专为开发者打造的 AI 技术雷达。实时追踪全球 AI Coding、Agent 与大模型前沿动态，为你消除信息噪音，直达核心技术价值。
根据 Linux.do 社区用户反馈，智谱 AI 的 GLM Max 模型 API 续费政策发生重要调整。老版套餐在过期后无法原样续订，开发者必须切换至带有严格周额度限制的新版套餐。 具体额度变化如下： 1. 新套餐引入了周额度限制，高峰期周额度上限约为 1.5 亿 tokens，整体周限额（5倍）约为 7.5 亿 tokens。 2. 即使在使用“zcode”享受 6.7 折优惠的情况下，开发者依然能明显感受到可用额度的大幅缩水。 这一调整表明大模型厂商正在收紧高算力消耗模型的资源配额，以优化服务器负载和运营成本。对于依赖 GLM-4-Max 进行高频、大规模数据处理的中国开发者和 AI 创业团队而言，需要重新评估调用成本并优化 Prompt 结构，以应对额度受限带来的业务影响。
针对开发者在使用 Claude 公益 API 站时发现“输入 Token 数显示为 1 且大量命中缓存”的疑问，本文进行技术原理解析。这种现象通常与 API 中转分发系统（如 One-API）的配置及 Anthropic 的 Prompt Caching（提示词缓存）机制有关。在中转站中，管理员为了降低成本和提高响应速度，会启用缓存策略。当多个用户发送相似的系统提示词时，中转系统或 Anthropic 官方节点会直接命中缓存。而日志中显示“输入为 1”通常是中转计费系统的显示逻辑偏差，或是中转端对请求进行了特殊封装。关于回复质量，若仅是计费与日志层面的显示问题，模型的实际推理质量不会受到影响；但若中转站缓存配置不当导致“缓存碰撞”，则可能输出错误内容。建议开发者在生产环境中优先使用官方渠道。
近日，Linux.do 社区用户反映，OpenAI 针对 ChatGPT Plus 订阅渠道进行了新一轮的风控升级。此前被广泛用于低价订阅或绕过付费的多种支付渠道，包括 PayPal、Gopay 以及巴西的 PIX 支付系统，目前均已失效（被社区称为“拉闸”）。 这一变化表明 OpenAI 正在持续收紧其全球支付风控政策，严厉打击利用虚拟卡、区域价格漏洞或特定支付网关进行的非正规订阅行为。对于国内高度依赖 ChatGPT Plus 进行日常开发、代码辅助和测试的开发者及 AI 创业者而言，这意味着低成本获取 GPT-4 算力资源的通道进一步受阻。用户未来可能不得不转向更为合规但成本更高的官方标准支付渠道，或直接采用 API 账单计费模式，这也将间接推动国内开发者向合规化、商业化的 API 服务迁移。
随着AI辅助开发和日常办公（如使用AI制作PPT）的深入，开发者对大模型算力的需求急剧上升。本文源自社区讨论，核心探讨了在个人GPT Plus额度见顶、公益站Claude遭遇“降智”的情况下，开发者应如何选择后续方案。主要讨论集中在两种路径的利弊：1. 升级官方Pro订阅：虽然成本较高，但能获得最稳定的原生体验，直接使用Canvas、Artifacts等前沿功能，适合重度依赖官方Web端交互的开发者。2. 采用API中转服务：按量计费，性价比高，极易集成至Cursor、VS Code等开发工具中，但痛点在于中转市场鱼龙混杂，需筛选靠谱渠道以防模型掺假或服务跑路。该讨论反映了当前国内开发者在AI工具链升级中的普遍焦虑，即如何在“高频高质的算力需求”与“订阅成本及网络门槛”之间寻找最佳平衡点。
一家成立于2025年6月的顶尖AI硬件初创公司正招聘北京地区的大数据后端开发工程师。该公司已获得红杉资本等顶级美元基金投资，专注于面向海外市场的AI可穿戴“Always-on”智能硬件。其核心软件技术方向涵盖语音与语言模型工程、长记忆（Long Memory）以及Agentic（智能体化）交互。该岗位职责包括设计高可靠的实时与批处理数据流水线，构建数据仓库架构（OLAP查询），以及开发内部管理平台和数据API。任职要求候选人精通Go/Java/Python之一，拥有7-10年大数据平台开发经验，并熟练掌握主流关系型数据库与大数据存储系统。此招聘反映了当前AI Agent与可穿戴硬件结合的创业热潮，对于寻求前沿AI落地实践的资深后端开发者具有极高的职业吸引力。
在 Cursor 等 AI 辅助编程工具的 Agent 或 Plan 模式下，执行复杂任务时常因触发高强度调用而耗尽 5 小时内的模型额度。针对“任务执行到一半额度用尽，是否需要重新运行”的问题，社区给出了明确的解决方案。首先，开发者无需重新开始任务，因为此类工具通常会完整保存当前的上下文、对话历史以及工作区状态。恢复任务主要有三种途径：一是切换模型，直接在当前对话中将受限模型（如 Claude 3.5 Sonnet）切换为其他可用模型（如 GPT-4o）继续执行；二是配置个人 API Key，通过绑定自己的 OpenAI 或 Anthropic 密钥来无缝接管后续任务；三是等待额度重置，在限制时间结束后直接发送提示词继续。这一机制极大保障了长周期开发任务的连续性，降低了因额度限制导致的代码重构成本。
LinuxDO 社区的一篇帖子反映了开发者在使用 VS Code 中 Claude 对话时遇到的一个常见痛点：AI 助手在交互过程中频繁弹出命令确认提示。这一问题显著干扰了开发者的工作流，降低了与 AI 编码助手的交互效率和流畅性。发帖者明确寻求解决方案，希望能够实现这些确认步骤的自动化或绕过，以期获得更无缝、更高效的开发体验。这种频繁的打断不仅浪费了开发者的宝贵时间，也可能导致思维中断，从而影响整体的开发效率和编程体验。此现象不仅揭示了当前 AI 辅助开发工具在用户体验设计上可能存在的摩擦点，也强调了在集成开发环境中，如何在保障安全性和用户控制的同时，优化 AI 代理和助手的交互流程，以提升开发者的生产力。对于AI工具开发者而言，解决这类用户体验上的障碍，例如提供更智能的默认行为或可配置的自动化选项，对于提高AI编码助手的实际应用价值和开发者采纳度至关重要。
本文源自Linux.do社区关于“Vibe Coding（氛围编程）”实战经验的讨论。提问者作为有一定基础的开发者，在使用Claude Code等AI Agent工具开发复杂项目时遇到瓶颈，并总结了四个核心痛点：一是上下文漂移，随着文档修改和上下文增多，AI易偏离主线导致代码劣化；二是前后端开发顺序抉择，在先写前端还是先通后端上缺乏最佳实践；三是可视化测试困难，反复修改易使项目变乱；四是前后端联调时代码易崩溃。该讨论反映了当前AI辅助开发从“简单Demo”向“复杂系统”迈进时，开发者在架构控制、上下文管理及工作流协同上面临的真实挑战，对探索高效AI Coding工作流的开发者具有重要参考价值。
本文源自开发者社区对“AI时代是否需要深入学习编程”的深度探讨。一位资深前端开发者分享了其利用ChatGPT、Claude、Cursor等AI工具，在不具备相关底层技术背景的情况下，快速完成Node.js、Java、Docker部署等全栈项目的经历。AI的强大辅助能力让开发者产生“技术不会也没关系，AI会就行”的幻觉，但也引发了对自身核心竞争力的焦虑。文章指出，随着AI编码能力的演进，传统程序员的底层知识研究可能面临重新定位。未来的关键能力正向提问、需求拆解、产品思维、业务理解、AI协作和系统设计等高阶能力转移。这一讨论触及了AI Coding浪潮下，开发者职业路径与技能树重塑的核心痛点。
本文源自 Linux.do 社区关于 AI 视频生成模型 Seedance 2.0mini 的讨论。针对初学者计划利用该模型制作“短平快”视频并进行自媒体起号的设想，社区用户展开了探讨。Seedance 作为一款专注于 AI 视频生成的工具，其 2.0mini 版本在生成速度和成本上具有一定优势，适合快速产出内容。然而，对于“起号能否跑通”的问题，讨论指出，虽然 AI 工具降低了视频制作的技术门槛，但自媒体运营的成功更依赖于内容创意、精准定位和持续运营。单纯依靠 AI 快速生成的同质化视频在当前平台算法下红利期已过。对于开发者和创业者而言，Seedance 2.0mini 可作为低成本验证视频生成工作流的工具，但在实际商业化落地中，仍需结合深度剪辑与独特的内容策划。
本文探讨了开发者在使用AI进行日常编程时，是直接输入自然语言，还是先通过模型优化提示词（Prompt）再进行开发。在实际协作中，一种常见的工作流是“元提示词”方法：先将原始需求输入给模型，让其输出优化后的结构化提示词，再用该提示词指导模型编写代码。 讨论表明，对于简单的单文件修改或常规需求，直接使用自然语言描述效率更高，现代大模型（如Claude 3.5 Sonnet）已具备极强的意图理解能力。然而，针对复杂的系统设计、多文件协同或有特定架构约束的开发，经过结构化优化（明确角色、上下文、输入输出格式和限制条件）的提示词能显著减少模型幻觉，提升代码的一次性通过率。开发者应在“提示词工程成本”与“代码产出质量”之间取得平衡，建议在复杂任务中沉淀个人Prompt模板，或结合Cursor等工具的System Prompt来提升开发效率。
本文源自一位传统电气自动化（工控）工程师的真实心路历程，探讨了AI时代下软件开发与实体制造行业的职业变迁。 1. **转型背景**：作者曾因门槛限制未能成为程序员，在工控领域深耕多年后，尝试通过学习.NET上位机转型，但因缺乏项目经验效率极低。 2. **AI赋能**：2024至2025年，随着大模型和AI Agent能力的爆发，作者通过AI Chat和Agent成功实现“手搓代码”，大幅降低了软件开发的技术门槛。 3. **行业反差与迷茫**：然而，AI的普及也加速了传统软件行业的内卷与裁员。讽刺的是，作者曾经向往的程序员职业正在“凋零”，而他原本认为“低端”的工控实体制造行业，却因太平洋西岸强大的生产力需求而招聘需求极其旺盛。 这一现象引发了开发者对AI时代职业价值的深思：纯软件开发的护城河正在被AI瓦解，而结合实体产业与AI应用能力的复合型人才，或许将在未来拥有更强的生命力。
近日在 Linux.do 社区中，有开发者反映其通过正规渠道充值开通 Claude Pro 会员后，仅进行简单测试对话，次日便遭遇账号无预警封禁。尽管该用户已使用家庭宽带并关闭了定位，仍未能幸免。这一事件再次将 Anthropic 极其严苛且不透明的风控机制推上风口浪尖。长期以来，Claude 针对非直服地区的风控策略因“误伤率高”而饱受诟病，即使是付费用户也常因 IP 波动或支付卡问题被封。对于高度依赖 Claude 3.5 Sonnet 进行 AI 辅助编程的国内开发者和创业者而言，这种极高的账号风险大幅增加了开发成本。这也提醒广大开发者，在构建技术栈时必须建立多模型备用方案（如 OpenAI 或 Gemini），以降低单一平台封禁带来的业务中断风险。
本文分享了作者开通Claude Max 20x和ChatGPT Pro 20x的详细指南与实战经验，核心结论是“老号不跳IP最稳定”。作者的操作环境包括MacBook Pro/Mac mini，通过每月20美元的美国家宽（Sixtynet Cox）落地，并确保Claude Code Codex环境无任何代理。 在Claude Max 20x方面，作者的第一个账号（ProtonMail注册，使用美国家宽+小众U卡开通）在开通后不久被封，推测原因是在日常手机上安装Claude并测试Remote Control，而非支付卡问题。第二个Claude Max 20x账号（Gmail注册）则通过美国家宽+Safepal(Fiat24)绑定美区Google Pay，在网页端原价支付200美元后，至今稳定使用。 ChatGPT Pro 20x账号（ProtonMail注册，曾开通Plus）同样通过美国家宽+Safepal(Fiat24)直接支付开通，目前也稳定运行。这些经验为中国开发者和AI创业者提供了宝贵的参考，尤其是在选择IP环境、支付方式以及规避潜在封号风险方面。
一位Codex++用户报告在使用最新版本1.2.9的macOS客户端时遇到严重问题。用户反馈无法在应用内的供应商列表页面选择或切换AI服务提供商，点击相关按钮后无任何响应。此外，在API详情配置页面也无法将特定供应商设置为当前活跃服务。尽管用户已尝试多次重装该应用，但问题仍未解决。此故障直接影响了开发者灵活配置和使用不同AI模型的能力，对依赖Codex++进行AI辅助编程或AI Agent开发的效率造成了阻碍。用户正寻求社区帮助以解决此配置难题。
Zcode作为一款AI编码工具，在设计和用户体验方面存在多项待改进之处。主要问题包括：在Goal模式下连接稳定性差，缺乏自动重连机制；用户界面（UI）在Mac端并发执行任务时卡顿，且侧边栏固定对话顺序会自动改变。在交互方面，任务执行中的询问窗口缺乏通知和提示音，历史对话无颜色提醒，且无法划词引用。功能性上，Zcode无法让模型安装MCP协议（可能因技能缺失），压缩功能耗时且易卡顿。此外，与Codex对比，Zcode在任务结束后未提供已编辑文件汇总，且侧边聊天记录置顶后仍受文件夹子菜单影响，无法保持折叠状态。模型方面，GLM思维链档位少导致思考时间过长。远程控制也存在断联问题。这些问题对开发者使用体验和效率造成影响，提示AI Agent工具在稳定性、UI/UX和功能完善度上仍有提升空间。
近日，Linux.do 社区多位用户反映 OpenAI 网页端服务疑似出现登录故障。据反馈，用户在尝试登录 ChatGPT 网页版时，点击登录按钮无任何响应。该问题已在多台设备及不同网络环境下得到复现，且有众多社区成员证实遭遇了相同情况，表明这并非个例，而是 OpenAI 服务端或前端认证系统出现了临时性故障。 对于高度依赖 ChatGPT 进行日常编码辅助、Prompt 调试及工作流集成的中国开发者和 AI 创业者而言，此类网页端停机事件会直接打断开发节奏。这也再次提醒开发者，在构建 AI 辅助工作流时，应建立多通道备份机制，例如配置 API 备用方案、接入 Claude 等其他主流模型，或准备第三方客户端，以降低单一平台服务波动对生产力造成的风险。
一位开发者通过 sub2api 代理管理着三个 GPT Pro 200美元/月的账户，供团队内部多人使用。其中一个账户近期出现异常，尽管明确为 Pro 级别，但其使用额度在短时间内即触及5小时限制，表现出类似 GPT Plus 账户的特征。后台统计数据显示，该异常账户的周用量仅为其他两个正常 Pro 账户的十分之一。开发者怀疑该账户可能已被 OpenAI 风控，但并未收到任何官方邮件通知。他正在寻求如何联系 OpenAI 官方支持以解决此问题。此类额度异常问题对依赖 GPT Pro 进行开发的团队来说，会严重影响工作效率和资源规划。
一位开发者分享了如何利用OpenAI的Codex模型，从零开始构建一个基于Polymarket平台的天气主题预测程序。该项目旨在通过自动化分析天气数据，参与预测市场交易。当前面临的核心技术挑战是高频、广覆盖的天气数据获取。目前，程序仅能获取少数城市5分钟更新的METAR数据，这严重限制了其应用范围和预测精度，开发者正积极寻求更优质的API数据源。尽管数据限制，该程序已能实现每日约20美元的收益，足以覆盖Codex的使用成本，初步验证了AI辅助开发在实际应用中的经济可行性。此案例为中国开发者和AI创业者展示了AI编码工具在结合预测市场、探索数据驱动应用方面的潜力，并强调了高质量实时数据对AI项目成功的关键作用。
本文详细记录了一次解决Codex服务报错的经历。用户在使用Codex时，频繁遭遇“We're currently experiencing high demand...”的错误提示，尤其在长会话中。起初，该错误信息被误认为是OpenAI官方或NewAPI的问题，因为切换模型或API接口也出现类似报错。然而，通过进一步排查，发现新开会话或在不同设备上使用是正常的，这表明问题可能出在本地代理服务上。 经过溯源，用户发现NewAPI层面显示500错误，而直接连接到CPA（用户自建代理）域名时，本地抓包显示是Nginx报错。这引发了对服务器存储空间的怀疑。尽管服务器（一台2C2G的美国闲置服务器，使用宝塔面板）表面上仍有1GB左右的磁盘空间，但宝塔面板已显示负载满载。最终确认，报错的根本原因并非OpenAI服务过载，而是CPA所在服务器的磁盘空间不足以供Nginx写入临时文件，导致Nginx无法正常处理请求，并向上游抛出了误导性的“高需求”错误信息。这一案例为开发者提供了宝贵的经验，强调在排查AI服务代理问题时，需警惕通用错误信息的误导性，并关注本地基础设施（如Nginx配置和服务器磁盘空间）的潜在瓶颈。
用户为解决Codex在中文文档撰写上的不足，选择使用智谱AI的GLM MAX模型。初期，GLM-5.1版本存在速度慢、输出乱码及频繁429错误等问题，使用体验不佳。然而，随着智谱AI发布GLM-5.2（代号“小 Opus”），服务质量已显著改善，用户实测表明乱码和长时间不可用情况已不复存在。这一进展使得GLM-5.2能够作为代码模型的有效平替，尤其在中文语境下的代码辅助和文档生成方面展现出实用价值，对中国开发者和AI创业者具有积极意义。原文标题中的推测“Retry并非Any专属，可推测Any背后即为GLM”，暗示了GLM模型可能在某些通用或聚合服务“Any”中扮演核心角色或作为底层技术支撑，揭示了其更广泛的应用潜力。作者同时呼吁开发者对国产大模型给予更多宽容和支持，鼓励其持续改进。
一位用户在LinuxDo论坛发帖咨询，表示已在香港开通Bitget账户并充值10U以开卡，旨在为GPT服务续费。该用户注意到有一项5U的消费奖励，因此提问该奖励是否能用于手机话费充值。同时，用户还提及已绑定Apple Pay，并询问通过Apple Pay是否能实现话费充值，以期利用这笔5U奖励。此帖反映了用户在跨境支付和数字资产平台使用中遇到的具体操作疑问，尤其是在将加密货币相关奖励转换为日常消费（如话费）以支持AI服务订阅方面的实际挑战。
一位开发者分享了其公司仅提供国产AI模型的工作现状。起初尚可接受，但当他接触并体验了如Codex等国际先进大模型后，其工作效率和体验得到显著提升，以至于“一发不可收拾”。为此，他开始自费购买和使用这些国际模型，甚至因此增加了加班时间。这引发了他对当前大模型时代的深刻反思与困惑。他指出，作为最早接触大模型技术的程序员群体，本应是这一变革的受益者，但现实却是，大量利润被代理商、黑市交易者和中转服务商赚取，而开发者却面临着自费投入的困境。这种“可笑又可悲”的局面，让他感到被时代抛弃，并质疑如何在重重阻碍下继续前行。这反映了中国开发者在获取和使用前沿AI工具方面面临的挑战，以及对现有生态分配不公的无奈。
近日，有开发者对 SuperGrok 的 `composer-2.5-fast` 模型进行了额度与性价比实测。该模型在交付质量上表现优异，可与顶尖模型媲美，且拥有高达 300 TPS 的极速输出。测试表明，通过购买印度区 SuperGrok 并接入 CPA 反代，用户每月可获得 150 美元的 Build 额度。在实际计费中，该模型在 Grok Build 中存在约“三折”的隐藏优惠：原本按官方定价应扣除 4.06 美元的额度，实际仅计费 1.33 美元。折算下来，开发者每月仅需约 17 元人民币，即可享受等值 450 美元的官方额度。官方定价为输入 $3/M、缓存读取 $0.5/M、输出 $15/M。这一超高性价比和极速响应，为国内开发者提供了一个极具吸引力的 AI 编程与开发新选择。
知名X博主Teortaxes近日发表长文，对国内大模型独角兽MiniMax进行了严厉批评。他指出，MiniMax未能像其他头部AI实验室那样脚踏实地、稳步推进技术研发，其当前的尴尬处境与DeepSeek R1发布前的Kimi（月之暗面）极为相似。文章核心观点认为，在技术迭代日新月异的背景下，缺乏底层硬核技术突破和稳健工程积累的AI企业，极易在激烈的市场竞争中丧失护城河。这一评论引发了国内开发者和创业者对“AI六小龙”技术路线与商业化前景的深思。对于开发者而言，这提示我们在选择底层大模型API和构建AI Agent应用时，需更加关注大模型厂商的持续研发能力与底层技术护城河，避免因单一供应商技术停滞而影响业务迭代。
在 Linux.do 社区中，有用户发起求助，寻找可用的英国（英区）网络节点。该求助背景是用户成功参与了英国运营商 Vodafone 的福利活动（俗称“薅羊毛”），但由于没有英国地区的 Apple ID，导致无法在 App Store 中下载所需的 Vodafone 官方应用程序。为了顺利注册英区 Apple ID，用户需要一个可靠的英国机场节点或代理服务。该讨论反映了国内开发者和跨境活动参与者在面对区域限制（Geo-blocking）时，对特定国家网络资源和海外账号注册的实际需求。对于需要测试海外应用或获取特定地区数字化福利的开发者而言，掌握多国 Apple ID 注册方法及网络代理配置是一项基础且实用的技能。
该话题探讨了 AI Agent 运行机制中的核心概念：在“思考-行动-观察”循环中，LLM 决定调用工具的中间输出是否属于“推理”。 主要技术要点与结论包括： 1. **推理的定义界定**：狭义的推理指 LLM 内部的逻辑推导（如 CoT）；而广义上，LLM 基于当前状态决定“何时调用何种工具并构建参数”的决策过程，同样是高度复杂的语义推理表现。 2. **工具调用与推理的协同**：工具执行本身是 Action，但“决定调用”和“解析工具返回结果”均依赖 LLM 的推理能力。当前如 OpenAI o1 等新型推理模型正将内部推理与外部工具调用进一步整合。 3. **开发者启示**：构建 Agent 时，开发者需区分模型内生推理与系统级协同。优化 Agent 表现不仅要靠模型硬实力，更需通过合理的 Prompt 和工作流设计，引导模型在工具调用前后进行有效的规划与反思。
根据开发者在社区的最新反馈，Anthropic 旗下的命令行 AI 编程工具 Claude Code 已向 Claude Pro 订阅用户默认开放了 1M（100万）超长上下文的 Opus 模型支持。在此之前，Pro 用户在 Claude Code 中默认仅能使用 200K 上下文，若需使用 1M 上下文则需支付额外的 API 费用。现在，用户通过 `/context` 命令查询时，发现已直接升级为 1M 上下文状态。这一调整大幅降低了开发者处理大规模代码库、进行深度重构或跨文件分析时的资金门槛。对于国内开发者而言，这意味着无需额外付费即可在本地终端利用 Claude 的最强模型处理更复杂的项目，显著提升了 AI 辅助编程的实用价值与开发效率。
本文源自 V2EX 社区的热门讨论，探讨了在语音输入普及后，用户与 AI Agent 交互时出现的心理与行为变化。主要内容包括：1. 交互行为的转变：发帖者指出，自己在日常社交中极力维持礼貌，但在使用语音与 Agent 交流时，一旦 Agent 理解偏差或未能达成预期，便会卸下社交伪装，进行大声呵斥和厉声指责。2. 情绪宣泄的载体：语音输入相比文字降低了表达门槛，使 Agent 成为用户无负担释放负面情绪的工具。3. 对开发者的启示：这一现象为 AI 开发者和产品经理提供了关于人机交互（HCI）的新思考。在设计 Agent 的语音交互和容错机制时，不仅要提升意图理解的准确率，还需考虑如何应对用户的负面情绪反馈，甚至将其转化为优化 Agent 行为的信号，从而提升产品的用户体验与情感粘性。
随着AI开发者和创业者管理的海外平台账号（如OpenAI、Anthropic、GitHub等）日益增多，如何安全、高效地进行浏览器数据隔离与防关联成为高频痛点。本文针对多账号管理提出以下解决方案： 1. **原生浏览器多配置（Profiles）**：利用Chrome或Edge的“多用户配置”功能，可实现Cookie和缓存的物理隔离。该方案操作简便且完全免费，适合常规开发测试，但对硬件指纹和IP层面的防风控能力较弱。 2. **指纹浏览器（Fingerprint Browsers）**：通过深度模拟不同的浏览器指纹（如Canvas、WebGL、User-Agent等）并结合独立代理IP，实现彻底的环境隔离。虽然安全系数极高，但市面上免费版本通常有数量限制（如5个以内）。 对于开发者而言，需根据账号的安全级别和风控强度，在“免费便捷”与“深度隔离”之间做出权衡。
共 2063 篇文章 · 每页 30 篇