[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-85133":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":14,"openIssues":15,"contributorsCount":16,"subscribersCount":16,"size":16,"stars1d":16,"stars7d":16,"stars30d":16,"stars90d":16,"forks30d":16,"starsTrendScore":16,"compositeScore":17,"rankGlobal":10,"rankLanguage":10,"license":18,"archived":19,"fork":19,"defaultBranch":20,"hasWiki":21,"hasPages":19,"topics":22,"createdAt":10,"pushedAt":10,"updatedAt":23,"readmeContent":24,"aiSummary":10,"trendingCount":16,"starSnapshotCount":16,"syncStatus":25,"lastSyncTime":26,"discoverSource":27},85133,"glm-coding-helper","OLmatter\u002Fglm-coding-helper","OLmatter","智谱 GLM Coding Plan 抢购助手，一键抢购油猴脚本 ，本地 CPU\u002FGPU OCR 自动识别   中文点选验证码，支持多窗口并发、限流重试和支付页保护","",null,"JavaScript",71,18,1,3,0,39.84,"GNU General Public License v3.0",false,"main",true,[],"2026-06-15 10:04:41","# 智谱 GLM Coding Plan 抢购助手 + 本地 OCR 自动验证码\n\n这是一个面向智谱 GLM Coding Plan 的抢购辅助项目，包含 Tampermonkey 油猴脚本和本地 CPU\u002FGPU OCR 后端，用于限时抢购流程辅助、一键启动后端、中文点选验证码自动识别、验证码自动点击、套餐按钮提前可点、限流重试和多窗口监控。目前仅适配 Google Chrome 和 Microsoft Edge，推荐使用 Chrome。\n\n关键词：GLM Coding Rush、GLM Coding Plan 抢购助手、GLM Coding Plan 抢购脚本、GLM Coding Plan 一键抢购、GLM Coding 一键启动、智谱 GLM Coding 抢购、智谱编程套餐抢购、GLM Coding 油猴脚本、Tampermonkey userscript、Auto-Purchase Userscript、自动解锁售罄、限流重试、多窗口并发、本地 OCR、CPU OCR、GPU OCR、中文点选验证码、验证码自动点击、订阅助手。\n\nEnglish keywords: GLM Coding Rush, GLM Coding Plan auto purchase, GLM Coding Plan rush helper, GLM Coding one-click startup, GLM Coding userscript, Tampermonkey script, local OCR captcha solver, CPU OCR backend, GPU OCR backend, Chinese captcha auto click.\n\n## 演示\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fe1a56d07-5c4d-4aa1-a567-909dd25bd037\n\n## 能做什么\n\n- GLM Coding Plan 抢购流程辅助，减少手动刷新和返回操作\n- 提前解除页面按钮不可点击状态，让订阅按钮可以操作\n- 自动切换套餐和订阅周期，按配置顺序尝试\n- 遇到中文点选验证码时，调用本地 OCR 后端自动识别并点击目标文字\n- 支持 CPU\u002FGPU 本地识别，不上传验证码图片到第三方服务\n- 支持一键多开窗口，方便补货前预热和同时监控\n- 默认不自动点击验证码“确定”按钮，需要在配置面板里手动开启\n- 默认不自动关闭无效支付链接\u002F限流弹窗，需要在配置面板里手动开启\n- 默认使用作者内置折扣入口进入 GLM Coding Plan\n\n注意：目前仅适配 Chrome 和 Edge。我测试了 1080p-1920p、桌面 100%-150% 放大倍率、浏览器 50%-125% 缩放。如果遇到显示或点击问题，建议先调整为 1920p、桌面 100%-125% 放大、浏览器 100%。\n\n后端配置、GPU\u002FCPU 自动选择、worker 数、OCR 配置等说明见：\n\n```text\ndocs\u002Fbackend_config.md\n```\n\n修复历史见：\n\n```text\nCHANGELOG.md\n```\n\n## 快速开始\n\n现在普通用户不需要手动装 Python、不需要自己跑 PowerShell 安装命令。最简单的方式是：\n\n1. 下载 Release 压缩包\n2. 解压\n3. 安装油猴脚本\n4. 双击启动后端\n5. 打开 GLM Coding Plan 页面\n\n### 1. 下载压缩包\n\n到 Releases 页面下载：\n\nhttps:\u002F\u002Fgithub.com\u002FOLmatter\u002Fglm-coding-helper\u002Freleases\n\n推荐二选一：\n\n| 文件 | 适合谁 | 说明 |\n| --- | --- | --- |\n| `glm-coding-helper-portable-cpu-*.zip` | 想解压即用的人 | 自带 CPU 后端环境，体积较大，解压后直接双击启动 |\n| `glm-coding-helper-online-installer-*.zip` | 网络正常、想下载小包的人 | 小包，首次启动会自动下载并安装 CPU\u002FGPU 环境 |\n\n不知道选哪个，就下载 `portable-cpu`。\n\n### 2. 解压\n\n把 zip 解压到一个普通目录，例如：\n\n```text\nD:\\Tools\\glm-coding-helper\n```\n\n路径里有中文通常也可以。如果遇到环境安装失败，优先换到纯英文路径再试。\n\n### 3. 安装油猴脚本\n\n1. 在 Chrome 或 Edge 安装 Tampermonkey：https:\u002F\u002Fwww.tampermonkey.net\u002F\n2. 安装脚本，二选一：\n\n方式 A：访问 Greasy Fork 页面安装：\n\n```text\nhttps:\u002F\u002Fgreasyfork.org\u002Fzh-CN\u002Fscripts\u002F579760-glm-coding-helper\n```\n\n方式 B：打开解压目录里的本地脚本：\n\n```text\nglm-coding-helper.user.js\n```\n\n3. 如果使用方式 B，就复制全部内容，新建 Tampermonkey 脚本，粘贴并保存。\n4. 确认脚本已启用。\n\nChrome 用户如果脚本不运行，请打开扩展详情，开启：\n\n- 开发者模式\n- 允许用户脚本\n- 允许在无痕模式中启用（如果你用无痕窗口）\n\nGreasy Fork 和仓库根目录的 `glm-coding-helper.user.js` 都是给普通用户安装的入口；`scripts\u002Fuserscripts\u002F` 只是保留给开发和旧路径兼容。\n\n### 4. 启动后端\n\n如果下载的是自带环境包：\n\n```text\nstart-backend.cmd\n```\n\n如果下载的是在线安装包：\n\n```text\none-click-start.cmd\n```\n\n后端启动后默认监听：\n\n```text\nhttp:\u002F\u002F127.0.0.1:8888\n```\n\n然后打开 GLM Coding Plan 页面。脚本会自动使用内置优惠入口进入，不需要手动复制邀请码：\n\n```text\nhttps:\u002F\u002Fwww.bigmodel.cn\u002Fglm-coding\n```\n\n## 抢购步骤\n\n> ⚠️ **重要：RPM 风控警告（2026-06）**\n>\n> 智谱近期升级了 RPM（每分钟请求数）风控。市面上**高并发（多窗口批量请求）+ 屯码（预刷腾讯验证码 ticket 缓存复用）** 的同类抢购脚本\u002F扩展近期已**集体失效**，社区报告整轮秒杀全部返回系统繁忙（555）或被风控。\n>\n> 本项目走的是 **单窗口单发 + 实时 OCR 识别** 路线，每发请求都带新鲜验证码，不依赖 ticket 复用，对 ticket 系统变化免疫，每秒请求数也比矩阵开火型脚本低一个数量级。\n>\n> **建议**：默认开 **2 个窗口**，先把流程跑稳。多窗口不等于高成功率，反而可能让账号被 RPM 风控盯上，整轮全废。\n\n1. 先安装好油猴插件，配置好油猴脚本。使用 Chrome 时要在扩展页面开启开发者模式，然后找到 Tampermonkey 详情，把“允许用户脚本”“在无痕模式下启用”“允许访问文件网址”按需打开。\n2. 下载并解压 Release 包，双击 `start-backend.cmd` 或 `one-click-start.cmd` 启动本地后端。\n3. 打开 GLM Coding 页面测试脚本是否正常，脚本会自动补上内置优惠入口。\n4. 每天 9 点 30 分前进入抢购页面准备，晚了可能就打不开了。提前准备好手机支付宝付款。\n5. 多开几个窗口，等快到 10 点的时候点击好验证码但不要确定，等 10 点一到再按确定。**默认推荐 2 个窗口**（脚本弹窗默认值已从 3 改为 2，上限仍为 10，按需选择）。窗口开得越多，请求数量按窗口数放大，撞 RPM 上限的概率越高，近期已有大量高并发脚本因此全轮失败。\n6. 如果这波没抢到，就盯着一个窗口用 OCR 识别点击。默认不会自动关闭支付页面。注意：如果看到没有金额的支付页面，那就是没抢到，要关掉继续抢。这时可以使用快捷键快速操作。\n\n### 快捷键\n\n- `Esc`：关闭系统繁忙弹窗或支付弹窗\n- `Enter` \u002F `Space`：点击验证码确认按钮\n\n### 重要提醒\n\n- 默认会自动识别验证码并点击目标文字。\n- 默认不会自动点击验证码“确定”按钮，需要在配置面板里手动开启。\n- 默认不会自动关闭无效支付链接或限流弹窗，需要在配置面板里手动开启。\n- 遇到真正有金额的支付二维码，请自行确认后再扫码支付。\n- 多窗口并发不是越多越好。**2026-06 起智谱升级了 RPM 风控**，市面上高并发（多窗口批量请求）+ 屯码（预刷腾讯验证码 ticket 缓存复用）的同类脚本近期已**大面积失效**。窗口开得越多、请求越密集，越容易撞 RPM 上限，整轮秒杀全部返回 555\u002F429。本项目走单窗口单发 + 实时 OCR 路线，相对安全。脚本默认 2 个窗口、上限 10 个，由用户按需选择；窗口开得越多，自身账号被风控的概率越高，请知悉。\n- 抢购是否成功受库存、限流、账号状态、支付速度等因素影响，脚本不能保证一定抢到。\n\n油猴菜单里可以打开配置面板、一键多开窗口、清除今日套餐状态缓存。\n\n交流群https:\u002F\u002Ft.me\u002F+s1flX6cpUZ1kM2M1\n\n## 配置面板\n\n在 Tampermonkey 菜单中选择：\n\n```text\n打开配置面板\n```\n\n可以配置：\n\n- 套餐优先级\n- 订阅周期优先级\n- 是否自动点击订阅\n- 是否自动点击验证码文字\n- 是否自动点击验证码确定\n- 是否自动关闭无效支付\u002F限流弹窗\n- 是否启用智能刷新\n\n默认配置比较保守：脚本会帮你识别并点选验证码文字，但不会替你按验证码“确定”。\n\n## 验证码识别说明\n\n当前验证码流程是：\n\n1. 油猴脚本直接从腾讯验证码组件中抓取原图。\n2. 原图发送到本地后端 `\u002Fcaptcha_direct`。\n3. 后端使用本地 YOLO + PaddleOCR 识别。\n4. 脚本按识别坐标点击文字。\n\n验证码图片不会上传到第三方识别服务。\n\n## 常用文件\n\n| 文件 | 用途 |\n| --- | --- |\n| `glm-coding-helper.user.js` | 给 Tampermonkey 安装的主脚本 |\n| `start-backend.cmd` | 启动已有本地后端环境 |\n| `one-click-start.cmd` | 自动安装环境并启动 |\n| `install-env.cmd` | 手动安装 CPU 后端环境 |\n| `scripts\u002F` | 后端和打包脚本 |\n| `models\u002F` | 本地识别模型 |\n\n## 常用启动方式\n\n普通用户优先双击 `.cmd` 文件。如果你需要手动调试，可以用下面的命令。\n\n自动选择 CPU\u002FGPU：\n\n```powershell\npowershell -ExecutionPolicy Bypass -File scripts\\start_backend.ps1 -Mode auto\n```\n\n强制 CPU：\n\n```powershell\npowershell -ExecutionPolicy Bypass -File scripts\\start_backend.ps1 -Mode cpu\n```\n\n指定 CPU worker：\n\n```powershell\npowershell -ExecutionPolicy Bypass -File scripts\\start_backend.ps1 -Mode cpu -CpuWorkers 3\n```\n\n强制 GPU：\n\n```powershell\npowershell -ExecutionPolicy Bypass -File scripts\\start_backend.ps1 -Mode gpu\n```\n\nGPU 模式需要确认 `.venv_paddle_gpu` 里安装的是 GPU 版 PyTorch。`paddlepaddle-gpu` 只负责 OCR，YOLO\u002FUltralytics 依赖 `torch`；如果 `torch` 是 CPU 版，后端仍会跑起来，但 YOLO 会走 CPU。\n\n检查方式：\n\n```powershell\n.\\.venv_paddle_gpu\\Scripts\\python.exe -c \"import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'no cuda')\"\n```\n\n如果输出 `False` 或 `no cuda`，请在 `.venv_paddle_gpu` 中按 PyTorch 官网选择 CUDA 版本重新安装 GPU 版 `torch` 后再启动 GPU 模式。\n\n## 模型文件\n\n默认检测权重路径：\n\n```text\nmodels\u002Fweights\u002Fyolo-captcha-detector.pt\n```\n\n也可以用环境变量覆盖：\n\n```powershell\n$env:CNCAPTCHA_DETECTOR_PATH=\"D:\\path\\to\\best.pt\"\n```\n\n验证码识别模型从传统 CV、YOLO、GLM-OCR\u002FVLM 标注、手搓排序模型到 PP-OCRv5 的开发历程见：\n\n```text\ndocs\u002Fcaptcha_model_journey.md\n```\n\n## 常见问题\n\n### 识别结果或点击位置像是错位、滞后一张图？\n\n先刷新一下浏览器页面，再重新打开验证码测试。验证码弹窗刷新、页面状态缓存、多窗口切换或浏览器缩放状态异常时，前端显示和后端识别可能短暂不同步。\n\n### 后端窗口红字报错怎么办？\n\n优先确认你下载的是最新版 Release 包。如果是在线安装包，第一次启动需要联网下载环境；如果网络不稳定，建议换 `portable-cpu` 自带环境包。\n\n### 优惠活动从哪里进入？\n\n推荐打开 GLM Coding 页面后由脚本自动补上内置优惠入口：\n\n👉 https:\u002F\u002Fwww.bigmodel.cn\u002Fglm-coding\n\n## 致谢\n\n本项目的油猴前端脚本是在 Greasy Fork 用户 `mumumi` 的《GLM Coding Plan抢购助手》基础上二次开发而来：\n\nhttps:\u002F\u002Fgreasyfork.org\u002Fzh-CN\u002Fscripts\u002F572157-glm-coding-plan%E6%8A%A2%E8%B4%AD%E5%8A%A9%E6%89%8B\n\n感谢原作者长期维护和分享。原脚本采用 GNU GPLv3 许可证；本仓库继续保留相同许可证声明，并在其基础上增加本地 CPU\u002FGPU OCR 后端、自动验证码识别和开源部署脚本。\n\n## 许可证\n\n本项目基于 GNU GPLv3 发布。油猴脚本基于 Greasy Fork 用户 `mumumi` 的 GPLv3 脚本二次开发，继续保留相同许可证。\n\n## 说明\n\n本项目用于本地 OCR、自动化辅助和技术研究。请遵守目标网站服务条款和当地法律法规，自行承担使用风险。\n\n## 附录：OCR 方案对比\n\n下面是本项目在本地数据上的阶段性对比结果。判定口径为：点选验证码中 3 个提示字都点到正确位置，才算 1 张图片识别成功。\n\n### 小样本隐藏集\n\n隐藏集包含 33 张未参与训练的真实验证码图。\n\n| 阶段 | 方案 | 准确率 | 速度 | 说明 |\n| --- | --- | ---: | ---: | --- |\n| 1 | 裸 `ddddocr default\u002Fold` | `4\u002F33 = 12.1%` | `7.3ms\u002F裁剪字符` | 速度很快，但直接用于本验证码不够 |\n| 2 | 裸 `ddddocr beta` | `6\u002F33 = 18.2%` | `7.9ms\u002F裁剪字符` | 比 default 略好，但仍不能直接用 |\n| 3 | `glm-coding-grabber` 原样管道 | `24\u002F33 = 72.7%` | `156ms\u002F张` | 原项目默认只扫 macOS 字体，Windows 下会退化 |\n| 4 | `glm-coding-grabber` 完整管道 + Windows 字体 | `33\u002F33 = 100%` | `250ms\u002F张` | 轻量、快速，补齐字体后效果明显提升 |\n| 5 | 本项目 PP-OCRv5 mobile 裸识别 | `26\u002F33 = 78.8%` | `624ms\u002F裁剪字符` | 单独识别仍不够稳定 |\n| 6 | 本项目 PP-OCRv5 mobile + 提示字约束 | `32\u002F33 = 97.0%` | 同上 | 接近可用 |\n| 7 | 本项目 PP-OCRv5 server 裸识别 | `28\u002F33 = 84.8%` | `706ms\u002F裁剪字符` | 比 mobile 更准，但更重 |\n| 8 | 本项目 PP-OCRv5 server + 提示字约束 | `33\u002F33 = 100%` | 同上 | 隐藏集满分 |\n| 9 | 本项目 CPU hybrid logits constrained | `33\u002F33 = 100%` | warm `761ms\u002F张` | 当前默认稳定方案 |\n\n### 压力测试集\n\n压力测试使用本地 `glm_ocr_labels_all.json` 中 `has_error=false` 的 379 张可用标注图，统一按 35px 点击半径判定。\n\n| 方案 | 准确率 | 平均速度 | 特点 |\n| --- | ---: | ---: | --- |\n| `glm-coding-grabber` 完整管道 + Windows 字体 | `363\u002F379 = 95.8%` | `257ms\u002F张` | 更轻、更快，但大样本下仍有失败 |\n| 本项目当前 CPU 管道 | `379\u002F379 = 100%` | `851ms\u002F张` | 更慢、更大，但稳定性更好 |\n\n更严格点击半径下的压力测试结果：\n\n| 点击半径 | `glm-coding-grabber` 完整管道 | 本项目当前 CPU 管道 |\n| ---: | ---: | ---: |\n| 10px | `339\u002F379 = 89.4%` | `379\u002F379 = 100%` |\n| 15px | `359\u002F379 = 94.7%` | `379\u002F379 = 100%` |\n| 20px | `362\u002F379 = 95.5%` | `379\u002F379 = 100%` |\n| 25px | `363\u002F379 = 95.8%` | `379\u002F379 = 100%` |\n| 35px | `363\u002F379 = 95.8%` | `379\u002F379 = 100%` |\n\n结论：轻量 `ddddocr` 管道的优势是体积小、速度快，适合作为快速模式或备用模式；本项目当前 PP-OCRv5 + YOLO + 提示字约束方案的缺点是慢、环境大，但在本地隐藏集和压力测试中稳定性更好。\n",2,"2026-06-15 02:30:07","CREATED_QUERY"]