转换成模型可以计算的数字表示。
- 什么是 Token：它是模型处理语言的最小单元。一个 Token 可以是一个汉字、一个词、一个英文单词，甚至只是几个字母或标点符号。
- 例子：“我喜欢吃苹果” 可能会被切分成
["我", "喜欢"，"吃"，"苹果"]这 4 个 Token。
2. 核心工作：预测下一个 Token
模型的所有“智能”，都建立在根据上文预测下一个最可能出现的 Token。
- 找规律：在训练阶段，模型从海量的数据中，学会了文字之间的搭配概率和逻辑关联。
- 概率计算：当输入一段提示词时，模型会分析当前所有的前文字符，计算接下来可能出现的每个 Token 的概率。
- 例子：输入“举头望明”，模型计算出下一个 Token 是“月”的概率可能非常高，于是输出“月”。
AI 每次工作时能看到的信息是有限的，我们把它叫做“上下文”，因为硬件和模型架构的原因，上下文不能无限大。
1.3 Coding Agent 是怎么工作的
传统的“对话式 AI”（ChatGPT、豆包），只能一问一答，无法去项目里帮我们写代码，所以编程 Agent 出现了，目前分两大类：IDE、CLI，APP 是套了壳的 CLI
- IDE：Trae、Cursor、Qoder，把项目进行向量化，构建索引库，通过检索索引库来构建上下文和处理任务；上下文长度到达临界值时会提示新开窗口还是压缩，往往都带代码补全功能，比如 Cursor 的代码补全是我认为做好用的。
- CLI：Codex、Claude code，更依赖文件搜索、读取、命令执行等工具动态构建上下文；上下文长度到达临界值时会自动执行压缩(Compact)。
工作流程
第二章：AI 编程的基础设施——AGENTS.md、Skill 与 MCP
2.1 AGENTS.md
2.1.1 AGENTS.md是什么
AGENTS.md 是个开放标准，官方介绍：https://agents.md/
AGENTS.md是编程 Agent 的项目规则说明文件，用于告知 Agent 项目规范、注意事项与开发约束，想让 AI 写出符合我们风格的代码，它就是关键。
比如 Agent 加载项目后，会去读 AGENTS.md，能很清晰快速的知道构建命令是什么、测试怎么跑、哪些规范必须遵守、代码改完要做哪些验证等等，是为了让 Agent 按规矩做事、减少出错、保持交付质量。
一个简单的 AGENTS.md
1 | `# 项目规则` |
2.1.2 AGENTS.md 加载机制
加载顺序：
全局配置（~/.codex） → 项目根目录 → 当前工作目录。
每一层的 AGENTS.md 会逐层拼接在一起，离当前目录越近，优先级越高。
举个例子，假设我们的项目结构是这样的：
1 | my-monorepo/` |
我们在 frontend/ 目录下启动 Codex，它会先读全局的 ~/.codex/AGENTS.md，再读 my-monorepo/AGENTS.md，最后读 my-monorepo/frontend/AGENTS.md，最终三份文件的内容拼接在一起。
注意：
- Codex 默认限制是 32 KiB，超过限制会截断。
- AGENTS.md 不能实时加载，改了一行规则，需要重开会话。
2.1.3 Claude Code 怎么用 AGENTS.md
Claude Code 对应的规则文件是 CLAUDE.md，在里面增加一句 @AGENTS.md，就会自动加载 AGENTS.md 的内容
注意：@file 这种引用语法是 Claude Code 的能力，不是 AGENTS.md 本身的通用能力。
2.1.4 使用 /init 去初始化项目的 AGENTS.md
输入 /init ，agent 会先扫一遍项目，让它知道我们的这个项目大概是什么样的架构体系，比如项目目录怎么分、技术栈是什么、启动命令在哪里、测试命令是什么、README 里有没有写注意事项。
- 扫描项目结构，比如目录和文件
- 分析依赖，比如
package.json、pom.xml、requirements.txt- 读
README.md，找启动命令和测试命令- 生成一份基础项目说明
它只能生成起点，看到的更多是项目表面信息，建议在项目初具规模之后再用它生成项目规则。
2.1.5 AGENTS.md 要持续完善
/init 只是帮我们生成了一个初始规则，但是它并不知道我们团队平常是怎么开发的，也不知道这个项目历史上出现过哪些问题，以及踩过哪些坑。
所以需要把这些高频、容易出错和需要长期遵守的规则，及时补充到 AGENTS.md 里。
但是有些人可能不懂怎么写才是一个正确的规则指令，比如我们这样写是不行的：
- 保持代码优雅
- 注意可维护性
- 遵循最佳实践
上面的这些话都太宽泛了，不够明确。所以我们应该这样去明确规则指令，比如需要明确动作：
- 禁止使用System.out.println，统一用logger
- 严格按照设计文档中定义的字段名称去命名，不要擅自修改
- 如果方法参数超过3个，一定要由我确认是否封装到一个dto中
- 避免循环中调用访问数据库的方法，尽量使用批量查询，批量修改，批量插入
如果我们在和 Agent 交流时重复提醒过多次，就可以考虑把这个问题写入 AGENTS.md ，比如：gpt 非常爱拆分方法，不爱写注释，我们就可以在全局 AGENTS.md 里加上：
- 默认禁止新增 private 方法，如果你认为有必要拆（大于3处调用，代码行超过50行），务必由我确认。
- 用户提供的设计文档、业务描述、字段映射、统计口径、状态流转、异常分支，必须映射到对应实现代码附近的业务注释中。
一个比较标准的 AGENTS.md：
2.1.6 AGENTS.md 要精简
就像我们刚才说过的，当上下文很长时会有失忆的风险，工具本身有很多内置提示词（权限控制、工具使用、安全约束、代码风格），所以尽可能写最关键的、agent 自己推断不出来的那些进 AGENTS.md ，节省上下文。
2.2 SKILL
不要为了用而用，很多时候其实并不需要，硬上反而是个累赘。
2.2.1 什么是SKILL
官方解释：skill 是可复用的指令集，用于扩展 agent 在特定任务上的能力。
简单来说就是：skill 就是把一个复杂的、多步骤的任务流程，写成一个可以一键触发的指令集。
比如说，我们日常开发中需要做代码审查，所以可能就要做这些流程：
- 先跑
git diff看看代码都改了哪些文件内容- 再检查下看看是否有代码逻辑错误的
- 然后再看看有没有安全风险以及需求边界的问题
- 最后输出一份代码开发逻辑说明报告
如果我们每次执行这些流程的时候都要跟 ai 重新说一遍这个流程内容，那就太麻烦了，所以可以把整套流程封装成 skill，命名为：.codex/skills/review/ ，那我们以后只要输入/review，ai 就可以执行上述流程。
如何触发
一般有两种触发方式：
- 手动触发：我们直接输入
/skill-name，比如/review- 自动触发：agent 根据我们说的话，去寻找所有 skill 中 description 相匹配的，然后触发
如果不希望它自动触发，可以这样设置：
2
3
4
├── SKILL.md
└── agents/
└── openai.yaml
codex：
在
agents/openai.yaml中配置：
2
allow_implicit_invocation: falseclaude code：
在
SKILL.md中的头中配置：
和AGENTS.md的区别
- AGENTS.md：项目事实说明规范，目的是告诉 ai 这是什么项目以及规则约束
- Skill：任务执行流程，目的是为了告诉 ai 特定任务怎么做
2.2.2 SKILL的使用场景
两种类型
个人全局 skill：
这个是我们最常用的，一般放在 ~/.codex/skills/ 下面，这是我们个人的全局 skill。
装在这里的 skill，我们自己所有项目都能用到，但别人用不到。一般我们从 skill 市场安装的，或者我们自己写的个人 skill，都是放这里。
项目级 skill：
顾名思义，就是放在项目的 .codex/skills/ 下面的，这是项目级别的 skill。
装在这里的 skill，只有这个项目能用，而且提交到 git 后，团队所有人 clone 下来就都能用到。
团队协作下的问题
假如我们团队有一个安全评审流程，要求检查：
- 公司特定的密钥规范，不能直接写死在代码里，要存到数据库中
- 免登接口必须要过安全网关
- 涉及到金额的功能必须要过脱敏系统
- 按照公司模板输出文档
日常开发过程中，每次到了做安全评审的时候，我们都要跟 ai 重新解释一遍这些要求。
有时候忘了说某一条，ai 就按通用逻辑来，结果漏掉了公司特定的风险点。
说到这里可能会有人想到一个点，那就是这些要求为啥不写到 AGENTS.md 里面去呢？
AGENTS.md 只能要求 agent 尽可能的按照我们的规范去写代码，但没办法执行完整的评审流程。
全局 skill 能解决什么问题
- 插件商店中有很多值得用的通用 skill，比如：grill-me、fronted-design，所有项目都适用。
- 我自己总结了一下小经验、小工具，但是我不想告诉其他人，那就可以使用全局 skill。
全局 skill 解决不了哪些问题
- 全局 skill 是跨项目通用的，没法解决指定项目的要求，比如：项目 A 是支付系统，对安全要求非常高；项目 B 是一个外包项目，要求相关开发文档非常全。
- 团队成员的 skill 版本不一致，因为全局 skill 一般是不需要上传 git，比如：评审流程增加了一个点，我更新了全局 skill ，但是其他同事不知道要更新。
- 新人不知道要装哪些 skill ，比如：有新人加入团队，就不知道公司有特定的安全评审 skill，装的都是通用 skill，评审时漏掉公司特定的检查项。
项目级 skill 能解决什么问题
- 工作流标准化 ：团队协作可以统一执行流程，不再是每个人各自理解。
- 隐性知识显性化 ：老员工的经验可以沉淀下来，新人也能按标准流程执行。
- 新人快速上手 ：git clone 代码就能用，也不用额外配置，不用看一堆文档了。
2.2.3 SKILL 推荐
我有时候需要一些 AI 扩展能力的时候，发现让 AI 搓一个比较耗费时间和 token，网络上找半天又不知道哪个比较好用。
因此建立这个文档，欢迎大家在下面留下觉得好用的 Skill / MCP，我会基于实用性和评价更新进文档里面。废话少说，我先列一些我个人觉得还不错的 Skill / MCP。
2026-07-07 新增 “学术 / 科研” 大类以及补充若干工具推荐
2026-07-06…
2.2.4 建议
- 不要为了用二用，说不定现在团队根本就不需要项目级 skill ，个人 skill 就能一把梭了。
- 先观察团队在协作中到底哪些事情是真的重复、真的比较麻烦的，再去着手写 skill。
- skill 要持续维护，有问题要及时反馈，用的人多了，反馈多了，它才会越来越贴合团队的实际需求。
2.3 MCP
2.3.1 是什么MCP
MCP 全称 Model Context Protocol（模型上下文协议），是 A\ 提出的一套开放协议。
简单理解：
MCP 就像 AI 世界的 USB 接口，让 AI 可以用统一的方式连接外部工具和数据。
如果没有 MCP，不同 AI 工具想连接数据库、浏览器、GitLab、钉钉等系统，往往需要分别开发不同的集成方式。
有了 MCP：
第三章：AI 编程的三种开发模式
3.1 小需求：直接对话
任务很明确，小功能，直接开干
案例演示
3.2 不确定需求：Grill-me
- 我不太清楚系统的相关逻辑，不知道从何入手
- 完全不知道该怎么去实现某个离谱需求，懵逼状态
安装 Skill
- 命令行输入：
npx skills@latest add mattpocock/skills - 空格选择 grill-me、grilling，选择对应的编程工具
案例演示
3.3 复杂需求怎么办？
- 需求非常复杂，一次对话下来任务没完成多少，倒是压缩了好几次，上下文直接烂完了
- 明明在 AGENTS.md 中写了规范，但他就是不遵守
- 项目干到一半，被临时抽调到其他项目；其他同事接手，一脸问号：？？？
- 任务还没做完，上下文也满了，准备下班明天再干，明天新开会话，又得重新再跟 AI 说一遍，烦死了
- 团队里用什么编程工具的都有，Codex、Claude code、Trae、Cursor，他们每一个规范配置都不一样，没法统一
- 开发过程中的经验和踩坑都分散在聊天对话中，任务完成以后能不能自动帮我们沉淀规范，省的我们人工去补充完善
我们带着这些问题继续往下看⬇️
第四章：AI 编程工作流：Trellis
4.1 Trellis是什么
AI 编程脚手架，把项目规范、任务进度、工作记忆、经验沉淀，从临时对话搬到项目下的文件中。它解决的核心问题不是“AI 会不会写代码”，而是“怎么让 AI 在复杂项目里，长期、稳定、按照项目规范完成开发任务”。
三大优势：
显著缓解会话失忆：它可以把任务当前的进展状况记录在日志里，新会话启动，自动从日志中恢复当前的任务记忆
跨平台共享核心：
.cursorrules只能在 cursor 用，CLAUDE.md只能在 claude code 用，但.trellis/核心是跨平台的，支持各种编程工具形成完整的项目级闭环：把 spec、task、workflow、journal 组织成完整闭环，比如：
- spec 管长期规范
- task 管当前任务
- workflow 管当前阶段
- journal 管工作记忆
- 任务收尾的时候，ai 会引导我们判断哪些经验值得长期复用，再把稳定规则写回 spec 里面
4.2 核心结构
Trellis 的核心结构在项目根目录的 .trellis/ 文件夹中。它取代了传统的单体规则文件，拆分为三个维度：
.trellis/spec/（规范层）
用于存放 Markdown 格式的编码标准、目录结构规则、评审习惯等。Trellis 的机制是按需加载，它只会向 AI 注入与当前任务相关的规范，而不是一次性塞入所有内容。
.trellis/tasks/（任务层）
存放结构化的 prd（需求文档）、design（设计文档）、implement（实现计划）以及当前任务信息。这能确保 AI 的产出始终紧扣业务目标，不偏离任务轨道。
.trellis/workspace/（记忆与工作区）
这是解决“会话失忆”的核心。这里存放工作日志（Journals）。它会记录上一次会话执行了什么、发现了什么 Bug、下一步要做什么。每次新会话开始时，AI 会先读取工作区日志，无缝接续上次的思考逻辑。建议上述三部分加入到git，这样整个团队都可以共享。
4.3 工作流程
- 新会话启动时，先恢复项目上下文
- 每轮 prompt 注入 workflow-state
- 判断当前对话是否需要创建 task
- planning 阶段把需求整理成 task artifact
- execute 阶段按 task artifact + spec 实现
- check 阶段按任务和规范复核
- update-spec 阶段筛选稳定经验
- work commit 先完成
- finish-work 归档 task，写 journal
4.4 团队使用建议
需要进入 git 的有这些：
.trellis/spec/：团队规范，和代码一样走 pr review.trellis/tasks/：任务目录（prd、design、research），是项目资产.trellis/workspace/{name}/：各开发者的 journal，/trellis:finish-work会追加 journal
不需要进入 git 的有这些：
.trellis/.developer：记录当前开发者名，gitignored.trellis/.runtime/：会话运行时状态，gitignored
重要 spec 改动应该在团队里讨论，spec 库要当成团队代码来维护。
这样规范演进是可控的、可追溯的。不会出现某个人私自改了规范，其他人不知道的情况。
4.5 和其他Harness的区别
4.6 基础使用
初始化
先安装 cli，然后在项目里初始化：
1 | npm install -g @mindfoldhq/trellis@latest |
初始化后会自动生成一个任务：00-bootstrap-guidelines，我们告诉 AI：开始任务：00-bootstrap-guidelines
ai 会从真实代码里提取第一版 spec，任务跑完之后是这样的：
Codex 需要额外开 hook
在 ~/.codex/config.toml 里开启 hook：
1 | [features] |
然后跑一次 /hooks，审批 trellis 安装的 UserPromptSubmit hook。
VS Code 插件的话，Codex settings - hooks
如果 不开的话，/ 菜单里可能看不到 trellis 的命令，workflow-state 也不会自动注入。
其他平台按官方安装文档走就行，不同工具的接入方式会有差异。
日常使用：直接描述任务
直接把你的需求发给它，如果是复杂需求，它可能会自动调用/brainstorm（类似grill-me）帮你对其需求；然后会提示你要不要创建 task，根据你的需求进行回答。后边直接根据它的引导进行回复就行了。
详细内容移步大佬的文章：
从 vibe coding 到 spec coding：我用 Trellis 的实践总结 开发调优
[!tip]本篇是我个人使用 Trellis 的理解和实践总结，仅代表个人观点，如有不对的地方，还请各位大佬指正。非常感谢。
我现在用 ai 写代码很多时候都是一把梭的，也就是说我只需要给 ai 一个要求指令，剩下的就交给 ai了，现在模型能力确实越来越强，有时候我甚至可以不用 superpowers 这种工作流插件都可以做到很规范。所以这种 vibe coding 的写法已经很广泛了，…
4.7 案例演示
4.8 其他
如果感觉Trellis还是很重，可以尝试用 mattpocock/skills 系列的 skill 组合：
grill-me/grill-with-docs（需求聊透） → prototype（可选，快速输出demo，验证可行性） → to-prd（输出方案） → to-issues（任务拆分） → tdd（测试驱动开发）→ diagnose（可选，改bug）
第五章：AI中转站科普
AI 中转站大起底：什么是中转站，倍率是什么
本帖看前说明：
本帖允许转载，但是需要标明原作者
https://linux.do/u/hlool/summary
本帖允许直接中转站链接过来，让用户理解中转站倍率
本帖内的黑灰产仅作介绍，不做实际操作示例展示
“中转站”这个词，在 AI API 圈子里已经存在很久了。
基本上很多人都知道这个名词，但是由于技术门槛、部署成本，或者其他原因，并没有真正自己部署过，所以对其中很多细节并不清楚。
这个词意味着风雨同舟
风雨同舟
意味着 any，也意味着各种各样的翻车或者良心。
今天带大家了解一下中转的运行方式、成本、倍率，以及一些常见的风险判断方式。
中转站常见程序
目前中转站一般使用几类程序：
newapisub2apiCPA
其中 newapi 是从 oneapi 延伸出来的项目。
它的主要作用，是将你的 API 通过中转的方式分发出去。
例如，你有渠道，可以通过美元向 OpenAI 购买 API，然后把它中转给用户使用。用户使用的时候，会受到后台规则约束。你可以给他们设置额度、倍率、可使用模型等。
所以这个程序的主要作用就是分发。
sub2api 是在订阅上进行分发的程序。虽然 newapi 也有类似能力，但这不是 newapi 的重点。
它更侧重于怎么把订阅分享出来。
订阅可以理解成 AI 厂家开的自助餐；而订阅分发，就是你在店里下了团购，然后站在店门口，把饭端出去分给外面的人吃。
所以 sub2api 的主要作用，是分发订阅，同时做防封号以及其他相关操作。
CPA 全名 CLI Proxy API。
它和 sub2api 一样，也是从订阅拿号，但更侧重于从 CLI，也就是终端程序中获得订阅能力再进行分发。
它的分发属性比较低，更像是自用的订阅中转程序，并且没有计费之类的项目，一般用于拼车以及其他操作。
市面上基本上大部分中转都是类似结构。即使有自建程序，也多是在这些项目的基础上拓展延伸，或者改动 UI 和功能。
基本结构一般是：
1 | newapi 分发 -- CPA / sub2api 上游 |
中转站的网络和服务器
说完中转站用的程序，现在来说中转站用的网络以及服务器。
目前中转站中，小型站点一般使用 VPS 服务器。可以通过 ping 来大概判断它使用的网络。
常见方案主要有：
CF，也就是 Cloudflare，作为网络 CDN 加速。有技术能力的站点，会套上优选 IP 给亚太地区加速。
- 亚太 CDN，很多小厂会做亚太 CDN 加速，基本上是日本和香港节点，对国内分发速度比较快。
- 备案后的国内 CDN，比如腾讯 EdgeOne，或者阿里类似的动态加速服务。这些 CDN 支持动态加速，但是需要国内备案，风险更高，所以大部分服务商不会提供。
VPS 常见的有 RackNerd。以前美西机房比较稳定，比较适合建站。除此之外，还有很多其他小厂和不同线路的服务器。
这些一般都是小玩家使用的，价格通常在一年 500 元左右，基本低于 1000 元。
用量大的站点，一般会开 OVH 的独服，或者其他独立服务器，追求高带宽，G 口甚至 10G 口。
这类服务器一般价格在一年 4000 元以上，不然配置通常比较一般。
中转的真实成本
说到中转的服务器和网络，接下来就了解一下中转的真实成本。
Claude 我不熟悉，这里主要讲 GPT。
GPT 的订阅中转，如果转换为大家使用的额度付费，一般流程是这样的：
首先，把官网定价直接复制到中转后台。
然后可以设置：
1 | 1 美金 = 多少平台币 |
大部分设置的是：
1 | 1 美金 = 1 人民币 |
这样方便计算。
但是很多站会设置成：
1 | 充 7 元 = 1 美元 |
诸如此类。
除非这个站是真实用美元直接购买官方 API，否则订阅站本身并不需要这样计算。
这是一个倍率陷阱。
随后，就是用户使用时的倍率分组。
倍率分组就是用来计算真实价格的分组。
例如输入 5 元，给你倍率 0.1，那么实际就是：
1 | 5 * 0.1 = 0.5 元 |
在前面 1 人民币 = 1 美元 的时候，其实已经做了约等于 1/7 的折扣。
到了这里，就是进一步的折扣计算。
订阅号的额度计算
这个倍率一般是怎么给的呢？
这就要讲到订阅号的获取。
真实订阅价格和真实额度，大家可以参考 Codex 雷达。
根据图中可以得知，每个 20x Pro 的号，一周满额度一般是 1600+。
但是之前 Pro 的额度约为 2500+。
OAI 后来降低了不少额度。
现在这个额度，乘以 4，就是中转正常获取的额度：
1 | 1600 * 4 = 6400 |
在过程中，一般会有 1-2 次重置，也就是额度差不多在：
1 | 1600 * 6 = 9600 |
也就是大概 10000 刀。
整体来看，一个号大概能跑出：
1 | 6000 - 10000 刀 |
但是只需要 200 美元左右即可撬动。
因为中转站给用户计算时通常按人民币算，也就是成本大概 1400 元，卖出的是 6000-10000 元口径的额度。
这时候，如果它的倍率是 0.1，那么：
1 | 6000 * 0.1 = 600 |
一个号卖完反而还会亏钱。
1 | 1400/6000=0.23 1400/10000=0.14 |
所以现在的中转价格，抛去废号成本，一般 Pro 号倍率会定在 0.2 左右，其他渠道倍率在 0.1 - 0.2 之间。
订阅号是怎么换算成“额度”的
这里很多人容易混淆：200 美元不是买了 1600 美元的官方 API 余额。
更准确地说，是这样的：
Pro 订阅本身的真实成本大约是 200 美元/月，折合人民币大概 1400 元。
但是 Pro 订阅不是按 API 余额计费，而是按订阅制给你一定的使用量。中转站会把这个使用量拿来跑模型，然后按照 OpenAI 官方 API 的价格反推：
如果这些请求不用订阅号，而是直接走官方 API，大概要花多少钱？
假设一个 Pro 号一周能跑出相当于 1600 美元官方 API 价格 的用量，那么这个 1600 美元并不是现金，而是“按官方 API 标价折算出来的额度”。
中转站后台通常又会把：
1 | 1 美元额度 = 1 元人民币额度 |
这样记账。
所以一周的折算关系就变成：
1 | Pro 订阅真实成本：约 1400 元/月 |
一个月按 4 周算：
1 | 1600 * 4 = 6400 |
也就是说，一个成本约 1400 元/月 的 Pro 订阅号，如果稳定跑满，一个月大约可以榨出 6400 元口径的平台额度。
这里的核心差价就在于：
1 | 真实成本：1400 元 |
但这还不是最终利润，因为中转站通常还会给用户设置倍率。
比如倍率是 0.2，用户实际消耗就是：
1 | 6400 * 0.2 = 1280 元 |
这时候，一个 Pro 号如果只跑出 6400 元口径额度，卖 0.2 倍率反而可能接近亏本。只有当账号出现重置、跑出更多额度，或者账号成本更低时，才有利润空间。
所以看中转价格时，不能只看“官方 API 标价额度”，还要看三件事：
1 | 订阅真实成本 |
这三层分清楚，才能看懂为什么有些站倍率能做到 0.1、0.2，也能看懂为什么太低的价格往往意味着渠道风险更高。
除了 Pro 号，还有什么渠道
那么除了 Pro 号之外，这些渠道都是什么？
为什么可以这么便宜，甚至之前能做到 0.01？
这些就是传说中的：
- Bug Team
- 首月 Plus
- 黑冲
- 逆向
- 黑灰产
Bug Team
Bug Team 指的是 OAI 企业订阅里偶发性的 bug。
例如之前，只要 0.52 美元就可以开企业账户，然后通过分发获取接近 Plus 的额度。
那段时间出现过很多公益站。
这种渠道一般不会长期存在，主要取决于平台什么时候发现并修复。
首月 Plus
首月 Plus，指的是 OAI 会给不同地区的用户首月优惠。
只需要提供支付方式，就可以开通账号。
这个方式包括：
- 虚拟卡台，基本没了
- 欧洲支付，目前健在
- PayPal 支付，基本半死
- GoPay，基本没了
- 巴西 Pix，基本没了
- 其他各种地区支付方式
可以说，只要 OAI 还有优惠，就会有人想办法获取。
这个方式一般也有 K12 等未说明的渠道。
黑冲
黑冲原本指的是海外盗用信用卡消费、盗用礼品卡消费，甚至有一些是黑产渠道直销。
现在大多数指的是 Google 等第三方支付平台。
原理是用户用这些支付平台付费给 OAI，然后向平台反馈说“我被盗了，帮我追回”。
平台追回后，OAI 那边还要 1-3 天左右才能同步知道。
这时候会员还在，中转站可能已经刷完了一个周限 2500 刀。
如果有重置，就可能刷完 5000 刀。
逆向
逆向指的是通过第三方支持流式输出的平台，或者不支持的平台，例如 Kiro、第三方 IDE 或其他产品。
通过获取它们与 OAI 不同的接口，自己写注册和转发逻辑，然后把这些产品拿过来给用户使用。
这种接口做对话 OK，coding 不 OK。
现在一般是 image2 的 1K 使用这个方式，或者一些公益站会使用。
黑灰产
其实上面这些很多都已经属于灰色渠道。
但这里说的黑灰产，是更恶劣、更没有底线的方式。
如果说上面的方式还可以说是利用规则漏洞，那么这种就是直接损害他人利益。
第一种，盗用 key。
在 GitHub、各大社群，通过各种方式，比如搜索 key、诱导新手发送 key、发送免费公益站截留数据，甚至渗透盗用其他 key。
第二种，盗用余额。
oneapi、newapi、sub2api 等程序，很多是非商业用户自己部署的。
他们对公网部署不熟悉，使用通用密码，或者开放了注册和赠金、邀请赠金，就会被利用。
有的是开放注册和有赠金，或者邀请赠金，被批量注册偷取。
第三种，论坛脚本。
在论坛以及其他社区，部署监控脚本。
只要出现公益站、免费 key、用不完的分享 key，这些 key 一经发布，就会被监控到，并且被利用。
便宜渠道的风险
中转站的便宜渠道一般就来自于上面这些。
一般可以做到 0.04 - 0.1 区间。
这些渠道往往会有以下风险。
1. 缓存额外价格
因为你可能现在发了一堆消息给 A 号，然后在下一次对话的时候是 B 号承接。
如果 A 号被封了，就会导致缓存无法继续命中，实际成本提高。
2. 被二次利用
因为他们接入的上游并不是中转自己，可能是别人的号。
别人发现被盗用后，可能会开启截留数据。
甚至这个上游本来就是为了数据做的蜜罐，而你就是被坑骗的用户。
3. 降智
逆向会附带 IDE，也就是程序本身自带的上下文。
这会导致上下文被重复覆盖，最终表现变差。
4. 被替换模型、掺水
因为低价，所以很多人不会认真核验。
掺 Mimo 都算好的。
不过豆包模型很多时候比 OAI 这类渠道还贵，所以一般不会有人掺豆包，会亏钱。
以上就是本次分享的中转站大起底内容。
欢迎大家指正，不是很理解举报的原因。
下次有空，再继续科普。
中转站百科第二集：怎么上手开一个中转站？
中转站百科第一集：什么是中转站，倍率是什么（科普贴） 开发调优
AI 中转站大起底：什么是中转站，倍率是什么
本帖看前说明：
[ai-relay-h-batch-a-001-01-use-case-stylized-concept.-asset-type-wide-horiz]
“中转站”这个词，在 AI API 圈子里已经存在很久了。
基本上很多人都知道这个名词，但是由于技术门槛、部署成本，或者其他原因，并没有真正自己部署过，所以对其中很多细节并不清…
前提回看
上一期，我们讲了关于中转站的一些介绍
这一期，我们来指明一些实际的操作
近期论坛里面的帖子已经到了很离谱的程度了，全都是：我想开中转，怎么做/公司想开，怎么做/中转选哪里服务器啊什么的巴拉拉的
很多佬也会私聊我咨询一些问题，今天来进一步的指出一些方案
第一步，确认自己的需求：我想做中转，不确定是否要做
首先质问一下自己：
你是否有需求做中转？
做中转的话，无非有两种需求：
- 想要做中转，把自己的订阅分发出去。找到了便宜的渠道，想要做公益站，或者分给自己的朋友去使用。
2.想赚钱，开商业站，加州风味加点发大财，
如果你自用量大，可以买官方订阅，实际上封号概率也没有传说中的那么大，破限之类的操作去中转做就好了。
如果你自用量小，想要分给朋友之类的一起用，直接发中转让朋友用就好了！你介入进去有因果的！
警惕自己的订阅中转出来给大家用，因为这封号很难受的。
如果你想要做的是商业站，就继续向下看我后面的帖子
第二步，确定要做了：号池从哪来？我怎么成上游了？
中转的上游从哪里来？
自建号池，以及纯上游（AI HUB这种）
纯上游这种，你要面对的就是，上游的不确定性，用户吃到屎了你要怎么解决，以及稳定性之类的，自己无法把控，并且上游叠加你这边一手，不一定价格优惠的情况下，还会增加一手延迟。（价格特别低的上游万一是投毒的你不炸了）
自建号池，你要面对的就是，现在号源少，基本都是正价号，你要做好防封禁的准备，避免账号被封禁，又要让用户用起来不那么难受。现在又多了luna等难受的模型，不赚钱，占用订阅并发，并发大了封号，并发小了挨骂，不上挨骂，上了卡了挨骂。
也可以先接上游，自己慢慢摸索渠道，等到自己摸索通了一条路了，那么恭喜你，你是上游了。
第三步，我要买什么服务器？怎么挑选服务器？
如果你是自建号池，就去美东美西，ovh 无脑入
之所以选择美东或者美西节点，是因为根据这几年美国那边 AI 的相关政策来看，很有可能以后先进一些的 AI 会在本土先发布，然后才允许外国接入。而且这个接入可能没有那么快，特别是从最近老不靠谱的状态来看，服务器在美国应该比其他节点好一些。
当然，如果你打算做纯接上游，也可以直接把服务器放在香港，因为香港接入国内用户还是比较快的。
关于服务器的选择，需要注意以下几点：
- 性能配置：
中转站的程序并发比较高，一般主要消耗单核性能。因此，不一定需要买核心数很高的服务器，因为可能不会有那么多核心同时被利用上。目前的程序优化上，多核不一定有单核性能好的优化。 - 带宽吞吐：
如果你要做很大的站，就要考虑带宽的吞吐量最好大一些。毕竟并发很高，如果输入输出的带宽有问题，会比较难受。 - 厂商与流量：
建议选择大厂。做中转不要选择那种需要买流量的服务器，万一做大了，流量够用吗？
最后就是你硬盘别挑那种石头盘。容易死机。
如果只是建一个很小的中转，可能就几个人用，你可以直接去买阿里巴巴 68 元的新加坡服务器，或者买一些便宜的海外机子都可以。
但在购买之前，最好去查询一下商家的相关口碑，以及所谓的线路优化。其实对于中转服务器来说，我感觉对线路优化不是特别吃重，主要看这个服务器能不能用来建站，以及访问的稳定性够不够强。因为最后都会套上 CF 或其他的 CDN，所以对线路没有百分之百的要求，比如 CN2 之类的，倒是不一定。如果是自用，或者给朋友等小规模使用，买 VPS 就绰绰有余了。
如果你确定需要商业化，最好还是用独立服务器，而不是用 VPS。因为 VPS 在前期或后期并发稍微高一些，可能就会直接开炸。
大家参考一下，像 6 核 8G 的 RN VPS，大概可以吃 400 RPM 左右，这是比较舒服的状态。如果超过这个数字，就容易崩溃；如果少于这个数字，那就非常流畅。标准就在这里了。
像 16h 和 32G 的机子，如果单核性能不强的话，大概可以吃到 2000 RPM 左右。这是独立服务器的状态。
如果是 32h 和 128G，还是 9950X 的话，大概就可以吃到 3 万 RPM 往上走。如果优化好的话，5 万可能都可以吃得到。
更大的我就不知道了，我没做到过啊 face_holding_back_tears
第四步，关于号池的进一步细节讲解。
如果你是选择上游，你现在就到了经典的：没量别人不鸟你，有量找别人，别人接不住。
做着做着发现自己成上游了。
如果你是自建，那么就看下sub2api，codex2api，这些哪个好用做池子就好了
账号开卡，要么U卡，要么卡台（有风险跑了很多家，随用随充吧），要么就是找海外小黑自己开。你不要去找号商开这种全价的订阅，因为实际上号商是有方法可以控制你账号费用退回的。
现在很多号商（也不能说全部，因为也有良心的）会自己“吃一手”。比如从你这边赚了手续费利润后，账号一旦封禁，可能就没有质保或其他保障了，他甚至会主动想办法把你的号封了。这样开号会很难受，正价号就存在这种亏损的风险。
如果说你是自己开，最起码被封号之后，万一能够退回资金，基本上还可以退到你自己的手上。走个退款流程，多多少少把钱退回来还是可以赚一些的。如果这个钱都不退的话，那你就有点难受了。
至于低价渠道，现在越来越少了，很少有很强的号商了，现在开号的方式是蛮多的，但是价格却居高不下，恢复不了曾经的0.01了。可以对比多家的卡网，但是实际上能够上卡网的这些都已经是二道贩子了，很少有真实的号商是用卡网来做的。那种批量的号商，大部分都是直接在 TG 上建群。从他们那边买可能会稍微好一些，但是被骗的概率也还是非常大的。
总之，不是自己亲手去订阅的号，都有可能会炸的风险，大家都要谨慎考虑。如果找了卡台之类的话，那也是需要谨慎、谨慎、再谨慎的，因为近期卡台跑路的情况也有很多。
第五步，获客从哪里来，我要怎么赚大钱？
对于中转站来说，我觉得最好的获客渠道一般是哔哩哔哩、知乎、L站，小红书也算，就是这些社区论坛之类的，因为涉及到的有针对性的群体会比较多。
当然，如果是中转站，就不适合在国内的社区上面发表这些内容，容易出事。但是如果在 L 站之类的平台发表相关内容的话，问题不是非常大。
像你这种用户，就要找针对性的群体：
- 程序员：基本上都是用 coding。
- 设计师：主要是用图片生成和视频生成。
你做中转的话，就要找好自己的获客源在哪里。如果你自己对哪一个群体特别熟悉，就做哪一个群体。
因为其实现在很多中转都做差异化了：
- 我们之前是做低价，渠道透明，赚低价号差价，补一点pro来赚。或者纯靠上游倍率差，AIhub也是这种打法。
- 有的是以订阅的方式，看上去价格会低一些，但是通过一些限制，很难达到完整用完订阅来赚钱。
- 加州的站点，靠风味来赚钱。
- 很高价的站点，有的是坑一波不退费赚钱，有的是真的服务好赚稳定的钱。
- 传说中的nsfw站点，或者全女中转等这种差异化
总之，如果你有自己比较好的获客来源，可能会比较好一些。如果什么获客来源都不清楚，那你不如开个“富可敌国”。
这个帖子发完之后，如果近期多了很多中转，也就是开了很多“富可敌国”，始皇，能不能分我点？
第六步，防止自己的中转站被攻击。
中转站因为同行、友商比较多，开站之后，可能会有纯粹的“脚本哥”想要练手，或者通过攻击你来谋取利润，甚至进行勒索。反正方法是非常多的。
关于程序，如果你使用的是 New API 或 sub 2 API，你们可能就要做好以下准备：程序上线前就套上 CF 或其他 GDR，不要把自己的原站 IP 泄露出来。重要的事情说三遍！
接下来就到了经典的 CF 设置环节。这个东西我也没有办法教你太多，因为教也教不会，只要挨过一次打以后就知道了。
针对于 AI 中转站的 CC 攻击是非常简单的，具体就是以下几个方式：
- 登录节点：可以通过攻击你的登录和注册接口。因为每次登录注册都会对 CPU 造成较大的负荷，攻击者可以通过批量攻击这两个节点，让你的负荷提高。2. API 接口：直接攻击你的 API 接口。在没有带凭证的情况下，一直打这个接口，也会造成服务器的内存虚高。
针对以上情况，可以通过 Cloudflare（CF）进行防护：
(a) 针对登录节点：只要加一个盾就可以了。
(b) 针对 API 接口：需要在 CF 里面单独设置一下，在没有带凭证或者凭证不正确的情况下，会被拦截。
至于数据库泄露之类的七七八八的事情，我这边也不是特别了解。
我基本上在服务器运营上，就是把服务器的相关内容交给fable来帮我进行一轮加固，包括数据库的备份等。
因为像现在这些 AI 的网安，其实做的效果是非常好的。如果是这种正向的反馈，基本上会给你解决，不会把你放到网络滥用里。
第七步，怎么开通自己的收费方式
三方支付大展神通，大家自己找，tg的一定要有大群，国内的也一定要有可以聊天的客户群，不然跑路了就等着哭吧。
自建支付，建议用U之类的
还有跨境支付平台也可以用下，就是费率高很多
还可以类似卖卡的平台，链动之类的，放充值卡密
现在也没有想好还有什么东西要去普及的。
帖子就暂时先写到这里。根据后面有人评论问的问题，我再继续补充，并且继续完善第二集。
5.1 Token为什么能拿来卖
- 每个 AI 账号都有一定量的使用额度，一般都是按5小时、周刷新
- 号商搭建号池，把订阅了编程套餐的账号放到号池里面，这样号池就能共享所有账号的额度
- 每次发给大模型的请求都会有输入、输出Token，并且官方都会有对应的价格，比如：gpt-5.6-sol的输入：$5/100万 tokens、输出：$30/100万 tokens
- 搭建中转站，将号池接入，在中转站充值过的用户就能够使用对应的模型，同时会产生对应的费用
5.2 他们到底有多少利润
中转站一般情况下都是充多少人民币给多少刀，比如我充了100块钱，我在中转站的账户余额就是100刀。
GPT PRO 20x 为例：
参考额度雷达，一个pro账号的周限额大概在1600刀+，之前的时候都能稳定在2000上下。（近期codex额度有问题，乱套了，有高的有低的）
总额度：6000 - 10000 刀
按照1600来算，1个月就是 1600 * 4 = 6400，但是会隔三差五的重置额度，按照每个月重置2次来算：1600 * 6 = 9600，这么算下来，一个号大概能跑出 6000 - 10000 刀
成本：1400 RMB
1个 pro 20x 账号的价格是200刀（美区），我们按照1400RMB来算，也就是拿1400块钱能卖出6000 - 10000元的额度。但是直接按这个价格去卖，太贵了，没人会买，所以出现了倍率这个概念，即消耗额度 * 倍率 = 实际消耗。假如倍率是 0.1、额度是6000，那么 6000 * 0.1 = 600 ，一个号卖完还赔钱了。
倍率：0.14 - 0.23
怎么才能不赔钱呢，1400/6000=0.23 1400/10000=0.14，所以按照6000额度算，0.23不赔钱，按照10000额度算，0.14不赔钱
所以现在中转站的 Pro号池倍率一般会在 0.2 ~ 0.3 左右，其他渠道倍率在 0.05 - 0.2 之间。
5.3 低价渠道都是怎么来的
GPT
- K12：学生邮箱，通过母号无限拉子号，让普通子号也能拥有 plus 的权益。
- Bug Team：之前出现过偶发bug，0.52 美元就能开企业账户，然后通过分发获取接近 Plus 的额度。
- 首月 Plus：OPENAI 会给不同地区的用户首月优惠，通过各种各样的支付方式实现0月支付，paypal、gopay、虚拟卡台、kakao、pix，基本全部拉闸
- 黑冲：信用卡盗刷、盗用礼品卡消费，付费给OPENAI，然后找客服说卡被盗了，但是会有1 - 3天的处理时间，但是这个时候可能好几千刀都刷出去了，但是最后还是会退很多钱，claude 的早期退款流也是大概的原理，只不过那个是被封号后去申诉。
- 逆向：通过技术手段，抓到 Kiro、windsurf 发给大模型的请求，然后模拟请求去调用。
- 黑灰产：国外黑哥们抢来的信用卡，然后低价卖出去速刷；扫全球反代程序的接口，拿到key去盗刷，简单来说就是偷其他中转站的key；最离谱的是缅甸、菲律宾那边的园区，很多都开 AI 中转站了，用诈骗来的U去支付订阅，然后中转卖给用户换来干净的钱，纯纯洗钱最佳方式。
Claude
- 美国初创企业，在AWS有美金扶持，大约 3W
- windsurf ultra，真卡支付，假卡换绑透支，速刷打时间差
- AWS，企业母号无限开子号
- 留学生缴费/跨国转账，赚尾刀利润，搭配尼区礼品卡max 20x能做到6折
- …
5.4 公司AI中转站
为什么要自建中转站：
- 如果想用官方 GPT，还需要翻墙，网络不合规，账号额度也没法共享
- 外边中转站有可能会掺水，卖的是 gpt-5.6-sol ，其实给你的是 doubao；
- 不稳定、速度慢，很多大型的中转站几万个用户同时用，稳定性、响应速度肯定会受影响；
- 降智严重，他们一个号池上千个账号，IP质量可能会非常差；
- 数据隐私：他们能拿到我们所有的上下文，很有可能会拿去卖，现在已经形成了灰色产业链。
基于上述的风险，我决定自己搭建中转站，相比外边的中转站多了许多更加适配公司使用的功能：
- 无需翻墙就能使用纯血的 GPT-5.6、Claude Fable 5（理论上），内网环境也可以用
- 角色：部门管理员，可以维护自己部门的用户信息、调整额度
- 可以隔离每个部门的使用环境，每个部门可以维护自己的号池
- 一系列关于部门的数据统计，部门用户的金额使用、Token统计等
- 安全审计：所有违规（涉及网络安全、逆向、破限）等操作都将会被记录
第六章：AI 编程的边界与风险
AI 可以大幅提高开发效率，但不能替代开发者对结果负责。
边界
- AI 不是万能的，不是一句话就能帮你干完所有，不是所有需求都适合用 AI 来做，有的需求可能用了 AI 反而会降低效率
- AI 不一定真正理解公司的业务，可能会有偏差
- AI 目前没办法完全替代人，只能作为辅助工具去帮助程序员实现需求，这样我们可以拿出更多的时间去补之前的文档、优化系统、架构设计、需求沟通。
风险
- 如果给予AI过大的权限，很有可能会发生不可控的事件，比如：替你执行了一个 rm -rf；DELETE FROM xxx;
- 数据安全和代码泄露，“发给 AI”本质上就是一种数据外发行为，虽然大模型厂商协议里写的不会拿数据用于训练，但是谁信呢。
严格遵守
- 🈲 禁止用GPT模型去做网络安全、逆向、破限等操作 🈲
- AI 生成的代码必须验证
- 敏感数据不要随意提供给 AI
- 高风险操作必须人工确认
- AI 可以写代码，但责任仍然属于开发者
Tip
AI 编程的正确姿势，不是“让 AI 替我负责”，而是“让 AI 帮我完成更多工作，而我对最终结果负责”。
公司AI中转站运营模式
以上就是整个培训的内容，可能有的佬对公司 AI 中转站比较感兴趣，那我就大概说一下我们的运行模式：
一、成本
- 每个部门自己采购账号和VPS，我可以提供渠道和部署，后续账号管理、号池管理都由他们自己部门负责
- 账号：150/月/账号
- VPS：搬瓦工DC6、DMIT Tiny，10-16刀/月
二、架构
- cpa + new-api
- 各个部门采购的VPS部署cpa，设置白名单，只允许公司IP访问
- 公司内部服务器部署new-api，按照VPS的优化线路指定公司出口IP（移动、联通、电信）
- cpa 二开：
- 指纹修改
- 支持不同账号绑定不同的key
- new-api 二开：
- 提示词审计：防止cyber abuse
- 支持 websocket
- 新增角色：分组管理员，每个部门维护自己部门员工的额度、数据统计分析
- 号池管理：分组管理员可以查看自己部门账号的额度、启用/冻结、重置额度
- 一系列小的功能、数据统计…
