开发者直接复制ChatGPT生成的代码,导致公司损失10000美元

17个真实业务场景验证的ChatGPT落地方法论 大语言模型(LLM)在企业中的价值,不在于参数规模或技术先进性,而在于能否精准切入高频、重复、可量化的业务卡点。其核心原理是将人类经验结构化为可复用的判断逻辑,并通过提示工程实现角色锚定、格式锁死与上下文蒸馏。这种基于工作流断点识别的AI应用模式,显著提升业务确定性——如外贸信用证审核耗时压缩80%,客服话术生成使新人转化率提升22%。它适用于合同审查、工单处理、合规检查、文档生成等强规则、高容错边界的典型场景,尤其适合缺乏AI基建但亟需提效的中小企业。本文聚焦真实业务中已验证的17个切口,揭示从‘能用’到 阅读详情
👇我的小册 45章教程:(小白零基础用Python量化股票分析小册) ,原价299,限时特价2杯咖啡,满100人涨10元。

一家名为 Reworkd 的初创公司在尝试商业化过程中,通过使用 ChatGPT 生成的代码进行项目迁移,导致服务因为代码错误无法正常订阅,造成超过 1 万美元的损失和 5 天服务停机。。。

国外创业公司 Reworkd 分享了他们从 ChatGPT 直接复制代码,并因此 “踩坑” 的经历。

8650b474fda53ac8b11d9fa83add1945.png

根据描述,Reworkd 公司专注于开发完成自动化任务的 AI Agent 平台,旨在解决需要大量人力介入的业务流程的低效问题。

通过使用 AI Agent,Reworkd 帮助企业简化操作并减少手工工作量。这家公司得到 Y Combinator(为初创公司提供早期风险投资、创业指导等)的支持。

当时这家公司开始了商业化尝试,初步计划是 “让用户付费订阅自家的服务”。经过团队商议,他们将订阅服务的价格定在了每位用户每月 40 美元。

规划好了商业化的方向与定价之后,团队开始着手 “更改业务代码”,集成 “支付系统” 等等。

该项目原本采用的是全栈 NextJS 技术,要实现商业化,业务代码也需要进行改变,因此团队需要在有限的时间里计划将项目从 Next.js 迁移到 Python/FastAPI。

由于迁移工作涉及到编写许多繁琐的代码,于是团队成员想到了交给 ChatGPT 完成。

具体情况如下:

作为我们的后台迁移的一部分,我们正在将数据库模型从 Prisma/Typescript 转换为 Python/SQLAlchemy。这真的很乏味且繁琐。

我们发现 ChatGPT 在这个转换过程中做得相当出色,所以我们几乎在整个迁移过程中都使用了它。

我们复制了它生成的代码,看到一切都运行正常,将其用于生产环境,发现它也正常运行,然后继续我们忙碌的生活。但此时,我们仍然使用我们的 Next API 来进行所有的数据库插入。

Python 只是从数据库中读取。在我们实际上开始在 Python 中插入数据库记录的第一次是当我们实现订阅时。尽管在此过程中我们手动创建了全新的 SQLAlchemy 模型,但我们最终还是复制了 ChatGPT 为我们现有模型所写的相同格式。

我们忽略的是,我们将生成 ID 的方式的问题也复制到了所有模型中。

出现 Bug 的代码位于第 56 行,我们只是传入了一个硬编码的 ID 字符串,而不是用于生成记录 UUID 的函数或 lambda 表达式。

这意味着对于我们的后台的任何一个实例,一旦一个新用户订阅并使用了这个 ID,其他用户就无法再执行订阅流程,因为会导致唯一 ID 冲突。

3b3d7d2bcfa615b91e5137bc6d37458c.png

由于我们的后台设置,这个问题被很好地隐藏了起来。

我们在 AWS 上有 8 个 ECS 任务,每个任务运行我们的后台的 5 个实例(过度,是的我们知道,但公平地说我们有 AWS 额度)。

这意味着任何一个单独的用户可能遇到 40 个潜在的唯一 ID。 

白天,这没问题。我们可能每天提交 10-20 次(当然直接提交到主分支),这将导致新的后台部署发生,给客户提供了 40 个全新的 ID 供他们使用。

但到了晚上,当我们终于停止提交(我们是不是有点懒呢?)时,每台服务器中的单个 ID 都将被占用,导致所有新的订阅都产生 ID 冲突。

用户一开始有 40 个可能的服务器可以让他们订阅,随着夜晚的来临,迅速减少到几乎零。

最终解决这个问题就像从我们的肩膀上卸下一块重担。


省流总结如下:

- 公司在推出付费订阅功能后的一个小时内获得了第一个付费用户。
- 第二天早上,收到了超过 40 封用户投诉的邮件,原因不明。
- 在五天时间里,持续收到投诉邮件,但工作时间几乎没有投诉。
- 问题源于一个代码行,导致唯一 ID 冲突,使其他用户无法订阅。
- 问题五天后解决,销售额损失约 10,000 美元。(50 emails/day x 5 days x 40ℎ=10,000 美金)
- 尽管经历了痛苦的五天,公司对此并不后悔,反而将其视为创业过程中难忘的一刻。

在这个案例中,他们在数据库写入时设置了用户 ID 为一个固定值,导致每次写入都发生冲突,最终导致用户无法完成注册和付款流程。

这个错误的根本原因是他们在编写 ORM 代码时将用户 ID 设置为常量值,而不是唯一的标识符。



Reference

https://web.archive.org/web/20240609213809/https://asim.bearblog.dev/how-a-single-chatgpt-mistake-cost-us-10000/

db7085d5c086c3792526c89dc10e0d5a.jpeg

最后推荐一下我们团队写的量化小册的内容,45篇内容!从Python安装,入门,数据分析,爬取股票基金的历史+实时数据,以及如何写一个简单量化策略,策略回测,如何看资金曲线统统都有介绍!非常超值!

欢迎订阅:原价299 早鸟价2杯咖啡钱,即可永久阅读。满400人又要涨价了,现在的价格非常非常低,只要2杯奶茶,就可以终身订阅+课程源码,还有永久陪伴群。48小时无理由退款,放心食用!

b578ae77fcd7f9b09b62ed4435fe41f8.png

往期推荐
量化: 如何用Python爬取创业板历史+实时股票数据!|实战股票分析篇利用Pandas 9招挖掘五粮液股价!|实战股票数据分析篇 Pandas滚动操作 |量化股票第一步,用Python画股票K线,双均线图,可视化你的股票数据!|如何用Python爬取全部800多只ETF基金数据!|如何用Python写一个双均线策略 |如何用Python开发一个多策略机器人!上篇!|Python量化系列-用布林策略买五粮液能赚多少钱?|只要4秒钟!用Python 获取上证指数34年的历史日线数据!

 
入门: 最全的零基础学Python的问题  | 零基础学了8个月的Python  | 实战项目 |学Python就是这条捷径

干货:爬取豆瓣短评,电影《后来的我们》 | 38年NBA最佳球员分析 |   从万众期待到口碑扑街!唐探3令人失望  | 笑看新倚天屠龙记 | 灯谜答题王 |用Python做个海量小姐姐素描图 |碟中谍这么火,我用机器学习做个迷你推荐系统电影

趣味:弹球游戏  | 九宫格  | 漂亮的花 | 两百行Python《天天酷跑》游戏!

AI: 会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火,我用机器学习做个迷你推荐系统电影

小工具: Pdf转Word,轻松搞定表格和水印! | 一键把html网页保存为pdf!|  再见PDF提取收费! | 用90行代码打造最强PDF转换器,word、PPT、excel、markdown、html一键转换 | 制作一款钉钉低价机票提示器! |60行代码做了一个语音壁纸切换器天天看小姐

AI的钱被谁赚走了?产业链分层与开发者赚钱路径解析 在人工智能浪潮中,大模型API、算力租赁、模型部署与推理成本构成了AI应用开发的底层开销。理解AI产业链的分层结构——算力层、模型层、工具层与应用层,是评估技术选型和商业回报的前提。从概念上讲,算力层通过GPU硬件与云服务获取稳定现金流,模型层依赖API调用与订阅收费但投入巨大,工具层以开发者服务实现高毛利,应用层则贴近用户却面临激烈竞争。掌握单位经济模型、毛利率与获客成本等指标,有助于开发者判断一个AI产品是否真正具备盈利能力。通过Python脚本对token费用、GPU租用与自建成本、订阅ROI进行量化 阅读详情

相关推荐

工业AI落地实战:用LLaMA 3 70B构建可签单的预测性维护系统

大模型在工业场景的应用,核心不在参数规模,而在如何实现可控、可信、可追责的闭环落地。本文聚焦预测性维护这一典型工业AI需求,解析如何通过本地化部署大语言模型(如LLaMA 3 70B)、深度定制RAG知识库、多模态上下文注入与n8n自动化编排,将AI从‘演示智能’转化为嵌入SAP/PLC/企业微信的真实业务流。关键技术价值体现在:严守上下文牢笼保障输出可靠性,混合检索+语义分块提升维修手册理解精度,Streamlit作为业务逻辑守门人实现工程师零门槛操作。适用于制造业设备健康管理、故障诊断报告生成、工单自动

weixin_33834137的博客 328

公司代码被泄露了,别再乱用 AI 代码插件了!!

据统计,截止2024年底,全球已有62%的开发者在开发工作中使用AI工具,并且该比例以约每年14%速度飞速增长。使用AI提升研发效率已成为软件行业的必选项。然而,随之而来的风险也愈发显著。以下几点值得特别关注:1、调查显示,有3.1%的员工会直接将公司内部数据输入ChatGPT进行分析,而这些数据中,高达11%属于敏感信息。2、三星在引入ChatGPT不到20天内,就遭遇了3起数据泄露事件,导致半导体设备测量资料和产品良率等关键信息未经处理即被传输至美国公司。

Java技术栈,分享最主流的Java技术 1947

GLM-5.1实战指南:开源大模型如何实现8小时自主工程任务

大语言模型在代码生成领域已从‘问答式辅助’迈向‘长周期自主工程’新阶段。其核心原理在于融合交错思考、状态快照与MoE稀疏推理的协同架构,突破传统LLM的记忆衰减与上下文失控瓶颈。技术价值体现在可审计的进度管理、低资源高稳定部署能力,以及对CI/CD、安全审查、系统级开发等工程场景的原生适配。尤其在离线环境、国产硬件(如昇腾910B)及成本敏感型团队中,GLM-5.1展现出显著的工程落地优势。本文聚焦其真实部署路径、状态持久化机制与长周期任务稳定性验证,为开发者提供可复现的开源AI工程师落地方案。

dianqi0560的博客 486

ChatGPT “背锅”?直接复制其代码,损失 10000 美元,服务停了 5 天

编译| 屠敏出品 | 优快云(ID:优快云news)ChatGPT 以及生成式 AI 工具快速发展的一年多时间里,有多少人使用了这些工具生成的代码来搞项目,还将其投入生产环境中?根据 优快云 调查数据显示,过去一年里,41%的开发者有用过 AI 工具生成代码,29% 的人借助 AI 帮自己解释 Bug 并提供修正建议,以及 28%的人生成过代码注释或者代码文档。图:开发者主要使用 AI...

优快云资讯 5406

【信息科学与工程学】【产品体系】第三十九篇 IT产品系列需求01 互联网行业的需求

经过多轮补充,现整理出覆盖存储、网络、计算、安全、数据治理、AI治理、物联网/工控、管理与经营​ 八大领域的完整需求目录,共60条​ 详细需求。

weixin_49199313的博客 1408

AI Agent ReAct架构设计模型剖析

ReAct通过"思考-行动-观察"循环运作:智能体先进行自然语言推理,再调用外部工具执行行动,观察结果后继续推理直至解决问题。这种架构提高了透明度和准确性,减少幻觉风险,使LLM能主动分解任务并利用外部数据源。实现关键在于精心设计的提示模板,引导LLM按结构化格式响应,而非依赖模型固有能力。

weixin_43939320的博客 1250

直接复制ChatGPT代码,损失 10000 美元,服务停了 5 天

编译| 屠敏出品 | 优快云(ID:优快云news)ChatGPT 以及生成式 AI 工具快速发展的一年多时间里,有多少人使用了这些工具生成的代码来搞项目,还将其投入生产环境中?根据 优快云 调查数据显示,过去一年里,41%的开发者有用过 AI 工具生成代码,29% 的人借助 AI 帮自己解释 Bug 并提供修正建议,以及 28%的人生成过代码注释或者代码文档。图:开发者主要使用 AI...

优快云云计算 316

C#精准获取Windows已安装应用清单的完整方案

Windows已安装应用识别是IT资产管理、安全合规与自动化运维的基础能力。其核心原理在于突破文件系统表象,以注册表为可信数据源,分层解析HKLM/HKCU、64位/32位视图及MSI Products路径中的元数据。技术价值体现在可验证(如过滤SystemComponent=1)、可关联(通过ProductCode绑定补丁与许可证)、可操作(启动路径二次验证+卸载命令沙箱执行)。典型应用场景包括终端合规审计、软件资产清查、静默卸载脚本开发及多版本应用聚合分析。本文聚焦C#原生实现,覆盖注册表四路采集、La

weixin_33552698的博客 637

博客摘录「 ChatGPT “背锅”?直接复制其代码,损失 10000 美元,服务停了 5 天」2024年6月13日

这些知识点不仅涉及软件开发的具体技术细节,还反映了实际应用中可能遇到的挑战和解决方法。

百态·数智思维 | 聚焦大数据、量化与未来AI 312

铭飞MCMS源码部署

文章目录前言一、下载铭飞源码二、部署源码1.使用IDEA打开源码2.配置tomcat环境2.1下载tomcat并测试是否可以成功启动(此处不赘述)2.2在IDEA中安装tomcat环境并配置3.添加数据库,并配置3.1新建数据库3.2 导入sql配置三、启动测试 前言 铭飞MCMS基于IDEA、tomcat和mysql的环境搭建。 提示:以下是本篇文章正文内容,下面案例可供参考 一、下载铭飞源码 gitee:https://gitee.com/mingSoft/MCMS/releases(各种版本按需下

MARS_ZORO的博客 4068

西门子博途系列学习笔记SCL(三)______自由口通讯(RS485轮询程序)

西门子博途V16系列学习笔记SCL(三)___自由口通讯轮询程序(RS485) 西门子博途系列学习笔记SCL(三)______自由口通讯(RS485轮询程序) 文章目录西门子博途V16系列学习笔记SCL(三)___自由口通讯轮询程序(RS485)前言一、FreePort自由口通讯是什么?二、使用步骤1.模块参数定义2.定义FB功能块参数:3.程序代码如下(每天写代码100行,学不会你来找我):总结 前言 很长时间都没有更新了,主要是最近在学习罗克韦尔的STUDIO5000PLC编程软件,怎么说,和博

weixin_42940283的博客 1万+

10美元微控制器上运行LLM:量化与嵌入式推理全解析

大语言模型通常被认为离不开高端显卡和庞大数据中心,但在模型量化与嵌入式推理技术的推动下,极低成本硬件也能运行经过压缩的小型语言模型。量化通过将高精度浮点权重映射为低比特整数,大幅压缩模型体积与内存占用,配合专为资源受限环境设计的推理框架,让传统微控制器具备了本地文本生成能力。这种端侧部署思路适用于离线AI助手、自然语言交互的IoT设备以及DIY教育场景,使语言模型推理从云端下沉到贴近用户的一端。本文围绕在微控制器上运行LLM的完整链路,从硬件选型、内存评估、模型量化与格式转换,到固件烧录与性能调优,梳理工程

weixin_29173777的博客 335

MIKE21桥墩模拟实战:抠网格与构筑物法对比与选型指南

本文详细对比了MIKE21软件中抠网格法与构筑物法在桥墩模拟中的应用,包括操作步骤、适用场景及优缺点分析。通过实际案例数据展示两种方法的精度与效率差异,并提供选型决策树和常见问题解决方案,帮助工程师根据项目需求选择最优模拟方法。

weixin_42656416的博客 325

互联网摸鱼日报(2024-06-18)

氪星晚报 |同程旅行大数据:奥运开幕临近,7月飞巴黎机票预订热度增长超70%;郭明錤:苹果下半年推出的Apple Watch Series 10将有外观升级AI教父Hinton 46分钟对谈:AI可复制人类心智,或加剧全球贫富差距小哥放弃投行金领工作,干出290亿超级独角兽:又融了47亿小红书电商能打破柜姐逻辑吗?脚踩血洗的鸭肠鹅肠最后卖去了哪里?掘金半托管,当心入坑AI 加持的 iPad 计算器,最大亮点不是算术连续四个月零售销量下滑,一汽大众还能转型突围吗?张勇学不会雷军,周鸿祎带不动哪吒告别“人工智障

weixin_43849685的博客 813

MAX30102心率血氧传感器

估算AC、DC值的方法如下:找两个波谷点,两个波谷点之间有一个波峰点,两个波谷点相连成一条直线,与Y轴平行的线穿过波峰点会与两个波谷点连接成的直线相交于一点,这个点就是DC点,DC点的Y轴对应值就是直流分量,AC分量的值为波峰点到DC点之间的差值。在医院测量中常用的一种血氧采集方式,如下图所示,光电传感器和光源分别置于手指的两侧,光源穿过手指被另一侧的光电二极管接收,根据光衰减量计算血氧浓度。那么,根据上面的Beer-Lambert 定理,针对测量的具体场景,测量过程的衰减为三层穿透物质衰减量的叠加。

qq_41861711的博客 1万+

使用curl命令出现fatal: unable to access ‘https://github.com/nvm-sh/nvm.git/‘: Encountered end of file的解决方案

本文主要介绍了使用curl命令出现fatal: unable to access ‘https://github.com/nvm-sh/nvm.git/’: Encountered end of file的解决方案,希望能对使用curl命令的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案

weixin_43178406的博客 1万+

GPT-5模型路由机制如何破坏AI工作流确定性

AI大模型的‘确定性’是专业用户构建可靠工作流的基础——它指模型响应可预测、行为可复现、结果可归因。当OpenAI用黑箱式模型自动切换器替代GPT-4o的手动选型,本质是将工程可控性让位于算法不可见性:路由决策依赖复杂度得分、上下文压力指数等隐性指标,却未向用户暴露当前模型、推理强度或配额归属。这种设计虽提升后台资源效率,却直接侵蚀用户对时间主权、操作主权与认知主权的掌控。在编程辅助、长文档分析、多模态生成等高频场景中,路由误判导致降级调用、上下文截断、风格漂移等问题频发。GPT-4o的广泛怀念,实则是对‘

weixin_34246551的博客 415

llama2-7b下载并转llama-2-7b-hf

④输入https://github.com/huggingface/transformers/blob/main/src/transformers/models/llama/convert_llama_weights_to_hf.py会下载 convert_llama_weights_to_hf.py 文件,我们需要用到这个文件将llama2-7b转成llama-2-7b-hf。③下载完之后是这四个文件,这里我是在windows操作系统中安装的WSL,没有linux操作系统,没办法。

wenling54321的博客 1032

大模型驱动的信用卡欺诈检测工程实践

信用卡欺诈检测是金融风控中的典型不平衡分类问题,其核心在于如何在正样本占比常低于0.1%的极端数据分布下,兼顾模型可解释性、业务合规性与实时决策能力。本文从欺诈识别的基本原理出发,解析SMOTE过采样、F1-score评估、决策树可审计性等关键技术选择背后的工程权衡逻辑;强调在无代码交互中,真正起决定作用的是数据契约、分析契约与验证契约构成的三层控制结构;结合银行真实脱敏交易数据场景,说明如何通过业务断点(如金额阈值漂移、时间窗口畸变、设备指纹熵坍塌)驱动特征构建与模型归因;最终落脚于大模型作为‘高阶实习生

weixin_33816946的博客 413

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

程序员副业实战复盘:技术变现、效率优化与战略聚焦

在软件工程领域,持续学习与个人成长是开发者职业发展的核心驱动力。通过系统化的复盘与迭代,程序员能够将技术能力转化为多元价值。技术专栏运营、SaaS产品打磨与技术顾问服务,构成了现代开发者副业变现的典型路径。其中,深度技术解析(如Kafka消费者位移提交机制)与用户反馈驱动的产品迭代,是构建技术壁垒与提升产品价值的关键实践。这些方法不仅创造了被动收入来源,更培养了从编码执行到架构设计、产品运营的复合能力。对于寻求技术成长的工程师而言,建立个人知识体系、优化工具链并聚焦高价值领域,是实现可持续副业发展的有效策略

weixin_33796177的博客 523

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

英伟达CEO黄仁勋大学演讲深度解析:AI作为新型基础设施的未来

AI范式的根本转变:他强调,AI正在重塑整个计算机行业的技术栈,包括处理器、软件及系统架构。未来的计算机将不再是单纯的工具,而是能够生成技能并执行任务的智能代理。核心技术创新与发布:演讲中宣布了多项关键硬件与软件技术的升级,旨在为AI基础设施提供更强大的算力支撑。生态系统与产业应用:着重介绍了NVIDIA如何通过其平台和微服务,构建一个繁荣的开发者与合作伙伴生态系统,以加速AI在各行各业的落地。黄仁勋此次大学演讲,不仅是一次技术成果的展示,更是对AI未来演进路线的清晰勾勒。他的核心论点——

热爱技术与前沿创新,深耕科技领域,在科创中精进自我;探索技术乐趣,分享技术干货与成长心得,以技术为伴,热爱生活,在科创与生活中双向成长。 549

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

Python机器学习:从零基础到项目实战

当您翻开此书,您正踏入一场数据与智慧的修行。机器学习,并非冰冷的符码,而是机器模拟人类洞察世界的法门。本书将带您,以Python为舟,泛游于算法之海。我们不只传授“术”,更探求其后的“道”——从数据的生灭流转中观照规律,于模型的迭代演进里体悟得失。愿您合上书卷时,收获的不仅是驾驭数据的技能,更有一双洞悉复杂、化繁为简的“智慧之眼”。现在,让我们一同启程。

YunWisdom 972

企业可以通过哪些渠道使用 ChatGPT 和 OpenAI 模型?

正式选型阶段,查阅 GPT-6 Sol、GPT-6 Luna、Claude Opus 5.5 的模型卡,确认 API、Region、功能特性与生命周期状态。在 Amazon Bedrock 体系里,GPT-6 Sol 主打高复杂度开发场景,支持功能开发、故障调试、代码重构、代码审查,也能够联动多款工具、应用完成多步骤业务流程。优先挑选 2-3 个典型场景,例如代码开发、文档处理、高频分类,使用同一套测试集分别跑测 GPT-6 Sol、GPT-6 Luna 和 Claude Opus 5.5。

JINGdigital_的博客 275

ChatGPT 广告技术栈架构拆解:多轮意图、LLM 工具编排、ANN 召回与拍卖闭环

基于 OpenAI 官方工程文章,拆解 ChatGPT 广告系统如何用有状态会话理解多轮意图,以独立链路隔离自然回答,再由 LLM 编排召回、过滤、相关性评分、拍卖和最终交付,并给出可复用的超时、观测、安全与反馈闭环设计。

jerry764的博客 407

AI与大模型新闻日报 | 2026-11-11

今日 AI 圈动态速览:OpenAI 扩展 ChatGPT 商业功能:企业可认领资料并创建 AI 智能体,为 Business Agent 投放广告、谷歌最强 VLA 机器人模型:Gemini Robotics 2.5 登场,会系蝴蝶结、已在奔驰生产线上岗、挑战微软 Win11:原生 AI 系统 KORA 登场,将率先适配高通骁龙 X2 Elite 芯片、Meta的人工智能代理Muse登陆Apple Watch和Android Wear OS 等共 24 条新闻。

dozenyaoyida的博客 340
上一篇: 互联网不行了,出路在哪
下一篇: 这才是最适合新手的python基础教程,640页pdf超详细(最新版Python)
菜鸟学Python
博客等级 码龄9年 8084粉丝 571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