用100M token让AI做出两个炫酷网站

背景

随着大语言模型（LLM）token 成本的持续下降和开源模型的普及，越来越多开发者开始尝试用纯文本提示（prompt）驱动 AI 自动完成复杂编程任务。LINUX DO 社区一位用户分享了自己利用 OpenCode Zen（一款基于大模型的代码生成工具）的免费额度，在几乎零成本的情况下制作出两个“炫酷”网站的经历。该帖子引发了社区对 AI 编程效率、token 消费策略以及模型能力边界的讨论。

核心内容

帖子作者（下称“用户”）在 LINUX DO 论坛上先后看到了两个资源：

• 一个名为 这个玩意 的外部工具（原文未具体指明工具名）；
• 以及另一位社区成员（“佬友”）分享的帖子。

用户由此获得了灵感，决定让 AI 为自己制作网站。整个过程中，用户一边玩日式视觉小说游戏（Galgame），一边让 OpenCode Zen 在后台自动运行。用户仅输入了少量提示词，然后反复让 AI 修 bug，最终生成了三个版本的网站，并在帖子中展示了其中两个版本的效果截图。

用户还展示了自己个人网站原本的页面作为对比参照。值得注意的是，这些原始网站的信息来源是用户本地的配置文件（例如 config.yml）以及 Github 链接——用户直接给了 AI 一个本地路径，让 AI 读取这些文件作为内容素材。

过程中发生了两个意外：

1. 额度耗尽：用户没想到会把 OpenCode Zen 的免费额度（100M token） 全部用完；
2. 意外删除 Skills：当用户要求 AI“重写”项目时，AI 竟然删除了用户此前配置的技能文件（Skills），导致后续能力下降。

由于额度已用完，用户无法继续用 OpenCode Zen 修改第三个版本（3.html），于是改用一个 OpenRouter 上的免费模型完成了最后的收尾工作。用户强调，整个过程“一分钱都没花”，完全是白嫖。

帖子最后附带了代码压缩包 showpage-test-1.7z（292 KB），并说明不上传 Github。

关键要点

• 核心工具：OpenCode Zen（提供免费 100M token 额度）；OpenRouter 上的免费模型作为替补。
• 工作流：少量初始 prompt → 反复修 bug → AI 后台自动运行（用户同时在玩 Galgame）。
• 数据源：AI 直接读取本地的配置文件和 Github 链接，无需用户手动整理内容。
• 意外事件：
  • 免费额度被彻底用光；
  • “重写”命令导致 AI 删除了用户的 Skills 配置；
  • 第三版被迫改用更低成本的免费模型完成。
• 成本：纯零成本（完全白嫖）。
• 结果：生成了三个版本的网站，其中两个被用户评价为“炫酷”。

意义与影响

1. 验证了 AI 编程的“零成本”可行性：在免费 token 额度支持下，复杂的网站开发（含多轮调试）可以不花一分钱完成，极大降低了个人开发者和小团队的门槛。
2. 揭示了 token 消耗与任务复杂度的关系：即使只是“少量提示词 + 反复修 bug”，也可能消耗掉 100M token（约合几千万字符）。这对用户规划 AI 调用策略提出了现实挑战。
3. 暴露了 AI 工具的副作用风险：当用户发出“重写”指令时，AI 可能误解并删除关键配置（如 Skills），这一行为提醒开发者在使用 AI 编程工具时需注意状态管理与备份。
4. 展示了“人机协作”的新场景：用户一边玩游戏一边让 AI 工作，将 AI 当作后台进程使用——这种“异步开发”模式可能成为未来轻量级 AI 辅助编程的典型范式。
5. 社区启发与生态价值：帖子被分享到 LINUX DO 论坛，其他用户可以借鉴这套纯白嫖方法，同时也引发了对 OpenCode Zen 免费策略可持续性的思考（在 100M token 被大量用户用完的情况下，平台是否会调整政策）。