AI 编程与建站实验记录完成 / 成功11 张图片

midudev/itsfree.ai

零费用跑通一次真实 AI 调用：itsfree.ai 本地实测

在本机跑通 itsfree.ai 目录，并用其中的免费接口完成一次可机器核验的结构化抽取：373 tokens、1.69 秒、费用 ¥0，同时记录 3 个真实报错与修复过程。

查看 GitHub 原项目 ↗进入作者的家

实验田正式路线

这项项目没有绕过实验田。

01种子区 · 已发现Trending 线索、GitHub 仓库和项目库档案已经绑定。

02种子区 · 已核验固定提交，核对 README、许可、版本、外部服务和数据边界。

03播种区 · 已实测7 次工作记录保留环境、命令、退出码、失败和修复。

04收成区 · 已产出4 项成果与同一实验绑定，阶段状态仍为进行中。

05收获记 · 已公开公开实验页、竞技场摘要与多平台发布证据回到同一条记录。

正文

这份记录

# 收成区 · 实验报告 — it's free*（itsfree.ai） run_id：run-20260910T065908+0800 ｜ policy_sha256：aa0429445627ca9446dce6bdd8319bd151977c3c17f1cb2c0aaec7d0f01617f5 实验日期：2026-09-10（执行跨至 2026-09-11 凌晨）｜机器：macOS 26.6.2 / arm64 / Node v26.8.1 / pnpm 11.19.0 --- ## 一、完整实验报告 ### 1. 这是什么 `itsfree.ai` 是一个**免费运行 AI 模型的途径目录**：收录 25 家「真免费额度」服务商、463 个免费模型，以及 9 个**完全不需要服务商**的本地运行时。它把「哪些模型能白跑、限流多少、Base URL 是什么、要不要注册/绑卡」一次性列清，并标注 `LAST_VERIFIED='2 Sep 2026'`。数据源不是 CMS，而是仓库里的 TypeScript 文件（`src/data/providers.ts`、`models.ts`、`resources.ts` 等），改文件即改页面。 ### 2. 我们做了什么（真实操作链） | 步骤 | 真实命令/动作 | 结果 | |---|---|---| | 取仓库 | `git clone --depth 1 https://github.com/midudev/itsfree.ai.git` | HEAD `c53a15a8f04394c86b7989e330463702401b9a75`（作者 midudev，2026-09-08） | | 装依赖 | `pnpm install` | 229 个包，12.8s，退出码 0 | | 构建 | `pnpm build` | **75 个页面，3.22s**，退出码 0 | | 启动（第 1 次） | `pnpm dev` | ❌ 失败：Vite `deps_ssr/base-hn_OgmWn.js` 不存在，exit 1 | | 修复 1 | `rm -rf node_modules/.vite` 后重试 | ❌ 同错复现（hash 变 `?v=48e3c013`）→ 判定非缓存问题 | | 修复 2 | 改 `pnpm preview`（跑已构建产物） | ✅ **启动成功，HTTP 200**，`astro ready in 36 ms` | | 取免费端点 | 读 `src/data/providers.ts` 中 `requirement:'none'` 条目 | 7 条：llm7、ovhcloud、vllm、mlx、llamafile、ollama、jan | | 真实调用（1） | llm7 + `model=gpt-oss`，无密钥 | ❌ HTTP 400 `Model 'gpt-oss' is currently unavailable.` | | 真实调用（2） | llm7 + `gpt-5.6-terra`，无密钥 | ❌ HTTP 401 `Missing API key.`（非免费模型需密钥） | | 真实调用（3） | llm7 + `gemma4:31b`，占位密钥 `unused` | ❌ HTTP 401 `invalid_api_key` | | **真实调用（4）** | **llm7 + `codestral-latest`，占位密钥 `unused`** | ✅ **HTTP 200**，真实 completion + token 用量 | | 真实任务 | 结构化抽取（providers → JSON，按 freeModels 降序） | ✅ 输出与真值**逐字段一致** | ### 3. 真实报错与修复（原文留档） **报错 A（启动失败）** ``` The file does not exist at ".../node_modules/.vite/deps_ssr/base-hn_OgmWn.js?v=80264245" which is in the optimize deps directory. The dependency might be incompatible with the dep optimizer. at runInRunnerObject (workers/runner-worker/index.js:107:3) [ELIFECYCLE] Command failed with exit code 1. ``` 原因：`@astrojs/cloudflare` 的 dev SSR 依赖优化器与 Astro 7.3.1 的 `deps_ssr` 产物不兼容（清缓存无效，hash 每次都变）。修复：改用 `pnpm preview` 运行已构建产物（build 本就成功），走真实 Cloudflare 运行时 → 200。 **报错 B（免费模型下线）** ``` HTTP 400 {"error":{"message":"Model 'gpt-oss' is currently unavailable.","code":"model_unavailable"}} ``` 原因：目录自己的 README 就写明「Free tiers change without warning」——实测当天该免费模型确实已下线。修复：查 `/v1/models` 实时列表，按 gotchas「匿名仅限 turbo 集合 + 占位密钥 `unused`」改用 `codestral-latest`。 **报错 C（非免费模型需密钥）** ``` HTTP 401 {"error":{"message":"Missing API key.","code":"missing_api_key"}} ``` 原因：同一端点上的非免费模型（如 `gpt-5.6-terra`）要求真实 API key。修复：不越界、不申请密钥，改用匿名免费集合内的模型完成任务。 ### 4. 可复现命令（干净机器上重跑） ```bash git clone --depth 1 https://github.com/midudev/itsfree.ai.git && cd itsfree.ai pnpm install && pnpm build && pnpm preview # → http://localhost:4321 （HTTP 200） # 一次真实免费调用（无需注册、无需绑卡、无需真实密钥） curl -sS https://api.llm7.io/v1/chat/completions \ -H 'Content-Type: application/json' -H 'Authorization: Bearer unused' \ -d '{"model":"codestral-latest","messages":[{"role":"user","content":"只回复两个字：成功"}],"temperature":0}' ``` --- ## 二、最终结果 - 站点在本机**真实跑通**：`http://localhost:4321/` 返回 HTTP 200，75 个页面构建成功，首页/服务商页/本地运行页均正常渲染（4 张真实截图已存档）。 - 用目录中的**零门槛免费 API**完成了一次真实生成任务，**输出经机器校验与真值完全一致**（6/6 条目、排序正确）。 - 全过程**未支付任何费用、未注册任何账号、未绑定任何卡**。 --- ## 三、输入和输出对比 **输入**（`logs/task-request.json`，732 字符）：7 个 `requirement:'none'` 服务商的原始列表（id / baseUrl / freeModels / rateLimit），要求输出按 freeModels 降序的 JSON。 **输出**（`logs/task-response.json`，模型 `codestral-latest`）： ```json [{"id":"ovhcloud","freeModels":7},{"id":"llm7","freeModels":5}, {"id":"vllm","freeModels":0},{"id":"mlx","freeModels":0}, {"id":"llamafile","freeModels":0},{"id":"ollama","freeModels":0}] ``` **对比结论**（`logs/task-verification.json`）： | 项 | 值 | |---|---| | 真值条目数 | 6 | | 模型输出条目数 | 6 | | 字段与排序是否完全一致 | **是（match=true）** | | 输入 tokens | 272 | | 输出 tokens | 101 | | 合计 tokens | 373 | | 本次费用 | **¥0（免费额度）** | | 耗时 | 1.69s（curl 实测） | **速度/步骤对比**：手工逐家比对 7 条服务商的限流与模型数并排序，人工约需 3–5 分钟且易漏；本流程 = 1 次调用 1.69 秒，成本 0 元。 **能力边界（如实记录）**：同一免费模型在被问「该项目解决什么问题」时给出了**错误回答**（答成「帮助开发者快速验证域名是否可用」）。免费额度换来的是下限能力的模型——**能省钱的场景与需要高准确率的场景要分开用**。 --- ## 四、使用步骤 1. 访问 https://itsfree.ai 或按上文命令在本地跑起站点。 2. 用筛选器选 `no sign-up` / `no card` / `openai-compatible`，或直接进 `/local` 看免服务商运行时。 3. 点进目标服务商页（如 `/provider/llm7`），抄走 **Base URL + 示例模型 + 环境变量名**。 4. 读该页 `gotchas`（本实验最大的坑全在这里：占位密钥 `unused`、匿名只限 turbo 集合、哪些模型已下线）。 5. 用任意 OpenAI 兼容客户端指向该 Base URL 调用；先跑一次最小请求确认额度可用。 6. 生产前注意：免费额度会随时变化（站点自己会标注 `LAST_VERIFIED`，超过时效需自行复核）。 --- ## 五、使用者收益 - **省钱可量化**：轻量调用场景下，把月费订阅/按 token 计费替换为免费额度，直接成本为 0。单次结构化抽取（373 tokens）在付费路径上是真金白银，这里 ¥0。 - **省时间**：把「翻 25 家文档找限流和 Base URL」压缩成一次搜索 + 一次复制；本实验里「找出全部零门槛服务商并排序」用了 1.69 秒。 - **零门槛验证**：`requirement:'none'` 的 7 家无需注册、无需绑卡即可调用，适合先验证想法再决定要不要付费。 --- ## 六、替代价值 | 被替代对象 | 原来要付的代价 | 现在 | |---|---|---| | ChatGPT Plus / Claude Pro 等月费（用于轻量调用） | 每月固定订阅费 | ¥0（免费额度路径） | | 付费 API 按 token 计费 | 按量付费 | ¥0（本次 373 tokens） | | 本机跑模型（需 GPU + 下载权重） | 显卡成本 + 数十 GB 下载 | 目录里 9 个本地运行时任选，或直接用免费云额度 | | 人工搜集维护「免费额度」资料 | 反复查文档、资料常年过期 | 该目录本身，TS 数据文件 + `LAST_VERIFIED` 标注 | --- ## 七、缺点 1. **免费额度不稳定**：实测当天 `gpt-oss` 已下线；站点 README 自己就写「Free tiers change without warning」。 2. **匿名档能力弱**：匿名免费集合多为小模型，实测对项目事实性问题回答错误。 3. **开发服务器跑不起来**：`pnpm dev` 与 Cloudflare adapter 有真实兼容问题，只能 `pnpm build && pnpm preview`。 4. **数据靠人工维护**：`LAST_VERIFIED` 是「2 Sep 2026」，之后的变化无人自动同步。 5. **无 SPDX 许可证声明**：仓库 README 未见明确许可条款（本报告不擅自补写）。 6. **示例模型可能过期**：文档写的 `exampleModel: 'gpt-oss'` 实际已不可用，必须查实时 `/models`。 --- ## 八、实验风险（一句话）本次实验的风险只在采集与记录环节——免费额度随时变动、示例模型会过期、开发服务器与 Cloudflare 适配器存在兼容问题，需以 `pnpm preview` 与实时模型列表为准，不依赖文档快照。 --- ## 九、可下载文件 | 文件 | 说明 | |---|---| | `logs/planting-log.md` | 播种区全过程流水（时间/环境/命令/结果/报错/修复） | | `logs/pnpm-install.log`、`logs/pnpm-build.log` | 安装与构建原始输出 | | `logs/dev-server.log`、`dev-server-retry.log` | 两次 `pnpm dev` 失败原文 | | `logs/preview-server.log` | 修复后 preview 启动日志（含 200 服务） | | `logs/llm7-models.json` | 实时模型列表（45 个） | | `logs/task-request.json` / `task-response.json` / `task-verification.json` | 真实任务输入、输出、机器校验 | | `logs/llm7-*.json` | 4 次真实调用的原始请求/响应（含 2 次报错） | | `shots/01-home.png` 等 4 张 | 本地站点真实渲染截图（含 SHA-256） | | `logs/shots-sha256.txt` | 截图哈希清单 | | `seed-zone.md` | 种子区登记 |

01 · 问题

我想解决什么

想给脚本接 AI，最先拦住人的不是代码，而是费用与信息差：哪家有真免费额度、限流多少、Base URL 怎么填、要不要绑卡，这些信息散落在不同文档且随时会变。为了验证一个小想法先开月费订阅，成本不低。

02 · 过程

我是怎样做的

① git clone（HEAD c53a15a8，作者 midudev）；② pnpm install 229 包 12.8s；③ pnpm build 75 页 3.22s；④ pnpm dev 两次失败（Vite deps_ssr 文件缺失，清缓存无效）；⑤ 改用 pnpm preview，本地 HTTP 200，ready in 36ms；⑥ 读取 providers.ts 中 requirement:'none' 的条目，选 llm7（https://api.llm7.io/v1）；⑦ 真实调用：gpt-oss 返回 model_unavailable，非匿名模型返回密钥错误，最终 codestral-latest + 占位密钥返回 HTTP 200。

03 · 结果

实际发生了什么

真实任务：把 6 条服务商数据按 freeModels 降序抽成 JSON。模型输出 6 条，程序逐字段校验 match=true。本次 272 输入 + 101 输出 = 373 tokens，curl 实测 1.69 秒，费用 ¥0。人工逐家比对约需 3–5 分钟且易漏。

04 · 避坑

哪些地方值得注意

1) 免费额度会变：文档里的示例模型 gpt-oss 当天已不可用；2) 匿名档只限 turbo 集合且需带占位密钥，其他模型要真密钥；3) 开发服务器与 Cloudflare 适配器不兼容，pnpm dev 起不来，需用 pnpm build + pnpm preview；4) 同一免费模型回答项目事实时出错（说成『验证域名』），说明免费路径适合可机器校验的抽取，不适合高准确率事实问答。

05 · 最终评价

这次实验的结论

itsfree.ai 是有效的『先发现、再验证』入口：把分散的免费入口集中到一条可核验路径。免费额度与示例模型会变化，使用与发布前必须复核实时模型列表。

实验日志时间线

这项实验是怎样一步步做出来的。

01
第1次工作 · 获取仓库与安装依赖2026年9月10日
git clone --depth 1 https://github.com/midudev/itsfree.ai.git 取得官方仓库，HEAD 提交 c53a15a8f04394c86b7989e330463702401b9a75（作者 Miguel Ángel Durán / midudev，2026-09-08）。随后 pnpm install：解析 229 个包，Lockfile 通过供应链策略校验（378 条），新增 229 个依赖，含 esbuild/workerd postinstall。耗时 12.8 秒，正常结束。
02
第2次工作 · 构建站点（75 页）2026年9月10日
pnpm build 使用 Astro 7.3.1 + @astrojs/cloudflare 14.3.0 构建，产出 75 个页面（含 25 个服务商页、30+ 个模型页与全部索引页），耗时 3.22 秒；同时注入 /_astro/* 的 immutable Cache-Control 并生成 sitemap-index.xml。
03
第3次工作 · 开发服务器启动失败（真实报错）2026年9月10日
pnpm dev 首次启动失败，退出码 1。Vite 依赖优化器引用不存在的 chunk：The file does not exist at "node_modules/.vite/deps_ssr/base-hn_OgmWn.js?v=80264245" which is in the optimize deps directory，堆栈位于 workers/runner-worker/index.js。健康检查 localhost:4321/4322/3000 全部无响应，服务未起来。
04
第4次工作 · 清缓存重试仍失败（排除旧缓存假设）2026年9月10日
删除 node_modules/.vite 后重试 pnpm dev，同一错误复现，仅查询串 hash 变为 ?v=48e3c013。据此排除『旧缓存』这一假设，判定根因是 @astrojs/cloudflare 的 dev SSR 依赖优化器与 Astro 7.3.1 的 deps_ssr 产物不兼容。
05
第5次工作 · 改用 pnpm preview 跑通（修复成功）2026年9月10日
改用 pnpm preview 运行已构建产物（不依赖 dev SSR 优化器）。Astro 在 36 毫秒内 ready，本地地址 http://localhost:4321/ 返回 HTTP 200，四个真实页面（首页、服务商页、本地运行时页、免注册页）均完成真实渲染并截图存档。
06
第6次工作 · 真实免费 API 调用（3 次失败后成功）2026年9月10日
读取 src/data/providers.ts 中 requirement:'none' 的 7 个条目，选 llm7（https://api.llm7.io/v1）做真实调用。第1轮 gpt-oss 返回 HTTP 400 model_unavailable（文档示例模型当天已下线）；第2轮非免费模型返回 HTTP 401 missing_api_key；第3轮 gemma4:31b 配占位密钥返回 401 invalid_api_key；第4轮按页面 gotchas 改用匿名集合内的 codestral-latest + 占位密钥 unused，返回 HTTP 200 并取得真实 completion 与 token 用量。全程未申请真实密钥。
07
第7次工作 · 真实任务与机器校验（match=true）2026年9月10日
用免费模型完成一项可机器核验的真实任务：把 6 条零门槛服务商数据按 freeModels 降序抽成 JSON。模型输出 6 条，由脚本与预先从源数据取得的真值逐字段比对，结果完全一致（match=true）。本次用 272 输入 tokens + 101 输出 tokens = 373 tokens，curl 实测 1.69 秒，费用 ¥0。

收成区 · 与本实验绑定

报告、长文、视频材料和下载包都从上面的日志长出来。

“已产出”表示内容和文件已经形成，不代表核心 3D 界面的端到端验收已经通过。本实验仍保留为“进行中”。

实验报告 · 已公开

实验报告 · itsfree.ai 本地实测（含 3 个真实报错与修复）

长文章 · 已公开

长文章 · 零费用跑通一次真实 AI 调用

# 免费 AI 接口真正省下的不是 token：我用一次实测找到了它的使用边界给脚本、网页或个人工具接入 AI，最先消耗的往往不是 token，而是判断成本：哪家允许免费试用，是否必须注册或绑卡，Base URL 在哪里，文档里的模型今天还在不在。开一个付费套餐当然能绕过部分选择，但对尚未证明有用的原型来说，这等于在验证想法之前先承担固定成本。这次我们测试了 Miguel Ángel Durán（GitHub 用户名 `midudev`）创建的开源项目 `it's free*`。项目站点是 `https://itsfree.ai`，官方仓库是 `https://github.com/midudev/itsfree.ai`。它没有替用户转发模型请求，而是把分散的免费服务商、模型、本地运行入口和必要条件整理成可筛选目录。实验最终得到两个看似矛盾、其实很有价值的结果：同一个免费模型把 6 条结构化数据全部答对，机器逐字段核验一致；但当它回答“这个项目解决什么问题”时，却给出了与仓库无关的错误事实。这个对比帮助我们划出一条比“免费模型好不好用”更具体的边界：有明确输入、可计算真值和自动校验的任务，可以低成本尝试；需要高事实准确率的开放式问答，不能把语言流畅当作正确。本文不把一次成功包装成永久免费的承诺。它要回答的是：itsfree.ai 实际替使用者省下了哪段工作，怎样从目录走到真实调用，以及观众现在能用哪两个动作判断一个免费入口值不值得继续投入。 ## 一、itsfree.ai 替代的是分散查资料，而不是付费模型本身实验时，项目页面展示了 25 家提供免费额度的服务商、463 个免费模型和 9 个本地运行时。服务商与模型信息主要保存在仓库的 TypeScript 数据文件里，再由页面提供 no sign-up、no card、OpenAI-compatible 等筛选条件。进入具体服务商页，还能看到 Base URL、示例模型、环境变量名和 gotchas。这套设计的价值不在数字大，而在于把首次尝试所需的信息放到同一个决策界面里。过去需要分别打开搜索结果、服务商文档和模型列表，才能拼出一个候选；现在可以先按自己的条件缩小范围，再去服务商现场核实。这减少的是从零建立候选清单的重复劳动。但必须区分目录记录和本次实测。页面显示 463 个免费模型，不代表我们逐个调用了 463 个模型；9 个本地运行时也不代表它们都在本机完成安装。目录负责发现候选，实时接口与真实任务负责验证候选。把这两层证据分开，才不会把“页面里存在”误写成“今天一定可用”。 ## 二、本地跑通证明目录可用，也暴露了开发模式的真实边界我们在 macOS 26.6.2、arm64、Node v26.8.1 和 pnpm 11.19.0 环境中运行仓库指定提交。依赖安装与构建均成功，构建生成 75 个页面。真正的阻碍出现在 `pnpm dev`：Vite 报告 `node_modules/.vite/deps_ssr` 下的目标文件不存在，并提示依赖可能与优化器不兼容。第一次报错后，我们删除 `.vite` 缓存再试。错误仍然出现，只是文件后的 hash 查询串改变。这次复现排除了“简单清缓存即可修好”的解释，也提醒我们：重新执行命令不是修复证据，只有结果发生变化并通过检查才算修复。可用路径来自已经完成的构建产物。改用 `pnpm preview` 后，本地站点返回 HTTP 200，首页、llm7 服务商页、本地运行页和免注册筛选页都完成真实渲染。这个结果足以支持后续目录浏览，却不能被写成 `pnpm dev` 已恢复。对希望复现页面的读者，当前实测成功路径是安装、构建、preview；开发模式的兼容问题仍应与它分开描述。这里有一个常被忽略的判断：开源项目的价值不只取决于“默认命令是否一次成功”。如果失败原因被保留、替代路径与原机制区分清楚，并且最终页面能够回读，那么使用者仍可完成当前目标。可信实验不是隐去报错，而是明确报错影响了什么、没有影响什么。 ## 三、文档示例已经失效，实时列表才把我们带到成功结果页面跑通后，我们从目录中的 llm7 条目继续验证。它提供 OpenAI 兼容地址 `https://api.llm7.io/v1`，页面 gotchas 也说明了匿名集合和占位密钥相关条件。第一次照文档示例选择 `gpt-oss`，服务返回 HTTP 400 和 `model_unavailable`。换到另一个模型，无密钥请求返回 `missing_api_key`；另一轮使用占位密钥仍得到 `invalid_api_key`。这些错误说明两个事实：文档模型可能随免费层变化而下线；同一端点中的模型也不一定共享相同的匿名条件。真正有效的修复不是继续猜模型名，而是回到服务现场查询 `/v1/models` 实时列表，再结合 gotchas 选择 `codestral-latest`，Authorization 使用占位值 `unused`。这一次返回 HTTP 200。从失败到成功的关键不是多试了几次，而是诊断信息发生了变化：目录帮助定位服务商，gotchas 说明特殊条件，实时列表纠正文档时效，最小请求最后确认端点。由此得到一条可迁移的路径：筛选候选，阅读 gotchas，查询实时模型列表，再发最小请求。免费额度和模型名会变化，这个验证顺序比一份固定名单更耐用。 ## 四、接口返回 200 不等于完成了有价值的工作只让模型回复“你好”或“成功”，最多证明接口还能回应，不能回答它是否适合真实任务。为此，我们把输入设计成一组服务商记录，字段包括 id、Base URL、免费模型数和限流信息，要求模型仅输出 id 与 `freeModels`，并按免费模型数降序排列成 JSON。模型输出 6 个条目：`ovhcloud` 为 7，`llm7` 为 5，`vllm`、`mlx`、`llamafile`、`ollama` 均为 0。独立校验程序从源数据生成真值，再比较条目数、字段值和排序。模型输出与真值同为 6 条，每个字段和顺序一致，最终记录为 `match=true`。本次调用使用 272 个输入 tokens 和 101 个输出 tokens，共 373 tokens；curl 实测耗时 1.69 秒，费用记录为 0 元。这些数字之所以值得写，不是因为它们看起来漂亮，而是它们共同支持一个判断：对这一个结构化任务，免费端点完成了真实工作，且结果能够由程序判定，而不只是由人凭感觉认可。与人工逐家查看再手动排序相比，已跑通流程把重复比对变成一次模型处理和一次自动检查。实验材料曾估计人工完成这次明确任务约需 3 到 5 分钟；1.69 秒则是本次网络调用的实测耗时。两者的口径并不完全相同，因此不能扩写成“所有工作都提速上百倍”。更稳妥的结论是：当字段和真值已知时，机器校验可以替代人工逐项复核的主要部分。这也是免费模型最值得尝试的地方。费用降低让小样本原型更容易启动，自动校验则防止“便宜但答错”悄悄进入下一步。省下的不是所有人工，而是可以被规则明确表达、被程序重复检查的那部分工作。 ## 五、同一模型答错项目事实，反而让成功结果更有意义为了检验开放式事实回答，我们又问同一个模型这个项目解决什么问题。它回答：“帮助开发者快速验证域名是否可用。”这与 itsfree.ai 的仓库、页面和实际机制都无关。如果只保留前面的 `match=true`，很容易把一次结构化成功泛化成模型“准确可靠”；如果只保留这次事实错误，又会忽略它确实完成了可验证的数据任务。两项结果放在一起，才形成可行动的判断：任务结构决定了免费模型的可用方式。结构化抽取有清楚输入、有限字段和可计算真值，模型犯错时程序可以发现。开放式项目理解依赖上下文识别和事实判断，一段语法正确的回答并没有内置验真机制。因而，免费路径优先适合分类、格式转换、可校验抽取和原型阶段的小样本；涉及项目事实、外部知识或高准确率结论时，应回到原仓库和可靠来源核对，或者选择更适合的模型与服务路径。这不是给所有免费模型贴上同一个标签，也不是劝退使用者。恰恰相反，明确边界后，使用免费模型会更有效：把它放在容易发现错误的位置，而不是要求它独自承担无法复核的判断。 ## 六、观众现在可以立即做的两个动作第一个动作是用自己的真实条件筛选一个候选，而不是先比较所有套餐。打开 `https://itsfree.ai`，如果不想注册，就从 no-sign-up 页面开始；已有 OpenAI 兼容客户端，就查看 OpenAI-compatible；想在本机运行，则进入 local 页面。进入候选服务商后，只记录四类信息：Base URL、示例模型、环境变量名和 gotchas。这样得到的是一张与你当前条件匹配的最小候选卡，而不是一份庞大但无法行动的清单。第二个动作是用最小业务请求验证额度和结果。发布前先查实时模型列表，不要默认文档模型仍可用；然后发送一个足够代表真实用途、但规模很小的请求，同时保存 HTTP 状态与原始响应。如果输出是结构化数据，就检查 JSON 格式、必填字段、条目数和排序；如果涉及事实，就附上来源并逐项核对。验证通过后，再决定是否扩大样本、迁移业务或选择付费方案。这两个动作把“免费吗”改写成更有用的问题：“在我当前条件下，这个入口能否完成一个可以验真的最小任务？”答案不再依赖宣传语，而来自实时列表、原始响应和校验结果。需要保留的一句实验风险是：免费额度和示例模型会变化，复现与发布都应以当时的实时列表和原始日志为准。 ## 七、从结果看，itsfree.ai 最可靠的价值是什么对原作者而言，项目真正值得传播的不是“免费模型数量很多”这一句，而是把分散信息变成结构化、可筛选、可共同维护的开源目录。本文保留作者身份、官方仓库和工作机制，没有把实验室写成模型服务商，也没有把目录中的记录冒充逐项实测。对观众而言，收益是一条今天就能执行的决策路径。先按条件筛选，再读 gotchas、查实时列表、发最小请求、增加机器校验。它既允许低成本尝试，也能在输出不可靠时尽早发现问题。与先开订阅再寻找用途相比，这条路径把“验证想法”和“决定付费”拆成两个阶段。对我们而言，这次实验最有价值的不是得到一次 HTTP 200，而是得到一个有边界的判断。`codestral-latest` 在 6 条服务商数据抽取中逐字段一致，却在项目事实问答中明显出错。这比笼统评价“模型很好”或“免费模型不可靠”更接近真实使用：对可校验任务积极采用，对不可校验结论增加来源核对。最终结论是明确而积极的：itsfree.ai 在本次环境中成功构建并通过 preview 返回 HTTP 200，目录线索也实际带我们完成了一次 373 tokens、1.69 秒、费用记录为 0 元的结构化调用，6 条结果机器核验一致。它有效缩短了从“我想试一个 AI 功能”到“我拿到可验证结果”的距离。如果你正在做 AI 原型，下一步不必先购买套餐，也不必收藏更多免费模型名单。先打开 itsfree.ai，选一个符合条件的入口；再用最小请求和自动检查证明它能完成你的那一小段工作。真正可复用的不是某个今天免费的模型，而是把低成本尝试与证据核验放在一起的方法。 ## 配图位置与来源 1. 文首：`shots/01-home.png`，本次本地首页真实渲染。 2. “分散查资料”段后：`shots/04-no-signup.png`，免注册筛选真实画面。 3. “实时列表”段：`shots/02-provider-llm7.png`，llm7 服务商页真实画面。 4. “两个动作”段：`shots/03-local-runtime.png`，本地运行入口真实画面。 5. 结果对比图从 `logs/task-request.json`、`task-response.json`、`task-verification.json` 生成，必须明确标注为由实验文件制作，不冒充产品界面。 ## 引用与事实文件 - 官方仓库：https://github.com/midudev/itsfree.ai - 项目站点：https://itsfree.ai - 本次实验报告：`experiments/2026-09-10-itsfree-ai/harvest-experiment-report.md` - 播种记录：`experiments/2026-09-10-itsfree-ai/logs/planting-log.md` - 机器校验：`experiments/2026-09-10-itsfree-ai/logs/task-verification.json` - 截图哈希：`experiments/2026-09-10-itsfree-ai/logs/shots-sha256.txt` 实际字数：5459 字（机器复核口径：UTF-8 文本字符总数，`wc -m`）。

视频制作包 · 已公开

视频制作包 · 口播稿（八段）+ 十五类画面对照表

# itsfree.ai 口播稿（录音版）版本：2026-09-11 收成区初稿事实基线：`experiments/2026-09-10-itsfree-ai/harvest-experiment-report.md` ## 一、具体痛点想给自己的小工具接一个 AI 模型，最先拦住人的往往不是代码，而是费用和信息差。哪家有真正的免费额度，限流是多少，Base URL 怎么填，要不要注册、要不要绑卡，这些信息散落在不同文档里，而且随时会变。为了验证一个小想法，先开月费订阅，或者逐家翻文档、试接口，成本都不低。 ## 二、前十秒钩子这次我把一个收集免费 AI 模型入口的开源项目真实跑了起来，还用其中一个免费接口，在 1.69 秒内完成了 373 tokens 的结构化抽取，机器校验逐字段一致，本次调用费用是零元。过程中也连续遇到模型下线、密钥错误和开发服务器启动失败，我把成功路径完整保留下来了。 ## 三、明确承诺接下来我会用真实日志说明三件事：这个目录怎样把分散的免费入口放在一起；怎样从页面信息走到一次真实 API 调用；以及免费路径适合拿来做什么、使用前要复核什么。看完以后，你可以照着同一条路径，先用最小请求验证自己的 AI 想法，再决定要不要投入付费资源。 ## 四、项目、原作者与工作机制项目叫 `it's free*`，仓库是 `midudev/itsfree.ai`，原作者是 Miguel Ángel Durán，也就是 GitHub 上的 `midudev`。它不是一个替你调用所有模型的中转站，而是一份可以筛选和核对的免费运行途径目录。实验时的页面数据显示，它收录了 25 家有免费额度的服务商、463 个免费模型，以及 9 个不需要服务商的本地运行时。它的工作机制很直接：服务商、模型和资源数据写在仓库的 TypeScript 文件里，页面按注册要求、是否绑卡、接口兼容方式等条件展示。点进某个服务商页，可以看到 Base URL、示例模型、环境变量名和 gotchas。这里最有价值的不是“免费”两个字，而是把开始调用所需的信息放进了同一条查找路径。门槛只需一句：本地构建需要 Node 22.12 以上与 pnpm。 ## 五、真实实验我在一台 arm64 Mac 上执行实验，系统是 macOS 26.6.2，Node v26.8.1，pnpm 11.19.0。拉取的是仓库提交 `c53a15a8f04394c86b7989e330463702401b9a75`。先运行 `pnpm install`，安装 229 个包，用时 12.8 秒；再运行 `pnpm build`，成功构建 75 个页面，用时 3.22 秒。第一次执行 `pnpm dev` 没有启动成功。Vite 报错说 `node_modules/.vite/deps_ssr` 里的依赖文件不存在，并提示依赖可能与优化器不兼容。我先删除 `.vite` 缓存再试，错误仍然出现，只是查询串的 hash 发生了变化，所以这不是一次简单的旧缓存问题。随后改用 `pnpm preview` 运行已经构建好的产物，Astro 在 36 毫秒内 ready，本地地址返回 HTTP 200，首页、llm7 服务商页、本地运行页和免注册筛选页都真实渲染出来。站点跑通以后，我从 `providers.ts` 中查看 `requirement: 'none'` 的条目，再选择 llm7 的 OpenAI 兼容地址 `https://api.llm7.io/v1` 做真实调用。第一轮使用文档示例 `gpt-oss`，服务返回 HTTP 400：这个模型当前不可用。第二轮试了不在匿名免费集合里的 `gpt-5.6-terra`，返回 HTTP 401，提示缺少 API key。另一轮 `gemma4:31b` 配占位密钥也返回 `invalid_api_key`。我没有申请新密钥，也没有把错误藏掉，而是读取实时模型列表，按照页面 gotchas 改用匿名集合里的 `codestral-latest`，并使用占位密钥 `unused`，最终得到 HTTP 200。真实任务不是只让模型回复一句“成功”。我输入了服务商原始列表中的 id、Base URL、免费模型数和限流信息，要求模型抽取 id 与 freeModels，并按免费模型数降序输出 JSON。返回结果随后交给机器脚本，与预先从源数据得到的真值逐字段比对。 ## 六、结果与对比最终输出是六个条目：`ovhcloud` 有 7 个免费模型，`llm7` 有 5 个，`vllm`、`mlx`、`llamafile` 和 `ollama` 都是 0。机器校验显示真值条目数为 6，模型输出也是 6，字段与排序完全一致，`match=true`。这次请求使用 272 个输入 tokens、101 个输出 tokens，总计 373 tokens；curl 实测耗时 1.69 秒，本次费用为零元。对照报告里记录的人工方式，逐家比对服务商信息再排序，估计要 3 到 5 分钟；这次已跑通的流程是一轮调用加一次机器核验。这里比较的是本次明确任务的步骤和实测耗时，不把它扩展成所有任务都能同样快。承诺的三点也在这里逐项兑现：目录通过页面与 TypeScript 数据把入口集中起来；Base URL、实时模型列表、占位密钥和最小请求组成了可复现调用路径；真实成功结果说明它适合先验证结构化抽取一类轻量想法。同时，本次还有一个必须保留的观察：同一个免费模型回答“这个项目解决什么问题”时，答成了验证域名是否可用，事实错误。因此，低成本试验和高准确率事实任务应当分开判断。 ## 七、观众利益、场景与思考对个人开发者、学生和小团队，这个项目最直接的帮助是把“先付钱”改成“先验证”。你可以先筛选 no sign-up、no card 或 OpenAI-compatible，进入服务商详情页，复制 Base URL 和示例参数，再用一个最小请求验证当前额度。需要完全在本地运行时，也可以从 local 页面继续查找运行时入口。适合优先尝试的场景包括：原型中的分类、格式转换、结构化抽取、批量改写前的小样本测试，以及学习 OpenAI 兼容接口。真正进入生产前，则要重新查看实时模型列表和站点的 `LAST_VERIFIED`，因为这次实验已经证明，文档中的示例模型可能在运行当天不可用。这也带来一个更重要的判断：免费目录的价值不是承诺永远免费的固定清单，而是缩短“发现、核对、最小验证”这条路径。把免费模型当成原型验证资源，把机器校验留在流程里，比只看宣传文字更可靠。原作者提供了集中、可读、可修改的数据入口；观众得到一条能亲手复现的起步路径；实验室则用成功与报错同时留档，帮助中文观众看见项目的真实价值。实验风险只有一句：免费额度和示例模型会变化，录制与发布时必须以实时列表和本次原始日志为准。 ## 八、积极直接的结论和下一步 `itsfree.ai` 已经在本次 Mac 环境中完成构建并通过 preview 返回 HTTP 200，也确实带我们走完了一次零费用的模型调用和机器校验。它最适合做的，不是替你保证某个免费模型长期可用，而是让你更快找到入口、读清条件、跑出第一个可核对结果。下一步很明确：打开 `https://itsfree.ai`，先选择 no sign-up 或 OpenAI-compatible，进入服务商页读完 gotchas，再用最小请求测试实时可用性。项目仓库在 `https://github.com/midudev/itsfree.ai`。如果你也在做 AI 原型，这条“先查目录、再跑最小请求、最后机器核验”的路径值得直接带进自己的工作流。 --- ## 结构定位表 | 段落 | 原文定位 | 核心任务 | 证据 | |---|---|---|---| | 1 具体痛点 | “想给自己的小工具接一个 AI 模型……” | 明确费用与信息分散问题 | `seed-zone.md` 第 39–43 行 | | 2 前十秒钩子 | “这次我把一个收集……” | 处境、矛盾、可见结果 | `task-verification.json`；实验报告第 94–107 行 | | 3 明确承诺 | “接下来我会用真实日志说明三件事……” | 三项可兑现收益 | 实验报告第 113–120 行及全链路日志 | | 4 项目机制 | “项目叫 it's free*……” | 项目、作者、机制、轻门槛 | `seed-zone.md`；实验报告第 10–14 行 | | 5 真实实验 | “我在一台 arm64 Mac……” | 环境、输入、安装、操作、输出、报错、修复 | `planting-log.md`、`pnpm-*.log`、`llm7-*.json` | | 6 结果对比 | “最终输出是六个条目……” | 输入输出、tokens、耗时、步骤对比、承诺兑现 | `task-verification.json`；实验报告第 82–109 行 | | 7 利益与思考 | “对个人开发者……” | 动作、场景、比较判断、三方价值 | 实验报告第 113–139 行 | | 8 结论下一步 | “itsfree.ai 已经……” | 积极结论与可执行动作 | `preview-server.log`、`task-verification.json` | ## 钩子与承诺原句 - 钩子：“这次我把一个收集免费 AI 模型入口的开源项目真实跑了起来，还用其中一个免费接口，在 1.69 秒内完成了 373 tokens 的结构化抽取，机器校验逐字段一致，本次调用费用是零元。” - 承诺：“接下来我会用真实日志说明三件事：这个目录怎样把分散的免费入口放在一起；怎样从页面信息走到一次真实 API 调用；以及免费路径适合拿来做什么、使用前要复核什么。” ## 承诺—证据对应 | 承诺 | 稿内兑现 | 原始证据 | |---|---|---| | 说明目录如何集中入口 | 第四段说明 TS 数据与页面字段 | `harvest-experiment-report.md` 第 10–14 行 | | 走到真实 API 调用 | 第五段四轮调用与成功路径 | `logs/llm7-*.json`、`logs/llm7-models.json` | | 说明适合场景与复核项 | 第六、七段的轻量抽取、实时列表、机器校验 | `task-verification.json`、实验报告第 107–120 行 | ## 三方价值说明 - 原作者：准确标注 Miguel Ángel Durán / `midudev`，展示仓库机制、真实页面与项目链接，不把实验室包装成项目作者。 - 观众：获得一条“筛选—读 gotchas—最小调用—机器校验”的可执行路径，并看到成功和报错的真实边界。 - 实验室：以同一实验的日志、截图和校验文件建立可信内容，不承诺播放量或未测收益。 ## 逐段素材需求 | 段落 | 素材 | |---|---| | 1 | 用户面对多家文档的概念转场；需明确标注“示意”，不作实验证据 | | 2 | `04-no-signup.png`、任务校验结果卡；结果卡需补拍 | | 3 | 三项承诺文字卡；证据文件路径短暂叠加 | | 4 | `01-home.png`、作者/仓库页面；作者社区画面需补拍 | | 5 | 安装、构建、dev 报错、preview 成功、llm7 页面与调用过程；除现有页面截图外均需补拍 | | 6 | 输入/输出并排、1.69s / 373 tokens / match=true 结果卡；需补拍或由真实 JSON 制作数据卡 | | 7 | `03-local-runtime.png`、`04-no-signup.png`、真实使用路径操作；操作需补拍 | | 8 | 首页、仓库链接与明确结论设计卡；结论卡需制作 | ## 朗读修订记录 1. 将开头从抽象的“免费 AI 很多”改为“给小工具接模型时遇到费用与信息差”，保证陈述句直接进入具体处境。 2. 把安装、构建和四轮调用拆成短句；数字后留自然停顿，避免一口气堆日志。 3. 删除“永久免费”“人人都能省下订阅费”等无法由本次实验保证的表达。 4. 将门槛压缩为一句；将实验风险合并为一句；费用只陈述本次真实调用的零元结果。 5. 把“人工 3–5 分钟”限定为报告中这一次逐家比对并排序的估计，不外推为普遍节省。 6. 保留模型事实性回答错误的观察，但不设“缺点/局限”标题，不让失败抢走成功路径主线。 --- # YouTube 十五类画面对照表 — itsfree.ai 说明：时间按当前口播稿估算，最终须在收到用户确认口播与音频后按真实音频重排。真实画面一律来自本次实验的真实渲染截图或真实连续录屏；日志是事实来源，但不是现成视频画面。没有真实画面的项目一律标为“需补拍”，不得以概念图冒充。 | # | 十五类 | 文件名 / 状态 | 使用时间（估算） | 对应口播 | 字幕 | 补拍要求 / 证据来源 | |---|---|---|---|---|---|---| | 1 | 项目首页或原作者介绍 | `shots/01-home.png`（已完成，真图） | 00:00–00:06 | “想给自己的小工具接一个 AI 模型……” | 免费入口散落，先找再验 | 使用首页真实截图做首张雷达画面；来源 `shots-sha256.txt` | | 2 | 项目核心功能 | `shots/04-no-signup.png`（已完成，真图） | 00:06–00:12 | “哪家有真正的免费额度……” | no sign-up / no card / OpenAI-compatible | 第二张雷达画面；真实免注册筛选结果 | | 3 | 安装过程录屏 | `shots/03-install-recording.mp4`（已完成，真录屏 50s） | 01:22–01:30 | “先运行 pnpm install……” | 229 packages · 11.9s（本次复录） | 干净工作副本 + 全新依赖存储连续录制 `pnpm install`；事实源 `pnpm-install.log`（首装 12.8s） | | 4 | 首次运行 | `无录制文件`（无法复现） | 01:40–01:48 | “第一次执行 pnpm dev 没有启动成功” | 首次运行：dev 启动失败 | 原错误为 `deps_ssr/base-hn_OgmWn.js 不存在`（exit 1），见 `dev-server.log`/`planting-log.md`；复录时 `pnpm dev` 已可启动（ready，HTTP 200），原错误不再复现，故未伪造重演 | | 5 | 关键操作 | `shots/05-filter-and-provider.mp4`（已完成，真录屏 15s） | 00:54–01:10 | “点进某个服务商页……” | 筛选 → 服务商页 → gotchas | 真实站点连续录屏：首页 → /free-ai-apis-without-signup/ → /provider/llm7/，项目身份可见 | | 6 | 最终结果 | `shots/02-provider-llm7.png`（真图）+ `shots/06-final-result-http200.mp4`（已完成，真录屏 15s） | 02:42–02:50 | “最终得到 HTTP 200” | llm7 · OpenAI-compatible | 首页 HTTP 200 真实渲染；`curl localhost:4321/` 回读 HTTP 200（另见 #12） | | 7 | 输入和输出对比 | `shots/07-input-output-comparison.png`（已完成，真数据卡） | 03:15–03:34 | “我输入了服务商原始列表……” | 原始列表 → 排序 JSON · 6/6 一致 | 以 `task-request.json` 与 `task-response.json` 制作左右并排真实数据卡，保留文件名 | | 8 | 速度或步骤对比 | `shots/08-speed-steps-card.png`（已完成，真数据卡） | 03:42–03:56 | “curl 实测耗时 1.69 秒……” | 本次调用 1.69 秒 / 人工 3–5 分钟（估计） | 用 `task-verification.json` 与报告记录制卡，明确“本次任务”边界 | | 9 | 项目目录或核心文件 | `shots/09-project-data-files.mp4`（已完成，真录屏 16s） | 01:02–01:16 | “数据写在仓库的 TypeScript 文件里” | providers.ts · models.ts · resources.ts | 录制仓库目录与真实文件内容（`wc -l` + llm7 条目原文），不停留终端 | | 10 | README 关键段落 | `shots/06-readme.png`（已完成，真图） | 02:10–02:20 | “Free tiers change without warning” | 免费额度会变化，实时复核 | 拍仓库 README 对应原文；不可重新排版后冒充 README | | 11 | 真实报错 | `shots/11-real-errors.mp4`（已完成，真录屏 18s） | 01:48–02:12 | “依赖文件不存在……模型当前不可用……” | model_unavailable / missing_api_key / invalid_api_key | 真实 curl 复现三类 API 错误；dev 的 deps_ssr 错误现不复现，见 `dev-server.log` | | 12 | 修复后的成功 | `shots/12-preview-http200-and-api200.mp4`（已完成，真录屏 18s） | 02:20–02:45 | “改用 pnpm preview……最终得到 HTTP 200” | preview HTTP 200 · API HTTP 200 | 真实录制 `pnpm preview` 启动 + `curl` HTTP 200 + codestral-latest 真实调用成功 | | 13 | 用户使用场景 | `shots/03-local-runtime.png`（已完成，真图） | 04:26–04:40 | “需要完全在本地运行时……” | 原型验证 / 学习接口 / 本地运行入口 | 真实 local 页面；可叠加场景文字，不能说已实测 9 个本地运行时 | | 14 | 作者或社区活跃情况 | `shots/05-github-repo.png` + `shots/07-commits.png`（已完成，真图） | 00:42–00:54 | “原作者是 Miguel Ángel Durán……” | Miguel Ángel Durán · @midudev | 官方 GitHub 仓库作者/HEAD 提交与提交历史页面 | | 15 | 最终结论 | `shots/15-conclusion-card.png`（已完成，真首页底设计卡） | 05:16–05:30 | “先查目录、再跑最小请求、最后机器核验” | 找入口 → 最小请求 → 机器核验 | 以真实首页为底制作结论卡，标出项目链接；设计卡不充当额外实验证据 | ## 开头三张雷达画面 1. 00:00–00:03：`01-home.png`，字幕“免费 AI 入口集中目录”。 2. 00:03–00:07：`04-no-signup.png`，字幕“免注册条件直接筛选”。 3. 00:07–00:10：`02-provider-llm7.png`，字幕“从服务商信息走到真实调用”。三张均来自本次站点真实渲染；第三张只证明服务商页面存在，实际调用成功由第 12 类补拍证据承担。 ## 顺序核对用户痛点（1）→ 项目亮点（2、4、9）→ 真实操作（3、4、5）→ 关键结果（6、7、8、11、12）→ 使用者收益（13）→ 替代价值（8）→ 使用步骤（5、10）→ 实际失败原因（11）→ 一句话实验风险（10）→ 明确结论（15）。 ## 数量回执 - 十五类映射：15/15 已建立。 - 本次已有可直接引用的真实画面：14 类（#1、#2、#3、#5、#6、#7、#8、#9、#10、#11、#12、#13、#14、#15）。 - 无法复现 1 类（#4 首次运行失败）：原错误真实存在并已留档（`dev-server.log`、`planting-log.md`），但当前环境 `pnpm dev` 已可正常启动，原 `deps_ssr` 错误不再复现，依制度不伪造重演。 - 现阶段不得开始剪辑：须由主控复核 15 项媒体证据，再由用户确认口播稿并提供对应音频。 --- ## 补拍完成回执（2026-09-11 录制，真录屏 / 真数据卡）以下为本次新增的真实录制与数据卡（均含 SHA-256，见 `logs/shots-sha256.txt`）。录屏为 macOS `screencapture -v` 原生 QuickTime（H.264）经无损 remux 为 `.mp4`；数据卡由真实 JSON/日志内容渲染，不是日志文字伪装。 | 文件 | 类型 | 时长/尺寸 | 对应口播段落 | 字幕 | 真实性依据 | |---|---|---|---|---|---| | `shots/03-install-recording.mp4` | 真录屏 | 50.0s | 五（真实实验） | 229 packages · 11.9s | 干净 worktree + 全新 store-dir，真实下载 `Packages: +229`、`Done in 11.9s` | | `shots/05-filter-and-provider.mp4` | 真录屏 | 15.0s | 五（关键操作） | 筛选 → llm7 服务商页 → gotchas | 真实站点 localhost:4321 连续导航 | | `shots/06-final-result-http200.mp4` | 真录屏 | 15.0s | 六（结果） | 首页 HTTP 200 · OpenAI-compatible | 真实站点首页渲染 | | `shots/07-input-output-comparison.png` | 真数据卡 | 1920×1080 | 六（输入输出对比） | 原始列表 → 排序 JSON · 6/6 一致 | `task-request.json`/`task-response.json` 真实内容，保留文件名 | | `shots/08-speed-steps-card.png` | 真数据卡 | 1920×1080 | 六（速度/步骤对比） | 1.69 秒 / 3–5 分钟（估计） | `task-verification.json` 真实数值 | | `shots/09-project-data-files.mp4` | 真录屏 | 16.0s | 四/五（目录与核心文件） | providers.ts · models.ts · resources.ts | 真实 `wc -l` 与 llm7 条目原文 | | `shots/11-real-errors.mp4` | 真录屏 | 18.0s | 五（真实报错） | model_unavailable / missing_api_key / invalid_api_key | 真实 curl 复现三类 API 错误 | | `shots/12-preview-http200-and-api200.mp4` | 真录屏 | 18.0s | 五/六（修复后成功） | preview HTTP 200 · API HTTP 200 | 真实 `pnpm preview` 启动 + `curl` 200 + codestral-latest 成功 | | `shots/15-conclusion-card.png` | 真首页底设计卡 | 1920×1080 | 八（最终结论） | 找入口 → 最小请求 → 机器核验 | 以真实首页 `01-home.png` 为底叠加结论 | ### 仍缺项（1 项） - #4 首次运行（真实失败画面）：原错误 `deps_ssr/base-hn_OgmWn.js 不存在` 真实发生并已留档于 `logs/dev-server.log`（00:52:46 与 00:53:21 两次，exit code 1）与 `logs/planting-log.md`。本次补拍时实测 `pnpm dev` 已能启动（`astro v7.3.1 ready`，`/` 与 `/provider/llm7/` 均 HTTP 200），原错误不再复现。依制度“不得重演别的错误、不得凑数”，该项不伪造录制，以原始日志为事实依据。是否接受该处置由主控与用户共同决定。 ### 终端画面占比提示六段录屏均含真实终端画面（#3/#9/#11/#12 为终端，时长 16–50s），供剪辑时按 V36 规则切分（终端画面总时长不超过全片 20%，连续不超过 5 秒，任一单镜不可循环填充）。此为原始素材，非成片。

完整资料包 · 已公开

素材包 · 真实截图/录屏/无版权 b-roll 清单

实验素材（均已归档，可核对）： · 真实站点渲染截图 74 张（shots/、frames/） · 真实操作录屏 6 段（已裁为非全屏、单段 ≤8s）：安装、筛选、构建产物 HTTP200、项目数据文件、真实报错、预览与 API 200 · 无版权 b-roll 17 段（Coverr，免版税免署名，按口播语义分 5 组） · 数据卡 3 张（输入输出对比、速度/步骤对比、结论卡） · 成片（无字幕版）：11:09.7，1920×1080，112 镜头，黑屏 0% 所有素材均来自本次真实实验，无概念图、无重绘网页。

记录图片

作者留下的画面。

itsfree.ai 首页真实渲染：Every free way to run an AI model（本地 pnpm preview，HTTP 200）

llm7 服务商页：Base URL、示例模型、限流与 gotchas（真实调用所用条目）

官方仓库 midudev/itsfree.ai（HEAD c53a15a8，作者 @midudev）

README 关键段落：Free tiers change without warning（本次实验的真实前提）

速度/步骤对比：人工 3–5 分钟 vs 本次 1.69 秒、373 tokens、¥0