1. Demo 简介
一句话介绍： PPK (Price Per Token) 是一个聚合 主流大模型厂商定价数据的静态网站 + 后端定时抓取系统，帮开发者一站式对比 Token 单价、订阅制与 Coding Plan。
产品形态： 网站（静态前端 + Python 抓取后端）
线上体验：
-
主站（自有服务器）：https://ppk.hangops.top/ （时间有点仓促,后续会添加相关域名…）
-
GitHub Pages 备用：PPK · Price Per Token · 主流大模型厂商价格聚合
面向用户：
-
AI 应用开发者（独立开发者、创业团队）
-
Agent / Workflow 框架使用者（Coze、Dify、AutoGen 等用户）
-
企业技术选型负责人
-
AI Coding 重度用户（Claude Code / Cursor / GLM Coding 等）
核心功能（3 个）：
- 三源交叉验证的比价表 — 集合主流家厂商、475+ 产品，覆盖 per_token / subscription / coding_plan 三种计费方式。自动抓取，LiteLLM JSON + OpenRouter API + 官网 Scraper 三源仲裁，价格波动 >20% 警告、>50% 阻断落盘，保证数据可信。
-
三种计费方式独立页 + 厂商卡片视图 — 按需计费页 8 列表格（含缓存命中价、上下文窗口）；Coding Plan / 订阅制页默认卡片视图，一张卡一个厂商含所有套餐，点击套餐展开功能列表；支持表格/卡片切换、CNY/USD 换算、厂商筛选、关键词搜索。
-
失败可见性 + 数据新鲜度 — 每家厂商独立状态标记（正常 / 失败 / 过期），抓取失败时前端展示「数据来自 X 小时前，可能过期」并回退到上次成功数据；同时通过飞书 webhook 告警，确保问题第一时间可见。
2. Demo 创作思路
灵感来源：
自己在跑长任务 Agent 框架时，经常需要在 OpenAI / Anthropic / DeepSeek / 智谱 / 火山等几家之间切换，每次都要重新打开十几个官网定价页核对——有的厂商还经常售罄（如智谱、火山的 Coding Plan）。市面上的价格对比工具要么只覆盖海外厂商，要么数据更新频率低，缺少一个真正面向国内开发者、覆盖订阅制和 Coding Plan 的实时聚合站。
想解决的问题：
目前国内没有一个很好的网站做类似的内容，厂商定价页格式各异、单位不一（per-1M / per-token / 月费 / credits），对比一次要开十几个标签页.
为什么做这个方向：
-
真实刚需：自己每天都在用，是 dogfooding 场景，痛点具体可量化
-
技术挑战适中：涉及爬虫、数据仲裁、前端展示、定时任务、CI/CD 全链路，能完整展示 TRAE 的工程落地能力
-
可持续迭代：数据源、厂商、功能都有明确扩展路径（历史趋势、实时汇率、库存预警），不会做完就扔
3. Demo 体验地址
主站： https://ppk.hangops.top/ (后续会添加和网站适配的域名)
GitHub Pages 备用： PPK · Price Per Token · 主流大模型厂商价格聚合
项目仓库： https://github.com/hangliuc/llm-price-compare
4. TRAE 实践过程
1、用 TRAE 的 brainstorming skill 梳理需求边界，用 writing-plans skill 生成 24 个 task 的实现计划。2288541159394064:82b6b226bfe762e80ec288fafe211381_6a535a403cbbd94a61218f10.6a535a403cbbd94a61218f13.6a535a403cbbd94a61218f11:TRAE Work CN.0.1.34.no_sid.no_ppe.T(2026/7/12 17:11:28)
2、把 24 个 task 派发给独立 subagent 执行，TDD 流程：先写测试 → 实现 → 验证。41 个测试全部通过，6 个 adapter fixture 验证了解析逻辑。
2288541159394064:69b1b1440489247699972c7d90525214_6a535a403cbbd94a61218f10.6a5365383cbbd94a61219021.6a5365383cbbd94a6121901f:TRAE Work CN.0.1.34.no_sid.no_ppe.T(2026/7/12 17:58:16)
3、数据源抓取实现
2288541159394064:98ffac3bf81a660df19d07f8b846d7c4_6a535a403cbbd94a61218f10.6a54c8fef2c933bbfdbcbd5a.6a54c8fef2c933bbfdbcbd58:TRAE Work CN.0.1.34.no_sid.no_ppe.T(2026/7/13 19:16:14)
4、前端多轮打磨
2288541159394064:fec2735740a9b53f6f4f78805eeb2003_6a535a403cbbd94a61218f10.6a562f148d88c104ad5389b8.6a562f148d88c104ad5389b6:TRAE Work CN.0.1.34.no_sid.no_ppe.T(2026/7/14 20:44:04)
2288541159394064:3c7b02384264a3ec37173e0c4b156296_6a535a403cbbd94a61218f10.6a5639008d88c104ad538c04.6a5639008d88c104ad538c02:TRAE Work CN.0.1.34.no_sid.no_ppe.T(2026/7/14 21:26:24)
5. 经验总结与开发心得
TRAE 用得最爽的几点：
-
Subagent 并发执行：24 个 task 派发独立 subagent，TDD 流程，主上下文不被海量中间结果污染
-
agent-browser 可视化验证：UI 改造后直接截图 + eval 检查 DOM，不用手动开浏览器反复刷新
-
skill 体系：brainstorming 梳理需求、writing-plans 生成计划、agent-browser 验证 UI，每个环节有专用工具
-
多轮对话迭代：UI 打磨是反复调整的过程，TRAE 能记住上下文，不用每次重新解释项目结构
6. 通过审核的报名帖链接
项目开发仅仅使用了2天时间，在后续的时间会继续打磨，初赛评审老师有什么宝贵建议可以随时评论
