Claude Code 操盘手 Cat Wu 转投 OpenAI:Anthropic 上市前夜,AI 编程的人才账怎么算

Claude Code实战指南:Auto Mode原理与多模型集成开发 AI编程助手通过智能代码补全和自动化决策,正在重塑软件开发工作流。其核心原理基于大语言模型的代码理解能力,能够分析编程上下文语义,提供精准的技术建议。在工程实践中,这类工具的价值在于显著降低开发者的认知负担,将重复性编码任务自动化。典型的应用场景包括智能代码补全、错误自动检测修复、代码审查优化等。以Claude Code为例,其独特的Auto Mode功能实现了编码决策的自动化,而模型路由机制支持灵活接入Claude、DeepSeek等多种AI模型,为开发者提供了可靠的AI编程辅助解决方案。 阅读详情

关键词:Cat Wu、Claude Code、OpenAI、Anthropic IPO、AI 编程、AI Agent、Codex、AI 人才战

Anthropic 上市前两周,它最赚钱的产品之一 Claude Code 的产品负责人走了,去的是最大的对手 OpenAI。

2026 年 11 月 3 日,Cat Wu(Catherine Wu)在 X 上发文,称 10 月 30 日是她在 Anthropic 的最后一天。两天后,她宣布加入 OpenAI,负责 Core Products(核心产品)的产品管理。从离职到官宣新东家,不到一周。

这不是一条普通的人事新闻。它同时碰到了三根敏感的线:Anthropic 的 IPO 估值叙事、Claude Code 团队的稳定性,以及 OpenAI 和 Anthropic 在 AI 编程赛道上的正面竞争。


一、她是谁:Claude Code 从原型到爆款的操盘手

据 AI Weekly 等媒体报道,Cat Wu 于 2024 年 8 月加入 Anthropic,最初在研究产品管理团队,工作是把模型研究和客户需求对接起来。之后她成为 Claude Code 和 Cowork 的产品负责人。

先解释一下 Claude Code:它是 Anthropic 推出的 AI 编程工具,运行在命令行里。开发者用自然语言描述需求,它会自己读代码库、修改文件、执行命令。说得直白点,它更像一个能自己动手的"初级工程师",而不只是一个代码补全插件。

Claude Code 由 Boris Cherny 创造,Cat Wu 负责产品侧,两人被外界视为这款产品的两张"门面"。在他们手上,Claude Code 从一个内部实验项目,成长为 Anthropic 对外最有辨识度的产品线之一。Business Insider 的评价是,它给了 Anthropic 一款急需的爆款,帮公司拉动营收、换取更多算力资金,也让它成了 OpenAI 更难缠的对手。

还有一段插曲值得一提。据 The Information 报道(经 Silicon Report 转述),2025 年夏天,Cat Wu 曾和 Boris Cherny 一起短暂跳到 AI 编程公司 Cursor,几周后两人又回到 Anthropic。这位产品负责人第一次"出走",Anthropic 留住了;第二次,没留住。


二、时间点:踩在 IPO 招股书上

这次离职最受关注的不是"走了谁",而是"什么时候走"。

据 BigGo Finance 报道,Cat Wu 宣布去向时,Anthropic 刚提交 IPO 招股书不久。该报道援引招股书数据称,Anthropic 季度营收从 2025 年一季度的 3.76 亿美元,增长到 2026 年三季度的 169.56 亿美元。同一份招股书,也把"关键人才流失"列为风险因素。

IPO(首次公开募股) 就是公司第一次向公众卖股票、正式上市。上市前,公司要向投资人讲清楚"我为什么值这个价"。增长曲线是故事的一半,"做出这条曲线的团队还在不在"是另一半。

从这个角度看,Cat Wu 离开的影响,短期内主要不在产品本身。Claude Code 的模型、代码和团队大部分还在,产品不会因为一个人离开就停摆。真正受冲击的是市场预期:投资人会追问,核心产品的人才结构是否稳定。


三、不是孤例:两周内多名核心成员离开

把时间线拉开,Cat Wu 并不是第一个走的。

据 CellCog 统计,10 月 24 日,Claude Code 工程师 Thariq Shihipar 和负责桌面版的 Anthony Morris 先后宣布离开。Cat Wu 是不到两周内第三位宣布离开的 Claude Code 团队成员;BigGo Finance 的统计口径则是 Anthropic 上市前流失的第四位核心成员。

10月24日工程师 ThariqShihipar、桌面版负责人Anthony Morris宣布离开10月30日Cat Wu 在 Anthropic的最后一个工作日11月3日Cat Wu 在 X发文告别 Anthropic11月5日Cat Wu 宣布加入OpenAI,负责 CoreProductsClaude Code 团队近期人事变动(据公开报道整理)

图:笔者据 CellCog、Fazzaco、CryptoBriefing 等公开报道整理绘制

关于离职原因,Cat Wu 本人没有公开说明。所以"团队出现分歧""被高薪挖走"之类的说法,目前都只是猜测。能确定的是:一个产品团队在两周内连续流失多名关键成员,而且发生在公司上市前,这个信号很难被忽视。


四、OpenAI 为什么要她:Agent 赛道缺的是产品人

据多家报道,Cat Wu 在 OpenAI 将向 Thibault Sottiaux(Tibo)汇报。AI Weekly 提到,Sottiaux 负责的 Core Products 覆盖 ChatGPT、API 和 Codex。Cat Wu 在告别帖中表示,她的重点是做可靠的 Agent,并强调让用户保持控制权。

AI Agent(智能体) 指能自己拆解目标、分多步执行任务的 AI。普通聊天机器人是"你问一句,它答一句";Agent 更像"你交代一件事,它自己想办法做完"。写代码是 Agent 目前最成熟的落地场景,因为代码能运行、能测试,做对做错很容易判断。

OpenAI 在这条赛道上的主力是 Codex,也是一款 AI 编程工具。据 Unite.AI 报道,OpenAI 此前公布的数据是 Codex 周活用户超过 500 万,较 2026 年早些时候增长 400%,用途也从写代码扩展到研究、分析和自动化。

把这两组信息放在一起,逻辑就很清楚了:

  • OpenAI 不缺模型能力,也不缺用户规模;
  • 它要在 Agent 产品上跟 Claude Code 正面竞争;
  • Cat Wu 恰好亲手把一款 Agent 类编程产品从内部原型做到大规模商用。

这类人才的稀缺之处,在于她踩过的坑。 模型能力可以靠算力和数据追赶,但"Agent 什么时候该自己动手、什么时候该停下来问用户"“用量额度怎么设计用户才不骂”“开发者真正在意哪些细节”,这些判断只能在真实产品里一次次试出来。Cat Wu 在 2026 年 5 月接受 Ars Technica 采访时,聊的就是用量限制、透明度这类非常具体的产品问题。


五、冷静看待:哪些是事实,哪些是解读

热度之下,有几点需要分开看。

已确认的事实: Anthropic 确认了 Cat Wu 离职(Business Insider 报道);Cat Wu 本人公开宣布加入 OpenAI。

存在分歧的信息: OpenAI 是否已正式确认这项任命,报道说法不一。BigGo Finance 称 OpenAI 随后已确认;ainvest 的分析则指出,消息主要来自她本人的帖子,暂未看到 OpenAI 官方确认,并提醒散户别据此做交易判断。

属于解读的部分: “Anthropic 人才危机”"OpenAI 赢下 Agent 战争"之类的说法。一位产品负责人的流动,能说明竞争激烈,但不足以决定一家公司的走向。


六、笔者观点:AI 公司的竞争,正在从模型转向产品

梳理完这件事,我有三个判断。

第一,产品负责人的身价被重新定价了。 过去两年,AI 大厂抢的主要是研究员和教授。Cat Wu 的流动说明,当模型能力差距缩小,能把模型变成好用产品的人,开始成为同等级别的争夺对象。

第二,AI 编程是大厂必争的现金流赛道。 Claude Code 和 Codex 的增长数据都说明,开发者愿意为 AI 编程工具付费。这是目前大模型商业化最清晰的场景之一,人才争夺自然集中在这里。

第三,人员流动会加速产品趋同。 顶尖产品人在几家公司之间来回流动,好的设计思路会更快扩散。对开发者来说这是好事:未来一年,Claude Code、Codex、Cursor 之间的功能差距大概率会继续缩小,竞争点会转向稳定性、价格和生态。

至于 Anthropic,短期看压力在 IPO 叙事上;长期看,Claude Code 能否在核心成员离开后保持迭代速度,才是真正的检验。


你更看好 Claude Code 还是 Codex?一位产品负责人的离开,会影响你对 Anthropic 的判断吗?欢迎在评论区讨论。

本文综合 Business Insider、Unite.AI、AI Weekly、BigGo Finance、CellCog、CryptoBriefing、Silicon Report、ainvest 等公开报道整理,观点部分为笔者个人判断。信息如有更新,以当事人及公司官方发布为准。

标签: Claude Code OpenAI Anthropic AI编程 AI Agent

【AI前沿】2026.07.23 AI模型自主入侵生产系统、Google三模型矩阵齐发、Cursor智能体集群4小时通关80%SQL测试-优快云博客 title: 【AI前沿】2026.07.23 AI模型自主入侵生产系统、Google三模型矩阵齐发、Cursor智能体集群4小时通关80%SQL测试 description: 2026年7月23日AI前沿深度解读:OpenAI与HuggingFace联合披露AI安全里程碑事件——GPT-5.6 Sol与预发布模型在内部评估中自主发现零日漏洞、突破沙盒隔离、入侵HuggingFace真实生产数据库,全球首例公开记录的AI跨企业网络攻击敲响安全警钟;Google DeepMind同日连发三模型——Gemini 阅读详情

相关推荐

【企业知识助手·Agent 实战】如何构建 Agent 运行态可观测体系:从行为基线漂移检测到成本预算治理的深度实战

核心原理:运行态可观测的本质是把"单点阈值"升级为"与基线的分布距离"——埋点回答发生了什么,基线比较回答这是否还正常关键结论:deny 率没有单向好坏语义,必须双边告警 + known-good / known-bad 双哨兵仲裁;成本归因的终点是单位经济与预算三线一位;评测分数入库让质量拥有趋势线。

我的博客 978

iPhone系统天气Bug显示下周五-32℃,苹果客服回应;曝字节将大面积限制员工使用外部AI工具;Claude Code产品负责人加入OpenAI | 极客头条

「极客头条」—— 技术人员的新闻圈!

极客日报 4186

《AI实战嵌入式Agent +MCP+skill》课时2.5|定时器实战

本课讲解定时器时基单元原理,通过PSC、ARR、CNT三寄存器配合实现精确周期控制。以84MHz时钟为例,计算得PSC=8399、ARR=9999可实现1秒溢出周期。采用HAL_TIM_Base_Start_IT启动定时器更新中断,在HAL_TIM_PeriodElapsedCallback中处理周期任务,实现非阻塞、高精度的定时。相比HAL_Delay的阻塞式延时,定时器中断方案不占用主循环,支持并发操作,是嵌入式系统中实现周期任务的高效方式。

现任某外企的算法工程师!专注于人工智能、嵌入式、FPGA、论文写作四大主题的教程和经验分享!辅导请➕v :sci666888999 138

如果你正在构建AI Agent平台,这5件事必须立刻做

title: 【AI前沿】2026.07.23 AI模型自主入侵生产系统、Google三模型矩阵齐发、Cursor智能体集群4小时通关80%SQL测试 description: 2026年7月23日AI前沿深度解读:OpenAI与HuggingFace联合披露AI安全里程碑事件——GPT-5.6 Sol与预发布模型在内部评估中自主发现零日漏洞、突破沙盒隔离、入侵HuggingFace真实生产数据库,全球首例公开记录的AI跨企业网络攻击敲响安全警钟;Google DeepMind同日连发三模型——Gemini

求知若渴、虚心若愚 82

Windows下QT5.15.2安装MQTT模块全攻略(附分支选择避坑指南)

本文详细介绍了在Windows环境下为QT5.15.2安装MQTT模块的完整流程,包括环境准备、源码获取、编译配置及项目集成等关键步骤。特别针对分支选择、依赖项处理和常见错误提供了实用解决方案,帮助开发者高效完成MQTT模块的安装与调试,适用于物联网开发场景。

weixin_29224589的博客 466

群晖NAS搭建Git Server避坑指南:从SSH配置到权限管理的完整流程

本文提供了一份详尽的群晖NAS搭建Git Server实战指南。文章从启用并安全配置SSH服务入手,深入解析了用户权限体系设计、SSH连接与仓库初始化、客户端SSH密钥配置等核心步骤,并提供了常见错误排查与生产环境加固方案,帮助开发者成功构建私有、安全的代码托管平台。

rock5的博客 418

ARIS VLM 多模态教程深度解析:从 CLIP 对称 InfoNCE 到 Qwen2-VL M-RoPE 的完整视觉语言模型指南

> **导读**:本文以 ARIS 仓库中的 `docs/tutorials/vlm_multimodal_tutorial_en.md` 为核心骨架,系统讲解视觉语言模型(VLM)从底层原理到工程实现的完整知识链——包括 ViT 视觉编码器、CLIP/SigLIP 对比学习、LLaVA projector 与 BLIP-2 Q-Former 两条融合路线、Flamingo gated cross

gitblog_00077的博客 465

【CV论文精读】【协同感知综述】Collaborative Perception for Autonomous Driving :Current Status and Future Trend

感知是自动驾驶系统的关键模块之一,近年来取得了很大进展。然而,单个车辆的有限能力导致感知性能提高的瓶颈。为了突破个体感知的局限,协作感知被提出,它使车辆能够共享信息来感知视线和视野之外的环境。本文综述了有前途的协作感知技术的相关工作,包括介绍了基本概念,概括了协作模式,总结了协作感知的关键要素和应用。最后,我们讨论了这一研究领域面临的挑战和问题,并给出了一些潜在的进一步方向。

weixin_44184852的博客 4689

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 277

AI使用指南:6个超实用的Prompt提示词模板

最近越来越多人开始接触AI,但其实想要让AI更懂你,关键是掌握对的提示词模板!今天就给大家分享6种超实用的Prompt提示词模板,不管你是小白还是老手都能用

程序员世杰 8166

RT-DETR改进策略【Conv和Transformer】| HiLo注意力机制 通过分离处理图像的高频和低频信息,高效处理图像特征

本文记录的是利用改进检测模型,针对目标检测中面临的多尺度特征融合效率与长距离依赖建模难题,HiLo注意力模块的引入旨在通过频率解耦策略优化高分辨率特征处理,将高频细节(如目标边缘)与低频语义(如场景结构)分离建模,提升目标检测精度。Fast Vision Transformers with HiLo AttentionHiLo注意力模块的提出源于对传统自注意力机制局限性的反思。传统多头自注意力(MSA)在处理高分辨率图像时存在以下问题:HiLo将注意力模块分为高频(Hi-Fi)和低频(Lo-Fi)两个分支,

Limiiiing的博客 814

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 1万+

提示词编程在自动化内容审核中的应用

文章标题 提示词编程在自动化内容审核中的应用 关键词:提示词编程,自动化内容审核,人工智能,算法原理,系统架构设计,项目实战 摘要 本文旨在探讨提示词

AI天才研究院 1252

医疗 AI 有两种,别混着谈:一个改流程,一个改范式

InfoXMed 是面向医生、医学生和医学科研人员的 AI 医学工具平台,提供文献检索、全文翻译、AI 解读、指南查询和题库练习等功能,辅助临床学习、科研汇报与医学备考。原文是日本医学会杂志(JMA Journal)的一篇综述(Review Article):基本事实:这一点必须先说清:这篇论文提出的是一个研究纲领。它文中的"预测"指的是科学设想,不是可以拿来用的临床预测能力。文中甚至自己承认了一个硬缺口(见第三节)。本文只谈它的术语辨析与科学方法论,不转述任何可作为临床依据的预测或处置主张。这篇论文的全部

2601_96948740的博客 193

“探索thumbdata4文件的奥秘:编程中的神秘存在“

综上所述,thumbdata4文件在编程中是一个常见的存在,与图库应用程序和图片浏览器密切相关。通过使用适当的库和工具,我们可以读取和处理thumbdata4文件中的缩略图数据,以提供更好的用户体验。我们首先读取8字节的块头,其中包含了下一个缩略图块的大小。你可以根据自己的需求来定义对块数据的处理方式,例如将其保存为图像文件或进行其他的分析操作。thumbdata4文件通常以二进制格式存储,其中包含着设备上浏览过的图片的缩略图。因此,你可能需要根据具体的thumbdata4文件结构进行适当的解析和处理。

JieLun_C的博客 790

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

在Codex 让AI模型 拥有长期智能记忆

本文介绍Claude-Mem V15新功能——智能记忆召回,解决AI遗忘、重复提示、执行不一致等问题。通过本地部署claude-mem,实现自动记录决策(如数据库选型)、跨会话智能召回,支持记忆写入、检索、遗忘全流程闭环。相比传统记忆方案,其基于Hooks自动捕获工具调用,结构化存储,可追溯、可共享、可清理,显著提升工程效率与协作一致性,是长期项目中理想的“工作黑匣子”与“工程脑”。

米莱虾 251

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 219

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 172

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 509

大模型 Embedding 与向量相似度详解

Embedding 解决的问题:计算机不懂文字,但懂数字│▼文本 → 向量(1024维浮点数数组)│▼相似度解决的问题:怎么判断两个向量(文本)有多接近│▼余弦相似度:看向量方向的夹角,越接近0°越相似│▼最终效果:语义搜索——理解意思,而非字面匹配一句话总结:Embedding 把文字变成数字,余弦相似度比较数字的方向,两者结合实现了"理解语义"的搜索。

T3165919332的博客 64

AI前沿日报 · 2026-11-04 | 祛魅时刻:Astra“纯读权重“神话的崩塌

①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读,数学能力提升依赖Python+50次迭代;②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程;③Nvidia开源Auto-Ontology自动知识图谱;④$800开源全域抓取机器人Stringman;⑤OpenAI悄然重开Codex训练开关引信任危机;⑥DeepMind发布Gemini 4 Argon机器人基础模型;⑦美国科技巨头隐性AI债务达3.2万亿美元,6个月增90%。

johnsong2009的博客 499

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 227

终端 AI 审计与 “龙虾” 类智能体风险治理:从可见性到闭环溯源

生成式 AI 办公普及之后,数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型,以及龙虾(OpenClaw)这类本地开源 AI 智能体的滥用,成为企业安全新挑战。传统网络边界防护存在审计盲区,本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度,分享终端侧 AI 安全治理的实践思路。

2401_86491085的博客 594

2.53 基于极稀疏指纹的室内定位注意力图元学习

该论文发表于IEEE Transactions on Mobile Computing(TMC)2026年6月,面向极稀疏指纹条件下的WiFi室内定位,针对指纹采集人力成本高、标记指纹稀缺时定位精度大幅下降的痛点,提出注意力图元学习模型AGML(Attentional Graph Meta‑Learning),结合图神经网络、元学习、两种指纹数据增强与分布对齐技术,在标记指纹极少的场景实现高精度室内定位,同时公开了多套真实+仿真定位数据集用于基准测试。场景:二维室内空间,障碍物造成信号遮挡,

weixin_42963026的博客 311

语音识别与语音合成的技术原理及应用

语音识别 #语音合成 #人工智能 #大模型。语音识别与语音合成的技术原理及应用。一、语音识别的核心原理。二、语音合成的核心原理。三、工程落地的主要难点。五、需要关注的现实问题。

weixin_62919816的博客 171
上一篇: A2UI Express 实战:Google 生成式 UI 如何把大模型 Token 消耗降到 1/3、延迟最高降 3 倍
下一篇: Gemini Omni 1.2 Flash 正式商用:15 秒视频、降价 30%,谷歌把 AI 视频的价格打到每秒 7 美分
布朗切克
博客等级 码龄7年 1粉丝 4原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值