多个20美元AI计划优于单一100美元AI计划

作者Abishek Muthian在经历了每月200美元和100美元的Anthropic计划后，最终选择了每月20美元的Anthropic、20美元的OpenAI和10美元的OpenCode Go计划，用于编码和设计工作。他偶尔也会在非编码任务中使用本地AI。

通过使用多个提供商的入门级AI计划，作者能够根据各模型的优势分配不同任务，同时避免因单一提供商服务中断而影响工作。

在IDE选择上，作者使用Zed，其Agent面板无缝集成了顶级AI编码代理。Zed拥有完善的终端和LSP支持，尽管基于自研的Rust框架GPUI，但比VS Code更稳定，性能优于非TUI IDE。作者在Linux、macOS和Windows上均有良好体验。但Zed缺乏可访问性支持，且未获得Flutter等SDK开发者的官方支持；不过由于Flutter有强大的CLI，构建Flutter应用并无问题。如果您的SDK或框架严重依赖VS Code扩展，Zed可能暂时不适合。

在AI代理方面，Zed支持除Gemini外的主流AI编码代理（因Google转向封闭生态）。作者使用的代理包括：Claude Code（最新Opus模型，默认努力度，用于规划）、Codex（最新ChatGPT，中高努力度，用于实现计划）以及OpenCode Go（GLM 5.x、DeepSeek V4 Flash和Qwen 3.6，高努力度，用于现有代码库的维护和改进）。注意：OpenCode似乎完全由AI运营，存在大量计费问题和零支持，作者曾因重复付款损失金钱，因此每月重新订阅。

MCP服务器方面，作者在所有Zed设置中配置了Fetch（获取网页内容）、Brave Search（网页搜索）、Puppeteer（网页抓取）和Excalidraw（绘制架构图）。

关于本地AI，作者拥有RTX 4090笔记本和M4 Mac Mini。经过三年实验，他认为本地硬件运行编码LLM得不偿失：最新开源编码模型虽与专有模型竞争，但要以可接受质量运行需投资更昂贵的硬件，而每月50美元即可完成相同工作。不过，他保留了一些量化LLM用于好奇和备份，视其为概率性的知识库。

非编码的小语言模型（SLM）则完全不同。作者指出，当专用SLM能在中端CPU上解决许多问题时，本地编码LLM却备受关注。他使用Krita与AI扩散插件进行照片编辑，用Unsloth Studio微调小模型，用Pinokio尝试TTS、背景去除、图像放大和小动画等。作者计划未来专门介绍SLM。

总之，这是作者当前有效的AI编码方案，但他强调并非人人适用。