目前只能人去看它们的重置时间，比较想给它们做成自动化的。 另外想问一下有没有稍微便宜点的订阅方式，claude 在 app store 还要话费比官方定价更贵的价钱…… 先感谢回答的朋友。
目前只能人去看它们的重置时间，比较想给它们做成自动化的。 另外想问一下有没有稍微便宜点的订阅方式，claude 在 app store 还要话费比官方定价更贵的价钱…… 先感谢回答的朋友。
目前只能人去看它们的重置时间，比较想给它们做成自动化的。 另外想问一下有没有稍微便宜点的订阅方式，claude 在 app store 还要话费比官方定价更贵的价钱…… 先感谢回答的朋友。
目前只能人去看它们的重置时间，比较想给它们做成自动化的。 另外想问一下有没有稍微便宜点的订阅方式，claude 在 app store 还要话费比官方定价更贵的价钱…… 先感谢回答的朋友。
目前只能人去看它们的重置时间，比较想给它们做成自动化的。 另外想问一下有没有稍微便宜点的订阅方式，claude 在 app store 还要话费比官方定价更贵的价钱…… 先感谢回答的朋友。
目前只能人去看它们的重置时间，比较想给它们做成自动化的。 另外想问一下有没有稍微便宜点的订阅方式，claude 在 app store 还要话费比官方定价更贵的价钱…… 先感谢回答的朋友。
目前只能人去看它们的重置时间，比较想给它们做成自动化的。 另外想问一下有没有稍微便宜点的订阅方式，claude 在 app store 还要话费比官方定价更贵的价钱…… 先感谢回答的朋友。
目前只能人去看它们的重置时间，比较想给它们做成自动化的。 另外想问一下有没有稍微便宜点的订阅方式，claude 在 app store 还要话费比官方定价更贵的价钱…… 先感谢回答的朋友。
佬友们，之前一直用Prompt测试，但现在模型越来越智能，光扔个问题过去，它们在网页端的表现跟真人似的，根本看不出区别。所以现在特别想知道，你们都是怎么设计那种“高压测试”的？除了跑跑常规测试集，有没有更狠、更贴近真实的测试方法？ 2 个帖子 - 2 位参与者 阅读完整话题
三只白色的鸭子站在水中，这阵暴雨所积的水，刚好浸到它们胸口的毛，一号码头吹来一阵凄凉的海风，使它们摇摇欲坠，你感觉看到它们的另一副模样，三只烤鸭挂在路边摊的手推车上，朱红香脆的皮，腌入味有嚼劲的肉，这位客人买走它的腿，下一位客人要它的翅膀，你感觉饿了，这才回过神来，现在只是工作日午休时间，你手头上有着一堆自己本该完成却仍在拖延的任务，还有一堆本职工作之外的内容，领导把这些活给你，仅仅是因为你不懂得反抗，你是那个老好人，这时候你觉得自己就是被拔掉了毛，挖空了内脏，被烈火烤熟后，挂在手推车上的烤鸭。 你和烤鸭的区别在于，它们死前什么都不知道，可以在雨中摇晃踏步，嘎，嘎，嘎地叫着，而你，我最亲爱的朋友，你知道的太多了，却只能发出，“好的”，“收到”，“我这就去改”的声音。
三只白色的鸭子站在水中，这阵暴雨所积的水，刚好浸到它们胸口的毛，一号码头吹来一阵凄凉的海风，使它们摇摇欲坠，你感觉看到它们的另一副模样，三只烤鸭挂在路边摊的手推车上，朱红香脆的皮，腌入味有嚼劲的肉，这位客人买走它的腿，下一位客人要它的翅膀，你感觉饿了，这才回过神来，现在只是工作日午休时间，你手头上有着一堆自己本该完成却仍在拖延的任务，还有一堆本职工作之外的内容，领导把这些活给你，仅仅是因为你不懂得反抗，你是那个老好人，这时候你觉得自己就是被拔掉了毛，挖空了内脏，被烈火烤熟后，挂在手推车上的烤鸭。 你和烤鸭的区别在于，它们死前什么都不知道，可以在雨中摇晃踏步，嘎，嘎，嘎地叫着，而你，我最亲爱的朋友，你知道的太多了，却只能发出，“好的”，“收到”，“我这就去改”的声音。
三只白色的鸭子站在水中，这阵暴雨所积的水，刚好浸到它们胸口的毛，一号码头吹来一阵凄凉的海风，使它们摇摇欲坠，你感觉看到它们的另一副模样，三只烤鸭挂在路边摊的手推车上，朱红香脆的皮，腌入味有嚼劲的肉，这位客人买走它的腿，下一位客人要它的翅膀，你感觉饿了，这才回过神来，现在只是工作日午休时间，你手头上有着一堆自己本该完成却仍在拖延的任务，还有一堆本职工作之外的内容，领导把这些活给你，仅仅是因为你不懂得反抗，你是那个老好人，这时候你觉得自己就是被拔掉了毛，挖空了内脏，被烈火烤熟后，挂在手推车上的烤鸭。 你和烤鸭的区别在于，它们死前什么都不知道，可以在雨中摇晃踏步，嘎，嘎，嘎地叫着，而你，我最亲爱的朋友，你知道的太多了，却只能发出，“好的”，“收到”，“我这就去改”的声音。
三只白色的鸭子站在水中，这阵暴雨所积的水，刚好浸到它们胸口的毛，一号码头吹来一阵凄凉的海风，使它们摇摇欲坠，你感觉看到它们的另一副模样，三只烤鸭挂在路边摊的手推车上，朱红香脆的皮，腌入味有嚼劲的肉，这位客人买走它的腿，下一位客人要它的翅膀，你感觉饿了，这才回过神来，现在只是工作日午休时间，你手头上有着一堆自己本该完成却仍在拖延的任务，还有一堆本职工作之外的内容，领导把这些活给你，仅仅是因为你不懂得反抗，你是那个老好人，这时候你觉得自己就是被拔掉了毛，挖空了内脏，被烈火烤熟后，挂在手推车上的烤鸭。 你和烤鸭的区别在于，它们死前什么都不知道，可以在雨中摇晃踏步，嘎，嘎，嘎地叫着，而你，我最亲爱的朋友，你知道的太多了，却只能发出，“好的”，“收到”，“我这就去改”的声音。
三只白色的鸭子站在水中，这阵暴雨所积的水，刚好浸到它们胸口的毛，一号码头吹来一阵凄凉的海风，使它们摇摇欲坠，你感觉看到它们的另一副模样，三只烤鸭挂在路边摊的手推车上，朱红香脆的皮，腌入味有嚼劲的肉，这位客人买走它的腿，下一位客人要它的翅膀，你感觉饿了，这才回过神来，现在只是工作日午休时间，你手头上有着一堆自己本该完成却仍在拖延的任务，还有一堆本职工作之外的内容，领导把这些活给你，仅仅是因为你不懂得反抗，你是那个老好人，这时候你觉得自己就是被拔掉了毛，挖空了内脏，被烈火烤熟后，挂在手推车上的烤鸭。 你和烤鸭的区别在于，它们死前什么都不知道，可以在雨中摇晃踏步，嘎，嘎，嘎地叫着，而你，我最亲爱的朋友，你知道的太多了，却只能发出，“好的”，“收到”，“我这就去改”的声音。
三只白色的鸭子站在水中，这阵暴雨所积的水，刚好浸到它们胸口的毛，一号码头吹来一阵凄凉的海风，使它们摇摇欲坠，你感觉看到它们的另一副模样，三只烤鸭挂在路边摊的手推车上，朱红香脆的皮，腌入味有嚼劲的肉，这位客人买走它的腿，下一位客人要它的翅膀，你感觉饿了，这才回过神来，现在只是工作日午休时间，你手头上有着一堆自己本该完成却仍在拖延的任务，还有一堆本职工作之外的内容，领导把这些活给你，仅仅是因为你不懂得反抗，你是那个老好人，这时候你觉得自己就是被拔掉了毛，挖空了内脏，被烈火烤熟后，挂在手推车上的烤鸭。 你和烤鸭的区别在于，它们死前什么都不知道，可以在雨中摇晃踏步，嘎，嘎，嘎地叫着，而你，我最亲爱的朋友，你知道的太多了，却只能发出，“好的”，“收到”，“我这就去改”的声音。
头部厂商都意图黑箱化算力真实价值，变成它们自己随意定义的经济价值，最终它们都想掌握AI时代的铸币权 10 个帖子 - 5 位参与者 阅读完整话题
不知道有没有佬友干过 不过感觉这才叫"智能"手机 也能手机本地部署sub2api和HermesAgent这类但是感觉那样内存就要被撑爆了 1 个帖子 - 1 位参与者 阅读完整话题
我问下，这种发生争议，我拒绝后，我不清楚它们消费方是怎么回事？会不会依旧划分ldc给我呢？还是要和消费方沟通下，让他关闭？（我已经解决了纠纷，处理好了，这笔积分要转我的） 8 个帖子 - 3 位参与者 阅读完整话题
问题不在于它们“不够智能”，而在于它们的工程范式很难同时满足企业级客服的几个核心要求：非线性对话、流畅交互、快速响应、强规则约束、长对话可追溯，以及复杂业务逻辑可调试。 先看 ReAct Agent 。 ReAct Agent 的典型做法，是让大模型在多轮推理中自主决定下一步要做什么、调用什么工具、如何推进任务。它看起来灵活，但放到企业客服里会暴露很多问题： - 它更像一个黑盒，行为难以完全预测； - 它每一步都依赖大模型推理，响应慢、成本高； - 它容易在复杂业务规则、权限校验、API 调用边界上出现幻觉； - 它也很难像传统工程代码一样被断点调试、复盘和精确追踪。 但企业客服里，很多流程不是“差不多就行”。比如退改签、理赔、售后、开户、审批、工单等场景，往往需要非常明确的规则判断、权限控制、状态流转和外部系统调用。让大模型自由放飞，风险太高。 再看 Workflow Agent 。 Workflow Agent 的思路是把流程固定下来，用节点和连线控制对话。它解决了一部分可控性问题，但代价是交互体验变得死板僵硬。 真实用户不会严格按照流程一步步回答问题。用户可能乱序输入，也可能中途更正信息、补充信息、跳转话题，甚至在一个流程中插入另一个话题。传统 Workflow 很难自然处理这些非线性对话场景，最终往往变成“机器人反复要求用户按格式重来”。 所以，企业级客服真正需要的不是“完全自由的大模型”，也不是“完全僵硬的流程图”，而是一种更白盒、更工程化的对话 Agent 架构： - 让 LLM 负责它擅长的部分：意图识别、信息抽取和自然语言表达； - 让代码负责它必须负责的部分：业务判断、权限校验、API 调用和状态管理。 这正是我们做 TeliChat 的出发点。 TeliChat 是一个以代码为中心的、面向企业客服和复杂业务流程的白盒对话 Agent 。它不是让大模型自由放飞的 ReAct Agent ，也不是死板僵硬的 Workflow Agent ，而是用「对话树 + 信息项 + Python 代码」来管理多轮对话状态。 在 TeliChat 中，LLM 不负责决定所有业务逻辑。真正的业务判断、权限校验、API 调用都交给代码完成，并且支持 Python 代码断点调试。这样既保留了大模型带来的自然语言交互能力，又满足企业业务系统对可控、可追溯、可调试的工程化要求。 因此，TeliChat 可以支持更复杂的真实对话场景：用户乱序输入、信息更正或补充、话题跳转或插入，都可以被自然处理。同时，它也能满足长对话、可追溯、可调试等企业级需求，并保持流畅交互体验和快速响应。 如果你正在做退改签、理赔、售后、开户、审批、工单等需要强规则的业务流程，可能会发现：单纯依赖 ReAct Agent 太黑盒、太慢、太贵、太容易幻觉；单纯依赖 Workflow Agent 又太僵硬，难以处理真实用户的非线性表达。 如果你对 Rasa CALM 的 YAML 感到厌烦，或对 Dify 僵硬的回复感到沮丧，或对 Claude Code / OpenClaw 的黑盒感到不满，欢迎试试 TeliChat： https://telichat.io/zh-Hans/ 目前 TeliChat 核心产品暂未开源。GitHub 上开放的是基于 TeliChat 构建 Agent 的示例代码： https://github.com/hanswang73/telichat 我们更多的思考也整理在博客里： https://telichat.io/zh-Hans/blog/telichat 我是 TeliChat 的创建者。欢迎大家拍砖。