系列:按自己的方式玩 Vibe Coding
相关阅读:第 1 篇 —— "Lovable Alternative: Free Vibe Coding with VSCode, Cline, Ollama & Supabase" 以及 《Lovable vs. $0 替代方案》(那份诚实的记分卡)
音乐停下的那一天
在对比评测那篇文章里,我写过免费方案的交易条件是"出色,但没有保证"。这一篇,就是没有保证的部分来兑现的时刻——一份真实一天的日记:在一台 16 GB 内存的 MacBook Air 上,用 $0 的模型预算,构建一个真实的应用。
这个应用刻意选得很朴素:一个单用户的项目管理工具。项目、任务、里程碑、时间线视图,不带登录。放在 Lovable 上,这是五分钟、大约 20 个 credits 的活儿。而在我的免费方案上——King Island,第 1 篇里那个自托管的 Lovable 替代品——它变成了一场把免费层所有天花板都逛了一遍的导览。
先快速过一遍这套配置,这样后面的故障报告才说得通。
硬件。 一台 16 GB 统一内存的 MacBook Air——日常使用很称职,但(正如本文将要展示的)要托管自己的 AI 大脑,恰好差了一个重量级。
平台。 King Island,我自己搭建的编排器:一个本地主页,一条 prompt 就能从黄金模板搭出完整项目。每个新项目自带:
- 前端: Vite + React + TypeScript + Tailwind + shadcn/ui
- 后端: 每个项目一套专属的本地 Supabase/Postgres 栈(通过 Docker)
- 历史: git,从第一个 commit 开始初始化——每个 AI 任务一个 commit
- 记忆: 一个 MEMORY.md 文件,智能体在每个任务前读取、任务后更新
智能体。 真正干活的是 Cline CLI——无界面的智能体执行框架,在我的机器上掌管文件编辑和终端命令。King Island 递给它一条 prompt,它来完成工作。
大脑。 模型通过 Cline 的免费供应商池配置,每个项目工作区都有一个下拉菜单,可按任务切换:
- Poolside Laguna S 2.1 ——默认选项,我可靠的日常主力
- NVIDIA Nemotron 3 Ultra ——对付硬骨头的免费重量级选手
- Google Gemma 4、Cohere North Mini Code、托管版 Laguna XS ——配角阵容
- 全部都在免费层上——这个细节正是本故事的反派
- (Ollama 加本地 Qwen 2.5 Coder 7B 在机器上坐冷板凳——正是这个模型证明了 16 GB 跑不动智能体级别的大脑)
书面记录。 每个 AI 任务都被自动记录——模型、耗时、结果。所以这份日记才有时间戳。
以下就是那些日志记下的、分毫不差的经过:
上午——重量级选手认输。 我把完整的构建 prompt 交给了 NVIDIA 的 Nemotron 3 Ultra,下拉菜单里最强的免费模型。它雄心勃勃地规划,写出了可观的多组件代码——然后在构建中途死掉了,报错 ResourceExhausted: Worker local total request limit reached (33/32)。翻译一下:智能体每走一个工具步骤就烧掉一次请求,完整构建一个应用要 30–50+ 步,而免费层的请求预算在应用完成之前就见底了。屏幕上还是模板占位页;工作提交了一半。
中午——可靠的那位开始不对劲。 我把烂摊子交给日常主力,Poolside 的 Laguna S。它读了 37 个文件,跑了 8 条命令,然后写入——零。零次写入调用。它反而把完整的文件内容以 markdown 形式打印进了聊天窗口——这种故障模式我后来命名为"散文模式坍缩":代码以对话的形式存在,而不是以文件的形式。那天它这么干了两次。第三次尝试在 29.5 分钟的规划独白之后死于 socket 关闭。三次失败,一个共同症状:无止境地思考,不动笔写。
下午——探针测试,以及真正起效的对策。 一个刻意设计得极小的测试任务——两个文件、明确的文件清单——跑得无可挑剔:干净的编辑、主动发起的类型检查、有条理的总结。教训是:免费层的性能退化与任务大小相关。大而开放的构建会失控盘旋;小而明确的任务能稳稳落地。于是我把应用拆成四道明确的"菜"(类型 + API 层、数据库迁移、组件、仪表盘 + 接线),一道一道地上。第一到第三道菜都干净利落地建完了。这法子管用。
晚上——撞墙。 第四道菜——仪表盘,最后一道——返回了:Daily free model limit reached. Resets in 8h 31m. 这次不是某个模型的池子,而是我的账户在整个免费层上的每日额度。应用停在 75% 完成度,剩下的每个问题在纸面上都已解决,而我什么也做不了,只能等到夜里大约十一点一刻。
请把上一段再读一遍,因为它就是本文的论点:卡住我的不是工程,是记账。 让我损失了一整天的那些失败,不是我代码里的 bug,也不是配置上的缺口——而是我控制不了的计量表,安在我并不拥有的算力上。
"免费"的解剖:限额的三个物种
那一天把免费层经济中存在的全部三种速率限制都翻到了台面上。分清它们很重要,因为逃生路线因物种而异:
| # | 物种 | 听起来像什么 | 波及范围 | 出路 |
|---|---|---|---|---|
| 1 | 供应商池耗尽 | "ResourceExhausted: worker limit" | 单个模型的免费容量 | 换模型——下拉菜单就是故障转移 |
| 2 | 账户每日上限(聚合商) | "free-models-per-day limit" | 该密钥下的所有免费模型 | 等重置,或者付费 |
| 3 | 智能体供应商每日上限 | "Daily free model limit reached" | 你的智能体供应商的整个免费池 | 等(约 8.5 小时),或者付费 |
物种 1 可以活下来——换模型有用。物种 2 和 3 是墙:那一天,下拉菜单里没有任何模型能救我,因为上限压在所有模型之上。还有一个值得提前知道的残酷细节:失败的尝试同样烧配额。 那些散文坍缩马拉松和死掉的 socket,全都计入了每日额度——后来正是这个额度掐停了本来奏效的策略。
为什么我的 MacBook Air 不能干脆在本地跑
显而易见的反驳是:"在自己的机器上跑模型——没有计量表,没有上限,永远没有。"原则上没错,这也正是本系列接下来的方向。但这是一台 16 GB MacBook Air 在 2026 年的硬件现实,是实测,不是猜测:
我真正想要的那个具备智能体能力的开源权重模型——Poolside 的 Laguna XS 2.1,我托管版日常主力的 Apache 2.0 孪生兄弟,33B 参数(3B 激活)、256K 上下文、专为自主工具使用而造——要跑得好,大约需要 33–36 GB 内存。我的机器只有 16。那些能塞进 16 GB 的模型,我测过:一个 7B 编码模型把它的工具调用当成文字来复述,而不是去执行——这是小模型的经典失败,任何 prompt engineering 都治不了。低于某个规模,模型可以聊代码,但无法可靠地作为智能体行动。16 GB 里剩下的唯一有趣实验是 Devstral-2 22B(量化后约 13 GB,面向智能体调优)——但即便如此,操作系统、Docker、一套 Postgres、Vite 和一个浏览器还得为剩下的 3 GB 打架。诚实的总结:16 GB 只能跑车间或者工人,跑不了两个。
于是"完全免费"分裂成两个不同的命题。许可上免费——开源权重模型存在、确实出色、分文不取。对我的机器免费——不。这两个命题之间横着一道约 36 GB 统一内存的硬件门槛,而这道门槛才是独立自主的真实价签。
车道 1:买机器(资本支出路线)
2026 年 8 月,跨过这道门槛要花多少钱?比一年前更多——这整个故事里较为上乘的讽刺之一:AI 数据中心的狂潮把内存价格推得太狠,以至于 Apple 在 2026 年 6 月把 Mac 价格上调了约 15–20%,还停产了数款大内存配置。向你兜售托管 AI 的行业,让拥有一台自己的机器变得更贵了。菜单现状:
| 机器 | 内存 | 价格(2026 年 8 月) | 对本地智能体的裁决 |
|---|---|---|---|
| M5 MacBook Air 13" / 15" | 最高 32 GB | $1,499 / $1,699 | ⚠️ 诱人的陷阱——32 GB 恰好卡在约 36 GB 门槛之下;开发栈之外只塞得进边缘模型 |
| Mac mini M4 Pro | 48 GB | ≈ $2,000(基础款 $1,599 + 内存) | ✅ 最便宜的真正越线;仅台式机;64 GB 档已停产 |
| MacBook Pro M5 Pro | 48 GB | ≈ $2,600–3,100(促销约 $2,700) | ✅ 笔记本的甜点位 |
| Mac Studio M4 Max | 最高 64 GB | $2,499 起 | ✅ 余量档——能跑下表里更大的模型 |
再看能在上面跑什么——2026 年 8 月的开源权重候选名单,附实测内存胃口:
| 模型 | 规模 | 所需内存 | 为什么有意思 |
|---|---|---|---|
| Laguna XS 2.1 | 33B MoE(3B 激活) | ~33–36 GB | 钦定的大脑:Apache 2.0、256K 上下文、为智能体终端工作而生、Apple Silicon 上 30–50 tok/s;2026 年 7 月更新让 SWE-bench Multilingual 提升 5.4% |
| Qwen 3.6 35B-A3B | 35B MoE | ~38–40 GB | 顶级质量,推理快 |
| DeepSeek V4 Flash | 284B MoE(13B 激活) | ~35–40 GB(Q4,实验性) | 开源模型中 SWE-Bench Verified 榜首;稳定的本地支持仍在成熟 |
| Llama 4 Scout | 109B MoE(17B 激活) | ~58–60 GB | 1000 万 token 上下文——整个代码库装进上下文的工作流 |
| gpt-oss 120B | 120B | ~62 GB | "Cleanest tool-call JSON of any open model"——自主循环的生产级之选 |
| Devstral-2 22B | 22B | ~13 GB | 唯一的 16 GB 公民——边缘水准,但却是今天就能做的免费实验 |
48 GB 的机器能舒服地跑前三个;64 GB 的 Studio 再加上 Scout 和 gpt-oss。接下来是重新定义这笔购买的算术:我的 Lovable 套餐每月 $480。一台约 $2,000 的 Mac mini M4 Pro,四个多月的 Lovable 订阅费就能回本——而且与订阅不同,第五个月它还在,跑着一个许可永远无法被撤销的模型,没有计量表,没有每日重置,也没有哪家供应商的糟糕一天能影响你。一次性资本支出,对阵永远的运营支出。如果你的构建量够大,这条车道会以惊人的速度不再是奢侈的那条。
车道 2:Cline Pass($9.99 的中间车道)
如果新机器遥不可及,我所用的智能体框架的厂商出售一种折中方案:Cline Pass——首月 $4.99,之后 $9.99/月,打包 11 个精选开源权重模型、横跨六家供应商(GLM 5.2、Kimi K3、DeepSeek V4、MiniMax M3、MiMo、Qwen3.7-Max 及其同门),配额是标准免费限额的 2–5 倍,零 API 密钥杂耍,还能从其他编码智能体里使用。
拿我损失的那一天来衡量:2–5 倍的余量几乎肯定能把它兜住——四道菜加上失败的尝试,装得进一个翻倍的预算。每月一个汉堡的钱,每日上限的轮盘赌基本消失。但要精确地认识它的本质:一个更大的油箱,而不是一根敞开的管道。 配额更大,但不是无限;真正高强度的一周仍可能撞墙。模型属于能干的开源权重梯队,不是前沿模型。而且你的大脑仍然住在别人的机器上,隐私和可用性的一切隐含代价照旧。对于没有 AI 订阅、没有 36 GB 内存、构建习惯稳定但适中的人来说,这是正确的车道。
车道 3:带上你已经拥有的订阅(例如 Claude Max)
这整套架构安静的超能力在这里:执行框架对供应商是不可知的。Cline——以及它之上的 King Island——不在乎自己在跟谁家的大脑说话。这意味着,如果你出于其他原因已经在为一个前沿 AI 订阅付费——Claude Max 是我的情况,但这个模式可以推广——你可以把它插进来当引擎,彻底走出免费层经济:你本来就在付的固定月费、前沿质量的代码,而且三种限额物种一个都没有,因为你不再是免费池的租客。
这条车道有一个独特的经济形状:边际成本为零。 订阅反正已经存在;把你的 vibe coding 路由过去,不多花一分钱。质量上,它把免费方案在记分卡上最大的失分项(一次通过的正确率)变成了与 Lovable 的平手——同级别的模型,你自己的基础设施。缺点诚实而明显:它只在你已经拥有订阅时才存在,而每月 $100+ 不是一个只为此付费的合理价格。它是一个逃生舱口,不是入口匝道。
车道矩阵
把所有选项放到一张地图上——"大脑在哪里跑、谁来付钱"的完整菜单,每一档之间大致相差一个数量级:
| 车道 | 月成本 | 你得到什么 | 什么限制你 |
|---|---|---|---|
| 1. 免费托管池 | $0 | 能干的开源权重模型,真正的智能体构建 | 全部三种限额物种;性能退化;模型可能消失 |
| 2. 智能体厂商通行证(Cline Pass) | $9.99(首月 $4.99) | 11 个开源权重模型、2–5 倍配额、零密钥杂耍 | 依旧计量、依旧远程、没有前沿模型 |
| 3. 按量付费 API 密钥 | 每次构建约几美分 | 任何模型,含前沿;只为使用付费 | 成本随热情上涨;密钥要管理 |
| 4. AI 实验室订阅(例如 Claude Max) | $100+(常常本来就有) | 前沿大脑、固定费率、没有免费层上限 | 只有本来就拥有才划算 |
| 5. 本地硬件 | 约 $2,000+ 资本支出后 $0/月 | Laguna XS 级智能体,永远没有计量表,完全隐私 | 约 36 GB 的门槛;开源权重天花板;你就是 IT 部门 |
| — 参照:Lovable | $25–480 | 托管产品:前沿模型 + 零运维 + 一键发布 | 计量表;黑箱;平台本身 |
那一天之后我自己的路由策略:例行工作走免费池(它开着的时候确实出色),任何大活儿一律按"分道上菜"的标准做法拆分,已经拥有的订阅作为泄压阀——外加购物清单上的一台 48 GB 机器,预算依据就是四个月的 Lovable 订阅费。
谁真的应该跑一套免费的 Lovable 替代方案——以及什么时候
跑了一个月之后,对"这到底是给谁用的"这个问题,我可以给出精确多于热情的回答:
学生和学术界。 最强的适用场景。预算为零,时间充裕,学习收益巨大——这套配置是一座关于 AI 编码究竟如何运作的活实验室。用这种方式做一个学期项目,学到的 LLM、数据库和工具链知识,比在抛光平台上做同一个项目多得多——恰恰因为接缝都露在外面。
任何自学"LLM 到底怎么写代码"的人。 Lovable 这类平台生来就是为了藏起机器;这套配置本身就是机器。你能看到智能体循环的原始形态:prompt → 模型决定一次工具调用 → 执行框架在你的磁盘上执行它 → 结果喂给下一步思考。你了解每个部件,因为是你亲手把它们装起来的:编排器(搭建项目的主页——Lovable 的 UI、我的 King Island)、执行框架(掌管文件编辑和终端的智能体——Cline)、大脑(LLM,可更换)、脚手架(Vite + React + Supabase——两个世界完全相同)以及预览(热重载)。本文里的每一种故障模式——工具调用复述、散文坍缩、预算死亡——都是一堂关于 LLM 行为的课,而托管平台会把它们悄无声息地吸收掉。如果你的目标是理解,那么摩擦就是课程表。
处在原型和预开发阶段的构建者。 探索五个想法,找出值得做的那一个;验证一个数据模型;做出能让利益相关方给出反应的粗糙版本。探索意味着大量 prompt 和大量死胡同——恰恰是计量表最疼的地方,也是更慢的免费构建代价最小的地方,因为 prompt 之间你反正在思考。
小任务和小项目,总体而言。 我那失去的一天里探针测试的结果就是设计准则:带明确文件清单的限定范围任务,即使在免费模型上也能可靠成功。一个联系表单、一个 CRUD 视图、一次重构——免费车道处理这些绰绰有余。让免费层折弯的,是那种开放式的 40 步构建。
那么,什么时候该让更大的工具接手? 在那些毕业时刻:附带客户的截止日期;需要碰项目的协作者;一键发布成为硬性要求而不是"总有一天";值得为一次通过的正确率掏钱的打磨。那是 Lovable、Cursor 或 Windsurf 挣得订阅费的时候——而因为免费方案构建在完全相同的技术栈上(React、TypeScript、Tailwind、Supabase、git),项目毕业是一次交接,不是重写。我的工作流一句话:想法生而免费,配得上发票的那些,自会拿到发票。
结论
免费的 Lovable 替代方案是真实的——第 1 篇证明你能把它搭起来,对比评测那篇让它在 $480/月的产品面前拿到体面的分数,而它在教会我它的极限的同一天,建成了一个真实应用的四分之三。但"免费"最终是一条车道,不是目的地:一条真正出色、却带着每日重置天花板的车道,通过清晰的匝道连着另外四条。那个冻结的夜晚真正教会我的是:问题从来不是"vibe coding 能不能免费?"而是"你愿意与哪个计量表共处?"——每日上限、$9.99 的配额、按 token 的点滴计费、你本来就在付的订阅,还是一台计量表根本不存在的机器的一次性价格。我已经做出了选择。写下这些字的时候,屏幕上的倒计时说,免费池将在今晚十一点一刻重新开放——而第四道菜,最后一道,正在队列里躺着,规格齐全,等着某处的某位会计打开闸门。
本文是「按自己的方式玩 Vibe Coding」系列的一部分。第 1 篇讲解如何搭建这套免费方案;《Lovable vs. $0 替代方案》是那份诚实的记分卡;下一篇预告:免费 LLM 基准测试,附上本文这些战地故事背后收集的完整性能数据。