Skip to content

OLmatter/glm-coding-helper

Repository files navigation

智谱 GLM Coding Plan 抢购助手 + 本地 OCR 自动验证码

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/GPU 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。

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。

English 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.

演示

5198AE9D-A48D-48fa-9D68-E50AC85E1E40.1.mp4

能做什么

  • GLM Coding Plan 抢购流程辅助,减少手动刷新和返回操作
  • 提前解除页面按钮不可点击状态,让订阅按钮可以操作
  • 自动切换套餐和订阅周期,按配置顺序尝试
  • 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
  • 支持 CPU/GPU 本地识别,不上传验证码图片到第三方服务
  • 支持一键多开窗口,方便补货前预热和同时监控
  • 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
  • 默认不自动关闭无效支付链接/限流弹窗,需要在配置面板里手动开启
  • 默认使用作者内置折扣入口进入 GLM Coding Plan

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%。

后端配置、GPU/CPU 自动选择、worker 数、OCR 配置等说明见:

docs/backend_config.md

修复历史见:

CHANGELOG.md

快速开始

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:

  1. 下载 Release 压缩包
  2. 解压
  3. 安装油猴脚本
  4. 双击启动后端
  5. 打开 GLM Coding Plan 页面

1. 下载压缩包

到 Releases 页面下载:

https://github.com/OLmatter/glm-coding-helper/releases

推荐二选一:

文件 适合谁 说明
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
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/GPU 环境

不知道选哪个,就下载 portable-cpu

2. 解压

把 zip 解压到一个普通目录,例如:

D:\Tools\glm-coding-helper

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。

3. 安装油猴脚本

  1. 在 Chrome 或 Edge 安装 Tampermonkey:https://www.tampermonkey.net/
  2. 安装脚本,二选一:

方式 A:访问 Greasy Fork 页面安装:

https://greasyfork.org/zh-CN/scripts/579760-glm-coding-helper

方式 B:打开解压目录里的本地脚本:

glm-coding-helper.user.js
  1. 如果使用方式 B,就复制全部内容,新建 Tampermonkey 脚本,粘贴并保存。
  2. 确认脚本已启用。

Chrome 用户如果脚本不运行,请打开扩展详情,开启:

  • 开发者模式
  • 允许用户脚本
  • 允许在无痕模式中启用(如果你用无痕窗口)

Greasy 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/userscripts/ 只是保留给开发和旧路径兼容。

4. 启动后端

如果下载的是自带环境包:

start-backend.cmd

如果下载的是在线安装包:

one-click-start.cmd

后端启动后默认监听:

http://127.0.0.1:8888

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:

https://www.bigmodel.cn/glm-coding

抢购步骤

⚠️ 重要:RPM 风控警告(2026-06)

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/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。

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。

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。

  1. 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。
  2. 下载并解压 Release 包,双击 start-backend.cmdone-click-start.cmd 启动本地后端。
  3. 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。
  4. 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。
  5. 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。
  6. 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。

快捷键

  • Esc:关闭系统繁忙弹窗或支付弹窗
  • Enter / Space:点击验证码确认按钮

重要提醒

  • 默认会自动识别验证码并点击目标文字。
  • 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。
  • 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。
  • 遇到真正有金额的支付二维码,请自行确认后再扫码支付。
  • 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 555/429。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。
  • 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。

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。

交流群https://t.me/+s1flX6cpUZ1kM2M1

配置面板

在 Tampermonkey 菜单中选择:

打开配置面板

可以配置:

  • 套餐优先级
  • 订阅周期优先级
  • 是否自动点击订阅
  • 是否自动点击验证码文字
  • 是否自动点击验证码确定
  • 是否自动关闭无效支付/限流弹窗
  • 是否启用智能刷新

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”。

验证码识别说明

当前验证码流程是:

  1. 油猴脚本直接从腾讯验证码组件中抓取原图。
  2. 原图发送到本地后端 /captcha_direct
  3. 后端使用本地 YOLO + PaddleOCR 识别。
  4. 脚本按识别坐标点击文字。

验证码图片不会上传到第三方识别服务。

常用文件

文件 用途
glm-coding-helper.user.js 给 Tampermonkey 安装的主脚本
start-backend.cmd 启动已有本地后端环境
one-click-start.cmd 自动安装环境并启动
install-env.cmd 手动安装 CPU 后端环境
scripts/ 后端和打包脚本
models/ 本地识别模型

常用启动方式

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。

自动选择 CPU/GPU:

powershell -ExecutionPolicy Bypass -File scripts\start_backend.ps1 -Mode auto

强制 CPU:

powershell -ExecutionPolicy Bypass -File scripts\start_backend.ps1 -Mode cpu

指定 CPU worker:

powershell -ExecutionPolicy Bypass -File scripts\start_backend.ps1 -Mode cpu -CpuWorkers 3

强制 GPU:

powershell -ExecutionPolicy Bypass -File scripts\start_backend.ps1 -Mode gpu

GPU 模式需要确认 .venv_paddle_gpu 里安装的是 GPU 版 PyTorch。paddlepaddle-gpu 只负责 OCR,YOLO/Ultralytics 依赖 torch;如果 torch 是 CPU 版,后端仍会跑起来,但 YOLO 会走 CPU。

检查方式:

.\.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')"

如果输出 Falseno 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。

模型文件

默认检测权重路径:

models/weights/yolo-captcha-detector.pt

也可以用环境变量覆盖:

$env:CNCAPTCHA_DETECTOR_PATH="D:\path\to\best.pt"

验证码识别模型从传统 CV、YOLO、GLM-OCR/VLM 标注、手搓排序模型到 PP-OCRv5 的开发历程见:

docs/captcha_model_journey.md

常见问题

识别结果或点击位置像是错位、滞后一张图?

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。

后端窗口红字报错怎么办?

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。

优惠活动从哪里进入?

推荐打开 GLM Coding 页面后由脚本自动补上内置优惠入口:

👉 https://www.bigmodel.cn/glm-coding

致谢

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:

https://greasyfork.org/zh-CN/scripts/572157-glm-coding-plan%E6%8A%A2%E8%B4%AD%E5%8A%A9%E6%89%8B

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/GPU OCR 后端、自动验证码识别和开源部署脚本。

许可证

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。

说明

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。

附录:OCR 方案对比

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。

小样本隐藏集

隐藏集包含 33 张未参与训练的真实验证码图。

阶段 方案 准确率 速度 说明
1 ddddocr default/old 4/33 = 12.1% 7.3ms/裁剪字符 速度很快,但直接用于本验证码不够
2 ddddocr beta 6/33 = 18.2% 7.9ms/裁剪字符 比 default 略好,但仍不能直接用
3 glm-coding-grabber 原样管道 24/33 = 72.7% 156ms/张 原项目默认只扫 macOS 字体,Windows 下会退化
4 glm-coding-grabber 完整管道 + Windows 字体 33/33 = 100% 250ms/张 轻量、快速,补齐字体后效果明显提升
5 本项目 PP-OCRv5 mobile 裸识别 26/33 = 78.8% 624ms/裁剪字符 单独识别仍不够稳定
6 本项目 PP-OCRv5 mobile + 提示字约束 32/33 = 97.0% 同上 接近可用
7 本项目 PP-OCRv5 server 裸识别 28/33 = 84.8% 706ms/裁剪字符 比 mobile 更准,但更重
8 本项目 PP-OCRv5 server + 提示字约束 33/33 = 100% 同上 隐藏集满分
9 本项目 CPU hybrid logits constrained 33/33 = 100% warm 761ms/张 当前默认稳定方案

压力测试集

压力测试使用本地 glm_ocr_labels_all.jsonhas_error=false 的 379 张可用标注图,统一按 35px 点击半径判定。

方案 准确率 平均速度 特点
glm-coding-grabber 完整管道 + Windows 字体 363/379 = 95.8% 257ms/张 更轻、更快,但大样本下仍有失败
本项目当前 CPU 管道 379/379 = 100% 851ms/张 更慢、更大,但稳定性更好

更严格点击半径下的压力测试结果:

点击半径 glm-coding-grabber 完整管道 本项目当前 CPU 管道
10px 339/379 = 89.4% 379/379 = 100%
15px 359/379 = 94.7% 379/379 = 100%
20px 362/379 = 95.5% 379/379 = 100%
25px 363/379 = 95.8% 379/379 = 100%
35px 363/379 = 95.8% 379/379 = 100%

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。

About

智谱 GLM Coding Plan 抢购助手,一键抢购油猴脚本 ,本地 CPU/GPU 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

Resources

License

Stars

Watchers

Forks

Packages

 
 
 

Contributors