多個20美元AI計劃優於單一100美元AI計劃

作者Abishek Muthian在經歷了每月200美元和100美元的Anthropic計劃後，最終選擇了每月20美元的Anthropic、20美元的OpenAI和10美元的OpenCode Go計劃，用於編碼和設計工作。他偶爾也會在非編碼任務中使用本地AI。

通過使用多個提供商的入門級AI計劃，作者能夠根據各模型的優勢分配不同任務，同時避免因單一提供商服務中斷而影響工作。

在IDE選擇上，作者使用Zed，其Agent面板無縫集成了頂級AI編碼代理。Zed擁有完善的終端和LSP支持，儘管基於自研的Rust框架GPUI，但比VS Code更穩定，性能優於非TUI IDE。作者在Linux、macOS和Windows上均有良好體驗。但Zed缺乏可訪問性支持，且未獲得Flutter等SDK開發者的官方支持；不過由於Flutter有強大的CLI，構建Flutter應用並無問題。如果您的SDK或框架嚴重依賴VS Code擴展，Zed可能暫時不適合。

在AI代理方面，Zed支持除Gemini外的主流AI編碼代理（因Google轉向封閉生態）。作者使用的代理包括：Claude Code（最新Opus模型，默認努力度，用於規劃）、Codex（最新ChatGPT，中高努力度，用於實現計劃）以及OpenCode Go（GLM 5.x、DeepSeek V4 Flash和Qwen 3.6，高努力度，用於現有代碼庫的維護和改進）。注意：OpenCode似乎完全由AI運營，存在大量計費問題和零支持，作者曾因重複付款損失金錢，因此每月重新訂閲。

MCP服務器方面，作者在所有Zed設置中配置了Fetch（獲取網頁內容）、Brave Search（網頁搜索）、Puppeteer（網頁抓取）和Excalidraw（繪製架構圖）。

關於本地AI，作者擁有RTX 4090筆記本和M4 Mac Mini。經過三年實驗，他認為本地硬件運行編碼LLM得不償失：最新開源編碼模型雖與專有模型競爭，但要以可接受質量運行需投資更昂貴的硬件，而每月50美元即可完成相同工作。不過，他保留了一些量化LLM用於好奇和備份，視其為概率性的知識庫。

非編碼的小語言模型（SLM）則完全不同。作者指出，當專用SLM能在中端CPU上解決許多問題時，本地編碼LLM卻備受關注。他使用Krita與AI擴散插件進行照片編輯，用Unsloth Studio微調小模型，用Pinokio嘗試TTS、背景去除、圖像放大和小動畫等。作者計劃未來專門介紹SLM。

總之，這是作者當前有效的AI編碼方案，但他強調並非人人適用。