您已达到ChatGPT使用限制——以及它实际上揭示的LLM使用情况

发布: (2026年5月1日 GMT+8 08:21)
8 分钟阅读
原文: Dev.to

Source: Dev.to

(请提供您希望翻译的具体文本内容,我才能为您进行简体中文翻译。)

背景

我自2023年以来一直在研发一款自主除雪机器人。这类项目往往听起来很简单,直到真正动手实现时才发现:

  • 电机控制
  • 牵引力
  • 转向动力学
  • 现实约束

一旦 AI 工具加入我的工作流程,事情变得更加有趣。突然之间:

  • 调试更快
  • 思路更快迸发
  • 我可以不停迭代,而不必卡在问题上数小时

我真的感觉自己离一直在追寻的目标越来越近。

转折点

然后,我当时做了一个看似微小的决定:我从一家制造商那里买了一套廉价马达。糟糕的决定。软件有漏洞,行为不一致,我的探测车无法完成真正的 zero‑radius turn。于是,我做了我们大多数人现在会做的事:我大量依赖 ChatGPT。

使用螺旋

最初,我使用的是免费计划。那并没有持续太久。我早上开始调试,到了中午前就看到:

“您已达到使用限制。”

仅此就应该是一个信号。但我还是升级了。

升级(以及上瘾阶段)

当 “免费试用 1 个月” 计划推出时,我立刻加入,老实说,这改变了一切。我不再仅仅把它用于调试:

  • 我开始自动化我的工作流程的部分
  • 我在工作中使用它
  • 我甚至把它用于我以前回避的事情——比如 CAD 设计

它不再像一个工具,而是像一个倍增器。

那个令人难忘的时刻

然后有一天我再次触碰到了使用上限,但这次的提示信息不同:

“Your usage limit will reset in 7125 minutes.”

7125 分钟 → 小时 → 天 ≈ 5 天。就在那一刻,我恍然大悟:我已经习惯了随时可以使用这项功能,短短几天的中断让人感觉不真实,就像在别的地方生活了一段时间后重新回到地球一样。

我开始注意到的

在那一刻之后,我开始更仔细地观察自己实际是如何使用 ChatGPT——仅仅是观察自己的行为。很快就出现了几个明显的模式。

我在以不同方式提出相同的问题

在调试电机问题时,我并不是每次都提出全新的问题。更像是对同一个提示的轻微变体、重新表述的解释,或者在答案感觉不太对时重新尝试。例如:

  • “为什么我的探测车无法完成零半径转弯?”
  • “在低速时,导致滑移转向不稳定的可能原因是什么?”
  • “电机扭矩限制会影响转弯半径吗?”
  • “为什么我的机器人在原地旋转时表现困难?”

表述不同,但根本问题相同,而每次都被当作全新的请求处理。

调试会产生循环

调试的本质会让这种情况更糟。你不会只问一次就结束——而是不断迭代:

  1. 测试某些东西
  2. 观察行为
  3. 带着稍多的上下文回来
  4. 再次提问

对于单个问题,这样的循环可能会发生 10–20 次,每一次迭代都感觉是必要且全新的,尽管它们往往与之前的内容高度重叠。

我没有意识到自己重复了多少

在任何时候,我都没有感觉自己在“浪费”使用量。感觉自己在取得进展,细化理解,越来越接近答案。实际上,我经常在重复相同的概念,触发相似的回复,并为几乎重复的工作付出了使用量。

实现

那时之前的消息开始更有意义了:“您已达到ChatGPT使用限制”。这不仅仅是使用了太多 AI,而是关于我使用它的方式

令人不安的问题

如果我作为一个人在一个项目中使用它的方式是这样的…… 那么对于以下情况会是怎样的呢:

  • 一个小型开发团队
  • 多个工程师并行调试
  • 一个拥有用户触发相似工作流的产品

一个简单的思维实验

想象一下一个由五名工程师组成的团队(我办公室的一个实际案例)。每个人:

  • 使用 AI 进行调试
  • 对相似的提示进行迭代
  • 重试并重新表述

即使他们的提示有 30–40 % 在概念上重叠,也没有机制来:

  • 识别这种重叠
  • 复用先前的结果
  • 对其进行衡量

每个请求都被视为全新的工作。

Why This Matters (Even If You’re Not Thinking About Cost)

当时,我并没有在想“我在浪费代币”;我在想“我需要修理这辆探测车”。大多数使用此时并不觉得浪费——它感觉是有成效的。

视角的转变

  • 大量的 AI 使用是迭代的
  • 其中很多迭代是重复的
  • 当你身处其中时,这种重复是看不见的

这篇文章真正想说的

这并不是关于 ChatGPT 的限制、免费与付费计划,甚至仅仅是费用问题。它涉及更微妙的内容:我们多么容易在不自觉的情况下陷入反复使用 AI 的模式

接下来会怎样

在我的案例中,挫败感始于故障频发的电机、无止境的调试,以及在最糟糕的时刻触及配额上限。这引出了一个更有趣的问题:

AI 的使用到底有多少是真正创新的……又有多少只是伪装的重复?

这正是我接下来要深入探讨的内容。

Next post: 为什么大多数 LLM API 的使用在悄然低效

0 浏览
Back to Blog

相关文章

阅读更多 »

模型越智能,节省越多。

神话:更智能的模型会让插件变得多余。自从 WOZCODE 推出以来,许多 Claude Code 高级用户低声说插件的优势将会消失。