我们是在硅谷的公司，最近业务扩展，希望找到稳定的东八区工程师。需要你擅长与人沟通，能够快速学习，构建系统降低自己负担等，同时理解擅长企业级的高可用系统构建，维护。 需要你同时回复大客户消息和日常开发。 必须擅长使用 codex 或者 claudecode 等，快速定位，重构等解决问题。 我们提供有力的底薪+客户维护奖金。维护的客户越多奖金越多。可以看作 opc 。 有兴趣发简历到 [email protected]
我们是在硅谷的公司，最近业务扩展，希望找到稳定的东八区工程师。需要你擅长与人沟通，能够快速学习，构建系统降低自己负担等，同时理解擅长企业级的高可用系统构建，维护。 需要你同时回复大客户消息和日常开发。 必须擅长使用 codex 或者 claudecode 等，快速定位，重构等解决问题。 我们提供有力的底薪+客户维护奖金。维护的客户越多奖金越多。可以看作 opc 。 有兴趣发简历到 [email protected]
岗位： 1 ）上海，北京，或远程：Agent 开发工程师（全栈或偏后端），预算 50 - 90 万/年，特别优秀的，尤其是第一学历是 985 top 的，复杂 agent 开发经验丰富的，可以再谈！ base 北京 或 上海；可线下办公的优先，线上办公要特别出类拔萃的才考虑； 2) 大模型 Infra ，agent 平台 Infra ，base 北京，或者新加坡；客户要求要有亮点；第一学历 985 ，211 ；过往工作要有沉淀，那种每家做的时间很短不超过一年没有什么沉淀的不考虑； 大模型 Infra 预算 100 - 300 万/年，北美 top 大厂的人可以兼职（但需要有结果交付）； agent Infra 预算 50 - 100 万/年（具体视交流结果）； 投递方式：发简历到 [email protected] ，备注 joy,12 小时内优先回复！
对 ai infra 领域感兴趣的同学欢迎投递～ 深入理解 vLLM/SGLang 等主流引擎机制，优化推理服务稳定性与资源效率～ 期望构建基于可观测体系（ Metrics/Profiling/Tracing ）的性能回归自动化平台。设计高可用架构，建立故障应急、容量评估与限流降级机制，分析线上异常（ OOM 、延迟抖动、软死锁等）并闭环解决～ https://neitui.italent.cn/AIPOWER/sharejobs/detail?shareId=1ebaacf1-b42f-4929-8185-de95c2c1ea85&language=zh_CN
有人考过英伟达的ai infra证书吗？想知道如给想从事ai infra的话 考什么证书比较有用 2 个帖子 - 2 位参与者 阅读完整话题
题主在公司里是做post train infra，也做一点算法，codex 重度用户，自己电脑上是20x pro平常做点开发。 公司因为提供免费的codex，加上现在项目比较重要，基本没有用量限制，最近做完一个大重构/架构开发之后，现在连启动debug 实验都是靠prompt codex做了，晚上睡觉前写一个大概的测试计划，把从集群启动实验的权限给codex，然后让他各种测试，把结果写成一个markdown记录，然后再开一个codex 去盯整个训练的log，分析报错+存下来的debug 数据，迭代速度快得飞起。 现在每天睡前都得想一下怎么压榨codex，一个月干掉了公司五万多美元的额度 3 个帖子 - 2 位参与者 阅读完整话题
前言：我为什么要折腾这套环境 几年前为了用Carla和ROS，我在自己电脑上折腾过Ubuntu双系统。但后续为了玩游戏，用Obsidian写笔记，以及各种专业软件的使用，感觉Win11还是友好的多。但很多项目开发要用到Linux，让其它人能快速使用我的项目要用到Docker,更不要说Win11杂乱的环境和路径，因此我考虑使用WSL+Docker+NAS这套方案，最终Win11做主力机，同时获得Linux的开发体验。 本文记录了我从零开始搭建这套「计算在Windows，开发在Linux，存储在NAS」的开发基础设施（infra）的全部过程。过程中踩了不少坑，比如 WSL2 虚拟磁盘膨胀、Codex CLI 字体乱码、cd的奇怪行为……希望我的记录能帮佬们少走些弯路，也给自己留一份可追溯的文档。 特别说明 ：NAS 部分我计划在 6 月底正式部署，届时会更新到本文末尾的「NAS 实战」章节，目前先留白。还有，输入法的emoji是真难用，我得用 win + ; 一个个去找，所以 理解 Docker 和 NAS 的网络模型 在动手之前，我们先要搞清楚IP、端口、Docker、NAS之间的关系。有一种简单的直觉比喻： IP 是大楼，端口是房间 但是我一开始会有个问题——容器算不算独立的大楼？外人怎么知道去哪个房间？经过梳理，我现在大致的理解如下： 宿主机是唯一的“大楼” ，拥有对外可见的 IP。 Docker 容器是楼内的“独立隔间” ，只有内部私有IP，外人看不到。 docker run -p 8080:80 就相当于在大楼前台贴一张指示牌：“访客请到 8080 接待窗口，我将带你到内部隔间 172.17.0.2 的 80 号服务”。 所以，外人永远只需要知道宿主机的IP地址和和对应的端口（8080），完全不需要知道容器的私有IP。这也为后续NAS的引入埋下伏笔： NAS 就是另一栋专门负责存储的“仓库大楼” ，通过NFS协议和宿主机相连，容器里的数据就能存到那个仓库里。 WSL2环境搭建，以及相关教程（特别是别放在C盘） 我的主力机是Win11，必须通过WSL2来使用Linux系统。但默认安装的Ubuntu会直接扔到C 盘，我很反感C盘冗杂的环境和不知道去哪找文件的“烦杂感”。于是我的目标是： 把整个WSL 搬到D盘 。 1. 安装 Ubuntu 到 C 盘（临时） wsl --install -d Ubuntu-24.04 2. 正式迁移到 D 盘（核心步骤） # 彻底关闭 WSL wsl --shutdown # 查看当前发行版确切名字，比如 Ubuntu-24.04 wsl --list --verbose # 导出为 tar 文件到 D 盘 wsl --export Ubuntu-24.04 D:\backup\ubuntu.tar # 注销 C 盘里的原系统，释放空间 wsl --unregister Ubuntu-24.04 # 在 D 盘创建新目录并导入 mkdir D:\WSL\Ubuntu-24.04 wsl --import Ubuntu-24.04 D:\WSL\Ubuntu-24.04 D:\backup\ubuntu.tar 我看网上的教程好像默认登录的是 root ，要先恢复默认用户，但我没遇到这个问题，如果你进去WSL终端后显示的是 root ，可能需要在 powershell 输入 <发行版名字>.exe config --default-user 你创建的用户名 恢复默认用户（我没试过，不确定）。 之后可以删掉 D:\backup\ubuntu.tar ，节省空间。 踩坑提醒 ：WSL2 的 .vhdx 虚拟磁盘文件只会自动增长，不会自动收缩。即使你在系统里删除了文件，Windows下看到的占用也不会变小。需要定期在PowerShell中执行： # 第一步：关闭 WSL wsl --shutdown # 第二步：压缩虚拟磁盘 optimize-vhd -Path "D:\WSL\Ubuntu-24.04\ext4.vhdx" -Mode Full 3. 让 wsl 命令直接进入Linux的~目录 迁移完成后，我发现一个问题：在 Windows 终端里直接敲 wsl 进入Ubuntu时，默认路径会停在 /mnt/c/Users/xxx （Windows用户的目录），而不是我习惯的Linux ~ 。每次还要手动 cd ~ ，很烦。 解决方法很简单——修改WSL的配置文件，让它启动时自动把当前目录切换到 ~ ： sudo nano ~/.bashrc 在最后一行加入 cd ~ 然后让配置立即生效： source ~/.bashrc 之后 Ctrl+x 退出并 y 保存，建议所有操作都 wsl --shutdown 关机后重新开机让配置生效。 我之前尝试过在 /etc/wsl.conf 的 [boot] 节添加 command = cd ~ ，但没用，所以不建议这样做。 4. 启用 ‘镜像模式’ 网络让 WSL2 复制主机的网络状态（使用VPN） 首先确认自己的主机系统是 Win11 22H2版本或更高版本 （我是25H2，可以用 winver 确认）；同时建议把WSL升级到最新，然后在Windows用户目录下（ C:\Users\<你的用户名>\ ）找到或新建 .wslconfig 配置文件（我当时没有，是新建的），输入以下命令： [wsl2] networkingMode=mirrored dnsTunneling=true firewall=true autoProxy=true 之后在PowerShell中执行 wsl --shutdown 关闭所有WSL实例。然后重新打开终端后，配置就会生效。 检查配置是否生效可以在ubuntu中输入 curl -4 ip.sb ，如果和开了vpn后的IP地址一致就说明成功了。 CLI 工具链——VS Code、Conda 和 Codex CLI 我不喜欢GUI，更喜欢CLI那种掌控感，因此所有配置都会走CLI。 1. VS Code 远程开发 为了充分使用 Linux 系统的快捷，我现在所有项目都在Ubuntu系统下完成，因此需要用到远程连接（切忌在 WSL 终端中访问并调用win下的文件，性能损失非常严重！） 在vscode安装好 WSL 扩展后，点击左下角 >< 图标，选择「连接到 WSL」，VS Code 会直接在 Linux 环境里打开（注意服务器下载时间比较长）。集成终端就是纯净的 Ubuntu Bash，项目文件就放在 /home/用户名/ 下。 2. Miniforge (Conda) 环境 Windows 上装的 Conda 不能直接在 WSL 里用，需要在 WSL 内部重新安装 Linux 版： curl -L -O "https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-$(uname)-$(uname -m).sh" bash Miniforge3-$(uname)-$(uname -m).sh ~/miniforge3/bin/conda init 注意安装miniforge3时有一步直接回车就行，不要输入enter，否则会默认将miniforge3安装到enter文件夹下， ~/miniforge3/bin/conda init 会找不到，要删除enter文件夹后重新安装。 重启WSL终端后,输入 python 命令能进入base环境就成功了（默认应该是python3.13版本）。 之后就可以 rm Miniforge3-$(uname)-$(uname -m).sh 删除之前下好的安装包释放空间。 3. Codex CLI 与中转站 API 我在 Windows 下用过 cc-switch 来切换 API，想在 WSL 里继续使用。Codex CLI 本身需要 Node.js 22+（我安装的是24的LTS版本，改成 nvm install 24 就行），先用 nvm 安装： curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash source ~/.bashrc nvm install 22 nvm use 22 npm install -g @openai/codex 这时 codex 命令已可用，但要让它走API中转，需要 Linux 版的 cc-switch 。先确认系统架构是否匹配，在 WSL 终端里执行： uname -m 然后去CC Switch的GitHub Releases页面寻找最新的安装包（我是x86_64版本），截至我写这篇教程时，最新是v3.15.0版本，即 CC-Switch-v3.15.0-Linux-x86_64.deb 。当然，你也可以选择 AppImage 格式，确认后下载： # 记得自己去确认最新版安装包 wget https://github.com/farion1231/cc-switch/releases/download/v3.15.0/CC-Switch-v3.15.0-Linux-x86_64.deb 下载后，使用 dpkg 安装： sudo dpkg -i CC-Switch-v3.15.0-Linux-x86_64.deb 安装完成后，直接在终端输入 cc-switch 并回车，就能启动它的GUI。由于Win11的WSL原生支持GUI，所以显示和win上的基本没有区别，接下来就可以在里面配置自己的API中转信息了。 我遇到的小坑和解法 坑1：CC Switch 界面全是空格子（乱码？） 运行 cc-switch 后，界面布满空白方格，原来是 WSL 默认没有中文字体 。安装开源中文字体即可解决： sudo apt update sudo apt install -y fonts-noto-cjk fonts-wqy-zenhei fonts-wqy-microhei 之后在 PowerShell 里 wsl --shutdown 重启，界面恢复正常。 坑2： cd ./.codex 进不去，但 cd .codex 可以 我现在也不知道物理路径和逻辑路径的区别和方法，但我现在都是直接 cd 文件名 解决。 Docker 环境准备（CLI 原汁原味） 我还没装 Docker Desktop（可能以后也不会装），直接用原生 Docker Engine： curl -fsSL https://get.docker.com -o get-docker.sh sudo sh get-docker.sh sudo usermod -aG docker $USER 新开终端后, docker run hello-world 成功。后续数据卷暂时存在WSL虚拟盘里，等 NAS 到位后，再用NFS挂载 docker run -v /mnt/nas/... 迁移出去。 surprise!又有坑了 我当时测试 docker run hello-world 时报错 443: read: connection reset by peer ，如果同样是这个错，而且错误日志里有一串 2001:da8:... 类似的IPv6地址，说明是 IPv6或网络出口 的问题，解决方法如下： 先考虑绕过 IPv6，在 WSL2 终端里输入： sudo sysctl -w net.ipv6.conf.all.disable_ipv6=1 sudo sysctl -w net.ipv6.conf.default.disable_ipv6=1 这会临时关闭 IPv6。然后输入： docker run hello-world 如果成功了，说明就是IPv6问题，如果还不行，我也不知道怎么办。 为了让它永久生效， sudo nano /etc/sysctl.conf ,并在最后输入： net.ipv6.conf.all.disable_ipv6 = 1 net.ipv6.conf.default.disable_ipv6 = 1 保存后执行 sudo sysctl -p 立即应用,然后重启WSL后 docker run hello-world 查看是否生效（要恢复的话删除这两行命令就行了，而且实际上基本不会影响，除非你访问的是只有IPv6的网站）。 另外，有的WSL版本似乎不会自动读取 /etc/sysctl.conf ，可以在WSL终端输入： sysctl net.ipv6.conf.all.disable_ipv6 如果返回 =1 说明IPv6就被禁用了，如果没有，则在 /etc/wsl.conf （注意不是 sysctl.conf ）中 [boot] 部分添加(记得要给管理员权限，即 sudo nano )： [boot] command = /sbin/sysctl -p /etc/sysctl.conf NAS 实战（留白，6 月底更新） 目前规划： 一台独立小主机或旧电脑，安装 Ubuntu Server，用 fdisk 、 mkfs.ext4 格式化数据盘。 通过 NFS 共享 /nas/docker-volumes 和 /nas/backups ，设置 all_squash 保证权限不乱。 WSL2 里用 mount -t nfs 192.168.1.x:/nas/docker-volumes /mnt/nas/docker-volumes 挂载，并写进 /etc/wsl.conf 实现开机自动挂载。 Docker 容器全部绑定挂载到 /mnt/nas/... ，数据与宿主机解耦。 定期 rsync 备份重要目录到 NAS，加上 cron 自动化。 NAS这块我先挖个坑，等6月底机器到位了再回来填。到时候会写清楚我怎么选硬盘、怎么配 NFS、怎么搞自动备份。说起来佬们能不能给点NAS购买和搭建建议？非常感谢~ 2 个帖子 - 1 位参与者 阅读完整话题
github 上 danielmiessler/Personal_AI_Infrastructure 这个看起来比较有意思，有佬友用过吗？ 1 个帖子 - 1 位参与者 阅读完整话题
5 月 12 日下午 3 时刷新了一周用量，到 5 月 15 日下午用完，下次刷新要等到 5 月 19 日了，套餐是 ChatGPT 200 刀，模型是 gpt-5.5 high fast 。 Infra 开发进入中后期（加模块），习惯是 Codex 主程（一个长期的 session ，token 使用量已经有 3.3B 左右），然后另开两个 Codex Review ，再加两个 Claude Code Review(100 刀套餐)。偶尔零散单开，忽略之。 按下面的统计来看，周用量如果跑标准 5.5API 大概是 1200 刀，fast 走 Priority ，也就是 2.5 倍是 3000 刀，但是套餐费是 200/4=50 刀。 分享一下供大家参考，以下使用了 https://github.com/huajiexiewenfeng/codex-token-usage-skill 这个 skill ，略修改提供按日的数据。 范围: 2026-05-12 to 2026-05-15 调用次数: 10,612 会话数: 17 指标 Token 数 说明 总量 1,697,105,658 total_tokens 汇总 Input 1,684,776,812 输入 token ，包含 cached input Cached input 1,617,974,144 命中缓存的输入 token Output 3,181,341 输出 token Reasoning output 967,432 推理输出 token 非缓存 Input 66,802,668 Input - Cached input 净用量 69,984,009 非缓存 Input + Output 缓存命中率 96.03% Cached input / Input 日均总量 424,276,414.50 总量 / 统计天数 最多的一天: 2026-05-14, 590,184,843 tokens. 日期 总量 Input Cached input Output Reasoning output 非缓存 Input 净用量 缓存命中率 调用次数 会话数 2026-05-12 332,727,335 330,002,701 317,752,064 639,247 196,753 12,250,637 12,889,884 96.29% 2,056 6 2026-05-13 568,982,985 564,878,467 542,723,712 1,123,134 395,888 22,154,755 23,277,889 96.08% 3,616 10 2026-05-14 590,184,843 586,391,899 564,809,728 1,047,875 269,174 21,582,171 22,630,046 96.32% 3,660 8 2026-05-15 205,210,495 203,503,745 192,688,640 371,085 105,617 10,815,105 11,186,190 94.69% 1,280 5
5 月 12 日下午 3 时刷新了一周用量，到 5 月 15 日下午用完，下次刷新要等到 5 月 19 日了，套餐是 ChatGPT 200 刀，模型是 gpt-5.5 high fast 。 Infra 开发进入中后期（加模块），习惯是 Codex 主程（一个长期的 session ，token 使用量已经有 3.3B 左右），然后另开两个 Codex Review ，再加两个 Claude Code Review(100 刀套餐)。偶尔零散单开，忽略之。 按下面的统计来看，周用量如果跑标准 5.5API 大概是 1200 刀，fast 走 Priority ，也就是 2.5 倍是 3000 刀，但是套餐费是 200/4=50 刀。 分享一下供大家参考，以下使用了 https://github.com/huajiexiewenfeng/codex-token-usage-skill 这个 skill ，略修改提供按日的数据。 范围: 2026-05-12 to 2026-05-15 调用次数: 10,612 会话数: 17 指标 Token 数 说明 总量 1,697,105,658 total_tokens 汇总 Input 1,684,776,812 输入 token ，包含 cached input Cached input 1,617,974,144 命中缓存的输入 token Output 3,181,341 输出 token Reasoning output 967,432 推理输出 token 非缓存 Input 66,802,668 Input - Cached input 净用量 69,984,009 非缓存 Input + Output 缓存命中率 96.03% Cached input / Input 日均总量 424,276,414.50 总量 / 统计天数 最多的一天: 2026-05-14, 590,184,843 tokens. 日期 总量 Input Cached input Output Reasoning output 非缓存 Input 净用量 缓存命中率 调用次数 会话数 2026-05-12 332,727,335 330,002,701 317,752,064 639,247 196,753 12,250,637 12,889,884 96.29% 2,056 6 2026-05-13 568,982,985 564,878,467 542,723,712 1,123,134 395,888 22,154,755 23,277,889 96.08% 3,616 10 2026-05-14 590,184,843 586,391,899 564,809,728 1,047,875 269,174 21,582,171 22,630,046 96.32% 3,660 8 2026-05-15 205,210,495 203,503,745 192,688,640 371,085 105,617 10,815,105 11,186,190 94.69% 1,280 5
5 月 12 日下午 3 时刷新了一周用量，到 5 月 15 日下午用完，下次刷新要等到 5 月 19 日了，套餐是 ChatGPT 200 刀，模型是 gpt-5.5 high fast 。 Infra 开发进入中后期（加模块），习惯是 Codex 主程（一个长期的 session ，token 使用量已经有 3.3B 左右），然后另开两个 Codex Review ，再加两个 Claude Code Review(100 刀套餐)。偶尔零散单开，忽略之。 按下面的统计来看，周用量如果跑标准 5.5API 大概是 1200 刀，fast 走 Priority ，也就是 2.5 倍是 3000 刀，但是套餐费是 200/4=50 刀。 分享一下供大家参考，以下使用了 https://github.com/huajiexiewenfeng/codex-token-usage-skill 这个 skill ，略修改提供按日的数据。 范围: 2026-05-12 to 2026-05-15 调用次数: 10,612 会话数: 17 指标 Token 数 说明 总量 1,697,105,658 total_tokens 汇总 Input 1,684,776,812 输入 token ，包含 cached input Cached input 1,617,974,144 命中缓存的输入 token Output 3,181,341 输出 token Reasoning output 967,432 推理输出 token 非缓存 Input 66,802,668 Input - Cached input 净用量 69,984,009 非缓存 Input + Output 缓存命中率 96.03% Cached input / Input 日均总量 424,276,414.50 总量 / 统计天数 最多的一天: 2026-05-14, 590,184,843 tokens. 日期 总量 Input Cached input Output Reasoning output 非缓存 Input 净用量 缓存命中率 调用次数 会话数 2026-05-12 332,727,335 330,002,701 317,752,064 639,247 196,753 12,250,637 12,889,884 96.29% 2,056 6 2026-05-13 568,982,985 564,878,467 542,723,712 1,123,134 395,888 22,154,755 23,277,889 96.08% 3,616 10 2026-05-14 590,184,843 586,391,899 564,809,728 1,047,875 269,174 21,582,171 22,630,046 96.32% 3,660 8 2026-05-15 205,210,495 203,503,745 192,688,640 371,085 105,617 10,815,105 11,186,190 94.69% 1,280 5
5 月 12 日下午 3 时刷新了一周用量，到 5 月 15 日下午用完，下次刷新要等到 5 月 19 日了，套餐是 ChatGPT 200 刀，模型是 gpt-5.5 high fast 。 Infra 开发进入中后期（加模块），习惯是 Codex 主程（一个长期的 session ，token 使用量已经有 3.3B 左右），然后另开两个 Codex Review ，再加两个 Claude Code Review(100 刀套餐)。偶尔零散单开，忽略之。 按下面的统计来看，周用量如果跑标准 5.5API 大概是 1200 刀，fast 走 Priority ，也就是 2.5 倍是 3000 刀，但是套餐费是 200/4=50 刀。 分享一下供大家参考，以下使用了 https://github.com/huajiexiewenfeng/codex-token-usage-skill 这个 skill ，略修改提供按日的数据。 范围: 2026-05-12 to 2026-05-15 调用次数: 10,612 会话数: 17 指标 Token 数 说明 总量 1,697,105,658 total_tokens 汇总 Input 1,684,776,812 输入 token ，包含 cached input Cached input 1,617,974,144 命中缓存的输入 token Output 3,181,341 输出 token Reasoning output 967,432 推理输出 token 非缓存 Input 66,802,668 Input - Cached input 净用量 69,984,009 非缓存 Input + Output 缓存命中率 96.03% Cached input / Input 日均总量 424,276,414.50 总量 / 统计天数 最多的一天: 2026-05-14, 590,184,843 tokens. 日期 总量 Input Cached input Output Reasoning output 非缓存 Input 净用量 缓存命中率 调用次数 会话数 2026-05-12 332,727,335 330,002,701 317,752,064 639,247 196,753 12,250,637 12,889,884 96.29% 2,056 6 2026-05-13 568,982,985 564,878,467 542,723,712 1,123,134 395,888 22,154,755 23,277,889 96.08% 3,616 10 2026-05-14 590,184,843 586,391,899 564,809,728 1,047,875 269,174 21,582,171 22,630,046 96.32% 3,660 8 2026-05-15 205,210,495 203,503,745 192,688,640 371,085 105,617 10,815,105 11,186,190 94.69% 1,280 5
5 月 12 日下午 3 时刷新了一周用量，到 5 月 15 日下午用完，下次刷新要等到 5 月 19 日了，套餐是 ChatGPT 200 刀，模型是 gpt-5.5 high fast 。 Infra 开发进入中后期（加模块），习惯是 Codex 主程（一个长期的 session ，token 使用量已经有 3.3B 左右），然后另开两个 Codex Review ，再加两个 Claude Code Review(100 刀套餐)。偶尔零散单开，忽略之。 按下面的统计来看，周用量如果跑标准 5.5API 大概是 1200 刀，fast 走 Priority ，也就是 2.5 倍是 3000 刀，但是套餐费是 200/4=50 刀。 分享一下供大家参考，以下使用了 https://github.com/huajiexiewenfeng/codex-token-usage-skill 这个 skill ，略修改提供按日的数据。 范围: 2026-05-12 to 2026-05-15 调用次数: 10,612 会话数: 17 指标 Token 数 说明 总量 1,697,105,658 total_tokens 汇总 Input 1,684,776,812 输入 token ，包含 cached input Cached input 1,617,974,144 命中缓存的输入 token Output 3,181,341 输出 token Reasoning output 967,432 推理输出 token 非缓存 Input 66,802,668 Input - Cached input 净用量 69,984,009 非缓存 Input + Output 缓存命中率 96.03% Cached input / Input 日均总量 424,276,414.50 总量 / 统计天数 最多的一天: 2026-05-14, 590,184,843 tokens. 日期 总量 Input Cached input Output Reasoning output 非缓存 Input 净用量 缓存命中率 调用次数 会话数 2026-05-12 332,727,335 330,002,701 317,752,064 639,247 196,753 12,250,637 12,889,884 96.29% 2,056 6 2026-05-13 568,982,985 564,878,467 542,723,712 1,123,134 395,888 22,154,755 23,277,889 96.08% 3,616 10 2026-05-14 590,184,843 586,391,899 564,809,728 1,047,875 269,174 21,582,171 22,630,046 96.32% 3,660 8 2026-05-15 205,210,495 203,503,745 192,688,640 371,085 105,617 10,815,105 11,186,190 94.69% 1,280 5
5 月 12 日下午 3 时刷新了一周用量，到 5 月 15 日下午用完，下次刷新要等到 5 月 19 日了，套餐是 ChatGPT 200 刀，模型是 gpt-5.5 high fast 。 Infra 开发进入中后期（加模块），习惯是 Codex 主程（一个长期的 session ，token 使用量已经有 3.3B 左右），然后另开两个 Codex Review ，再加两个 Claude Code Review(100 刀套餐)。偶尔零散单开，忽略之。 按下面的统计来看，周用量如果跑标准 5.5API 大概是 1200 刀，fast 走 Priority ，也就是 2.5 倍是 3000 刀，但是套餐费是 200/4=50 刀。 分享一下供大家参考，以下使用了 https://github.com/huajiexiewenfeng/codex-token-usage-skill 这个 skill ，略修改提供按日的数据。 范围: 2026-05-12 to 2026-05-15 调用次数: 10,612 会话数: 17 指标 Token 数 说明 总量 1,697,105,658 total_tokens 汇总 Input 1,684,776,812 输入 token ，包含 cached input Cached input 1,617,974,144 命中缓存的输入 token Output 3,181,341 输出 token Reasoning output 967,432 推理输出 token 非缓存 Input 66,802,668 Input - Cached input 净用量 69,984,009 非缓存 Input + Output 缓存命中率 96.03% Cached input / Input 日均总量 424,276,414.50 总量 / 统计天数 最多的一天: 2026-05-14, 590,184,843 tokens. 日期 总量 Input Cached input Output Reasoning output 非缓存 Input 净用量 缓存命中率 调用次数 会话数 2026-05-12 332,727,335 330,002,701 317,752,064 639,247 196,753 12,250,637 12,889,884 96.29% 2,056 6 2026-05-13 568,982,985 564,878,467 542,723,712 1,123,134 395,888 22,154,755 23,277,889 96.08% 3,616 10 2026-05-14 590,184,843 586,391,899 564,809,728 1,047,875 269,174 21,582,171 22,630,046 96.32% 3,660 8 2026-05-15 205,210,495 203,503,745 192,688,640 371,085 105,617 10,815,105 11,186,190 94.69% 1,280 5
5 月 12 日下午 3 时刷新了一周用量，到 5 月 15 日下午用完，下次刷新要等到 5 月 19 日了，套餐是 ChatGPT 200 刀，模型是 gpt-5.5 high fast 。 Infra 开发进入中后期（加模块），习惯是 Codex 主程（一个长期的 session ，token 使用量已经有 3.3B 左右），然后另开两个 Codex Review ，再加两个 Claude Code Review(100 刀套餐)。偶尔零散单开，忽略之。 按下面的统计来看，周用量如果跑标准 5.5API 大概是 1200 刀，fast 走 Priority ，也就是 2.5 倍是 3000 刀，但是套餐费是 200/4=50 刀。 分享一下供大家参考，以下使用了 https://github.com/huajiexiewenfeng/codex-token-usage-skill 这个 skill ，略修改提供按日的数据。 范围: 2026-05-12 to 2026-05-15 调用次数: 10,612 会话数: 17 指标 Token 数 说明 总量 1,697,105,658 total_tokens 汇总 Input 1,684,776,812 输入 token ，包含 cached input Cached input 1,617,974,144 命中缓存的输入 token Output 3,181,341 输出 token Reasoning output 967,432 推理输出 token 非缓存 Input 66,802,668 Input - Cached input 净用量 69,984,009 非缓存 Input + Output 缓存命中率 96.03% Cached input / Input 日均总量 424,276,414.50 总量 / 统计天数 最多的一天: 2026-05-14, 590,184,843 tokens. 日期 总量 Input Cached input Output Reasoning output 非缓存 Input 净用量 缓存命中率 调用次数 会话数 2026-05-12 332,727,335 330,002,701 317,752,064 639,247 196,753 12,250,637 12,889,884 96.29% 2,056 6 2026-05-13 568,982,985 564,878,467 542,723,712 1,123,134 395,888 22,154,755 23,277,889 96.08% 3,616 10 2026-05-14 590,184,843 586,391,899 564,809,728 1,047,875 269,174 21,582,171 22,630,046 96.32% 3,660 8 2026-05-15 205,210,495 203,503,745 192,688,640 371,085 105,617 10,815,105 11,186,190 94.69% 1,280 5
5 月 12 日下午 3 时刷新了一周用量，到 5 月 15 日下午用完，下次刷新要等到 5 月 19 日了，套餐是 ChatGPT 200 刀，模型是 gpt-5.5 high fast 。 Infra 开发进入中后期（加模块），习惯是 Codex 主程（一个长期的 session ，token 使用量已经有 3.3B 左右），然后另开两个 Codex Review ，再加两个 Claude Code Review(100 刀套餐)。偶尔零散单开，忽略之。 按下面的统计来看，周用量如果跑标准 5.5API 大概是 1200 刀，fast 走 Priority ，也就是 2.5 倍是 3000 刀，但是套餐费是 200/4=50 刀。 分享一下供大家参考，以下使用了 https://github.com/huajiexiewenfeng/codex-token-usage-skill 这个 skill ，略修改提供按日的数据。 范围: 2026-05-12 to 2026-05-15 调用次数: 10,612 会话数: 17 指标 Token 数 说明 总量 1,697,105,658 total_tokens 汇总 Input 1,684,776,812 输入 token ，包含 cached input Cached input 1,617,974,144 命中缓存的输入 token Output 3,181,341 输出 token Reasoning output 967,432 推理输出 token 非缓存 Input 66,802,668 Input - Cached input 净用量 69,984,009 非缓存 Input + Output 缓存命中率 96.03% Cached input / Input 日均总量 424,276,414.50 总量 / 统计天数 最多的一天: 2026-05-14, 590,184,843 tokens. 日期 总量 Input Cached input Output Reasoning output 非缓存 Input 净用量 缓存命中率 调用次数 会话数 2026-05-12 332,727,335 330,002,701 317,752,064 639,247 196,753 12,250,637 12,889,884 96.29% 2,056 6 2026-05-13 568,982,985 564,878,467 542,723,712 1,123,134 395,888 22,154,755 23,277,889 96.08% 3,616 10 2026-05-14 590,184,843 586,391,899 564,809,728 1,047,875 269,174 21,582,171 22,630,046 96.32% 3,660 8 2026-05-15 205,210,495 203,503,745 192,688,640 371,085 105,617 10,815,105 11,186,190 94.69% 1,280 5
5 月 12 日下午 3 时刷新了一周用量，到 5 月 15 日下午用完，下次刷新要等到 5 月 19 日了，套餐是 ChatGPT 200 刀，模型是 gpt-5.5 high fast 。 Infra 开发进入中后期（加模块），习惯是 Codex 主程（一个长期的 session ，token 使用量已经有 3.3B 左右），然后另开两个 Codex Review ，再加两个 Claude Code Review(100 刀套餐)。偶尔零散单开，忽略之。 按下面的统计来看，周用量如果跑标准 5.5API 大概是 1200 刀，fast 走 Priority ，也就是 2.5 倍是 3000 刀，但是套餐费是 200/4=50 刀。 分享一下供大家参考，以下使用了 https://github.com/huajiexiewenfeng/codex-token-usage-skill 这个 skill ，略修改提供按日的数据。 范围: 2026-05-12 to 2026-05-15 调用次数: 10,612 会话数: 17 指标 Token 数 说明 总量 1,697,105,658 total_tokens 汇总 Input 1,684,776,812 输入 token ，包含 cached input Cached input 1,617,974,144 命中缓存的输入 token Output 3,181,341 输出 token Reasoning output 967,432 推理输出 token 非缓存 Input 66,802,668 Input - Cached input 净用量 69,984,009 非缓存 Input + Output 缓存命中率 96.03% Cached input / Input 日均总量 424,276,414.50 总量 / 统计天数 最多的一天: 2026-05-14, 590,184,843 tokens. 日期 总量 Input Cached input Output Reasoning output 非缓存 Input 净用量 缓存命中率 调用次数 会话数 2026-05-12 332,727,335 330,002,701 317,752,064 639,247 196,753 12,250,637 12,889,884 96.29% 2,056 6 2026-05-13 568,982,985 564,878,467 542,723,712 1,123,134 395,888 22,154,755 23,277,889 96.08% 3,616 10 2026-05-14 590,184,843 586,391,899 564,809,728 1,047,875 269,174 21,582,171 22,630,046 96.32% 3,660 8 2026-05-15 205,210,495 203,503,745 192,688,640 371,085 105,617 10,815,105 11,186,190 94.69% 1,280 5