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.
5198AE9D-A48D-48fa-9D68-E50AC85E1E40.1.mp4
- 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
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:
- 下载 Release 压缩包
- 解压
- 安装油猴脚本
- 双击启动后端
- 打开 GLM Coding Plan 页面
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。
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。
- 在 Chrome 或 Edge 安装 Tampermonkey:https://www.tampermonkey.net/
- 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
- 如果使用方式 B,就复制全部内容,新建 Tampermonkey 脚本,粘贴并保存。
- 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。
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
⚠️ 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。
- 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。
- 下载并解压 Release 包,双击
start-backend.cmd或one-click-start.cmd启动本地后端。 - 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。
- 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。
- 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。
- 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。
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
- 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
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”。
当前验证码流程是:
- 油猴脚本直接从腾讯验证码组件中抓取原图。
- 原图发送到本地后端
/captcha_direct。 - 后端使用本地 YOLO + PaddleOCR 识别。
- 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。
| 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 |
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 gpuGPU 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 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。
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
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。
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。
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
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。
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。
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。
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。
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 | 裸 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 | 裸 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。
| 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。