【K8s HPA 水平扩缩容】

成为你的宁宁2026-07-23 9:22

提示：本文原创作品，良心制作，干货为主，简洁清晰，一看就会

文章目录

  • 前言
  • 一、HPA基础知识
    • [1.1 HPA是什么](#1.1 HPA是什么)
    • [1.2 HPA 扩缩容依赖体系](#1.2 HPA 扩缩容依赖体系)
    • [1.3 HPA工作原理](#1.3 HPA工作原理)
  • 二、内置指标伸缩
    • [2.1 部署metrics-server](#2.1 部署metrics-server)
    • [2.2 CPU阈值扩缩容](#2.2 CPU阈值扩缩容)
    • [2.3 内存阈值扩缩容](#2.3 内存阈值扩缩容)
  • 三、自定义指标伸缩
    • [3.1 安装Prometheus](#3.1 安装Prometheus)
    • [3.2 安装Prometheus Adapter](#3.2 安装Prometheus Adapter)
    • [3.3 QPS流量维度扩缩容](#3.3 QPS流量维度扩缩容)

前言

业务流量往往存在潮汐波动：白天访问峰值拉高服务器负载，夜间流量回落资源大量闲置。若依靠人工手动调整Pod副本数，不仅响应滞后、效率低下，还极易出现资源浪费或服务卡顿问题。Kubernetes 提供HPA水平Pod自动扩缩容组件，可依据监控指标动态增减业务Pod实例。本文将循序渐进讲解HPA两种主流伸缩方案：基于内置指标伸缩、基于自定义指标伸缩，梳理指标采集全链路与实操部署流程

一、HPA基础知识

1.1 HPA是什么

HPA 是 Kubernetes 的水平Pod自动扩缩容控制器，它像是一个"自动挡"，根据CPU利用率、内存或自定义业务指标，自动增加或减少Pod的副本数量

核心作用

应对高流量：业务上涨时自动扩容，保证系统稳定不宕机

节省成本：业务低谷时自动缩容，释放闲置资源，降低云成本

工作逻辑 ：它不直接操作容器，而是调整 Deployment 或 StatefulSet 的 replicas 字段，让Pod数量始终维持在"不多不少"的状态

注：它只能"横向"加减机器数量，不能"纵向"调整单台机器的CPU/内存大小，那是VPA干的活

yaml 复制代码 
## K8s集群同时提供两套 HPA API 版本
root@k8s-master1:~# kubectl api-versions | grep autoscaling
autoscaling/v1
autoscaling/v2

autoscaling/v1：老旧版本，仅支持 CPU 单一指标伸缩，现已逐步废弃；

autoscaling/v2：标准新版，支持 CPU、内存、自定义业务指标、外部指标多维度伸缩

1.2 HPA 扩缩容依赖体系

下图展示K8s的API聚合层架构：kube-aggregator作为统一网关，把基础监控指标、业务自定义指标的请求分别转发给metrics-server和custom-metrics-server，为HPA水平自动扩缩容提供监控数据支撑

核心组件总览

  1. kube-aggregator ：API聚合层，内置在kube-apiserver里，是整个架构的入口网关，APIService 资源注册到aggregator，注册后aggregator才知道路径对应哪个后端服务
  2. kube-apiserver：K8s原生核心API（Pod/Deployment/Service等内置资源）
  3. metrics-server ：标准指标服务，提供 内置资源指标（CPU、内存使用率），无持久化存储，只保留实时最近数据，需要单独安装
  4. custom-metrics-server ：自定义指标服务，提供业务自定义指标（QPS、并发、队列长度等），只有v2版本HPA能读取这套接口，需要单独安装
  5. Other-server：其他第三方扩展API服务

1.3 HPA工作原理

kube-aggregator 作用：统一路由、转发不同API路径到对应的后端服务

客户端（如kubectl、kube-controller-manager里的HPA控制器）只访问同一个apiserver地址，aggregator根据URL路径自动分流：

  • 原生资源请求 → 交给内置kube-apiserver处理
  • /apis/metrics.k8s.io/ 开头的指标请求 → 转发给 metrics-server
  • /apis/custom.metrics.k8s.io/ 开头的自定义指标请求 → 转发给 custom-metrics-server

内置指标伸缩：红色链路，获取CPU/内存基础指标

请求地址：

GET http://127.0.0.1:8080/apis/metrics.k8s.io/v1beta1/nodes

  1. HPA控制器发起请求到kube-aggregator（apiserver）
  2. aggregator识别路径 metrics.k8s.io，转发GET请求到 metrics-server
  3. metrics-server收集节点/Pod的CPU、内存实时监控数据，返回给aggregator
  4. aggregator把结果原路返回给HPA控制器
  5. HPA拿到CPU利用率后，计算是否扩容/缩容

自定义指标伸缩：绿色路线，v2 HPA才支持

请求地址：

GET http://127.0.0.1:8080/apis/custom.metrics.k8s.io/v1beta1

  1. 客户端请求自定义业务指标（比如HTTP请求QPS、消息队列堆积量）
  2. aggregator识别路径 custom.metrics.k8s.io，转发给 custom-metrics-server
  3. custom-metrics-server对接监控系统（Prometheus等），拉取业务指标返回
  4. HPA v2支持基于这类自定义指标做弹性伸缩（v1 HPA不支持）

二、内置指标伸缩

内置指标伸缩是K8S原生自带的HPA弹性伸缩方案，想要开启该能力，集群仅需单独部署 Metrics-Server 组件即可。Metrics-Server会定期汇总各节点kubelet采集的容器运行数据，通过K8s API聚合层对外提供标准资源指标接口

yaml 复制代码 
## 每隔15秒，HPA 控制器就会去 APIServer 拉取监控指标，计算当前 Pod 副本数是否需要扩容/缩容
root@k8s-master1:~# kubectl exec -n kube-system kube-controller-manager-k8s-master1 -- kube-controller-manager --help | grep horizontal-pod-autoscaler-sync-period
      --horizontal-pod-autoscaler-sync-period duration                 The period for syncing the number of pods in horizontal pod autoscaler. (default 15s)

这张仅支持以 CPU、内存利用率 作为唯一伸缩判定依据，可查看节点与Pod资源负载

yaml 复制代码 
## 查看 HPA 伸缩容忍度，默认值：0.1（也就是 10%）
root@k8s-master1:~# kubectl exec -n kube-system $(kubectl get pod -n kube-system | grep kube-controller-manager | awk '{print $1}') -- kube-controller-manager --help | grep horizontal-pod-autoscaler-tolerance
      --horizontal-pod-autoscaler-tolerance float                      The minimum change (from 1.0) in the desired-to-actual metrics ratio for the horizontal pod autoscaler to consider scaling. (default 0.1)

HPA 伸缩容忍度是用来划定无需扩缩容的静止死区，避免指标小幅波动时，Pod 副本频繁扩容、缩容来回抖动

计算公式：

假设我们设定目标 CPU 利用率为 50%

下限 = 目标值 × (1 - 容忍度) = 50% × 0.9 = 45%

上限 = 目标值 × (1 + 容忍度) = 50% × 1.1 = 55%

当 Pod 平均 CPU 利用率处于 45% ~ 55% 区间内：HPA 判定负载波动属于正常范围，不执行任何扩缩容操作；

利用率＞55%：才会触发扩容；

利用率＜45%：才满足缩容前置条件

2.1 部署metrics-server

Metrics Server需要访问所有的节点以采集指标，默认为kubelet监听的10250端口

metrics-server下载地址：https://github.com/kubernetes-sigs/metrics-server/releases

可以选择适合自己k8s版本的metrics-server，我的k8s是1.28，我这里选择的metrics-server为v0.7.1

yaml 复制代码 
## 1. 没安装Metrics之前
root@k8s-master1:~# kubectl top node
error: Metrics API not available

## 2. 下载修改metrics-server清单文件
root@k8s-master1:~# ls
components.yaml
root@k8s-master1:~# vim components.yaml
yaml 复制代码 
root@k8s-master1:~# kubectl apply -f components.yaml
root@k8s-master1:~# kubectl get pod -A -o wide | grep metrics
kube-system        metrics-server-75d7968c55-8jhp4            1/1     Running   0              39s   10.244.36.69     k8s-node1     <none>           <none>

## 3. 查看所有Pod 的 CPU、内存占用，安装好metrics-server后才能使用这条命令
root@k8s-master1:~# kubectl top node
NAME          CPU(cores)   CPU%   MEMORY(bytes)   MEMORY%   
k8s-master1   308m         7%     1553Mi          30%       
k8s-master2   212m         5%     1343Mi          26%       
k8s-master3   234m         5%     1474Mi          26%       
k8s-node1     183m         4%     1106Mi          29%       
k8s-node2     106m         2%     1036Mi          27%

2.2 CPU阈值扩缩容

yaml 复制代码 
root@k8s-master1:~# mkdir /k8s/hpa -p
root@k8s-master1:~# cd /k8s/hpa/
root@k8s-master1:/k8s/hpa# vim hpa-cpu.yaml 
# 1. 业务Deployment
apiVersion: apps/v1
kind: Deployment
metadata:
  name: hpav2-demo-deployment
spec:
  replicas: 2
  selector:
    matchLabels:
      app: hpav2-demo
  template:
    metadata:
      labels:
        app: hpav2-demo
    spec:
      containers:
      - name: hpav2-demo-deployment
        image: nginx:1.24
        ports:
        - containerPort: 80
        resources:
          requests:
            cpu: "200m"
            memory: "256Mi"
          limits:
            cpu: "500m"
            memory: "512Mi"
---
# 2. 后端Service
apiVersion: v1
kind: Service
metadata:
  name: hpav2-demo-svc
  labels:
    app: nginx
spec:
  ports:
  - port: 80
    name: http
  selector:
    app: hpav2-demo
---
# 3. HPA v2 自动扩缩容规则
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: hpav2-cpu-demo
spec:
  # 绑定管控的Deployment
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: hpav2-demo-deployment
  minReplicas: 1 # 最少一个pod
  maxReplicas: 10  # 最多10个pod
  # 监控CPU使用率50%作为伸缩阈值
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 50
  behavior:
    scaleDown:
      # 扩缩容等待时间，默认300s
      stabilizationWindowSeconds: 10
yaml 复制代码 
## 刚创建完会有两个pod
root@k8s-master1:/k8s/hpa# kubectl apply -f hpa-cpu.yaml 
root@k8s-master1:/k8s/hpa# kubectl  get pod -o wide
NAME                                     READY   STATUS    RESTARTS   AGE   IP               NODE        NOMINATED NODE   READINESS GATES
hpav2-demo-deployment-59f8749ddf-6hrs5   1/1     Running   0          33s   10.244.169.139   k8s-node2   <none>           <none>
hpav2-demo-deployment-59f8749ddf-ch7nb   1/1     Running   0          33s   10.244.36.73     k8s-node1   <none>           <none>

## 当hpa检测到cpu占用率后，会根据cpu占用率扩缩容，目前cpu占用率接近0%，所以会缩容剩一个pod
root@k8s-master1:/k8s/hpa# kubectl get hpa
NAME             REFERENCE                          TARGETS   MINPODS   MAXPODS   REPLICAS   AGE
hpav2-cpu-demo   Deployment/hpav2-demo-deployment   0%/50%    1         10        2          34s
root@k8s-master1:/k8s/hpa# kubectl  get pod -o wide
NAME                                     READY   STATUS    RESTARTS   AGE   IP               NODE        NOMINATED NODE   READINESS GATES
hpav2-demo-deployment-59f8749ddf-6hrs5   1/1     Running   0          37s   10.244.169.139   k8s-node2   <none>           <none>

可以选一个集群内的机器做压力测试

yaml 复制代码 
## 压力测试
root@k8s-master1:/k8s/hpa# while true; do ab -k -c 100 -n 100000 http://10.244.169.139/; done

用kubectl get hpa观察cpu使用率超过55% pod的数量有没有增加；关闭压力测试再次查看cpu使用率降到45%一下后有没有缩容

基于cpu的内置指标伸缩演示视频

2.3 内存阈值扩缩容

yaml 复制代码 
root@k8s-master1:/k8s/hpa# vim hpa-mem.yaml 
# 1. 业务 Deployment（使用一个占用内存的镜像）
apiVersion: apps/v1
kind: Deployment
metadata:
  name: memory-demo-deployment
spec:
  replicas: 2
  selector:
    matchLabels:
      app: memory-demo
  template:
    metadata:
      labels:
        app: memory-demo
    spec:
      containers:
      - name: memory-demo-container
        image: nginx:1.24
        ports:
        - containerPort: 80
        resources:
          requests:
            memory: "128Mi"   # 内存请求，HPA 基于此计算利用率
          limits:
            memory: "256Mi"
---
# 2. Service（与之前类似）
apiVersion: v1
kind: Service
metadata:
  name: memory-demo-svc
spec:
  ports:
  - port: 80
    name: http
  selector:
    app: memory-demo
---
# 3. HPA v2 基于内存自动扩缩容
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: hpa-memory-demo
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: memory-demo-deployment
  minReplicas: 1
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: memory
      target:
        type: Utilization
        averageUtilization: 80   # 内存使用率达到 80% 触发扩容
  behavior:
    scaleDown:
      stabilizationWindowSeconds: 10   # 缩容等待 10 秒（便于观察）
yaml 复制代码 
root@k8s-master1:/k8s/hpa# kubectl apply -f hpa-mem.yaml 

## 创建好后会有原始的2个pod
root@k8s-master1:/k8s/hpa# kubectl  get pod -o wide
NAME                                      READY   STATUS    RESTARTS   AGE   IP               NODE        NOMINATED NODE   READINESS GATES
memory-demo-deployment-6894578fd9-2ggjj   1/1     Running   0          14s   10.244.36.76     k8s-node1   <none>           <none>
memory-demo-deployment-6894578fd9-db5zs   1/1     Running   0          14s   10.244.169.142   k8s-node2   <none>           <none>

## 当hpa获取到内存占用率，就会根据占用率来伸缩pod
root@k8s-master1:/k8s/hpa# kubectl get hpa
NAME              REFERENCE                           TARGETS   MINPODS   MAXPODS   REPLICAS   AGE
hpa-memory-demo   Deployment/memory-demo-deployment   4%/80%    1         10        2          34s
root@k8s-master1:/k8s/hpa# kubectl  get pod -o wide
NAME                                      READY   STATUS    RESTARTS   AGE   IP             NODE        NOMINATED NODE   READINESS GATES
memory-demo-deployment-6894578fd9-2ggjj   1/1     Running   0          37s   10.244.36.76   k8s-node1   <none>           <none>

进入某个pod内部用stress进行压力测试

yaml 复制代码 
root@k8s-master1:~# kubectl exec -it memory-demo-deployment-6894578fd9-2ggjj /bin/bash
root@memory-demo-deployment-6894578fd9-2ggjj:/# apt update
root@memory-demo-deployment-6894578fd9-2ggjj:/# apt -y install stress
root@memory-demo-deployment-6894578fd9-2ggjj:/# stress --vm 1 --vm-bytes 200M --vm-keep --timeout 100s

然后用kubectl get hpa查看内存占用率，查看占用率达到88%会不会扩容，占用率小于72%会不会缩容

基于内存的内置指标伸缩演示视频

三、自定义指标伸缩

实现基于自定义指标的 HPA 扩缩容，核心思路是为 HPA 提供除 CPU/内存以外的数据源。这需要额外安装组件来采集和转换指标

Prometheus（监控后端）

作用：从你的应用和集群中采集、存储各种自定义指标

前提：你的应用需要暴露一个 /metrics 接口，Prometheus 才能拉取到数据

Prometheus Adapter（核心适配器）

作用：Prometheus 的数据格式 K8s 无法直接识别。Adapter 充当"翻译官"，将 Prometheus 中的指标转换为 K8s HPA 能识别的 custom.metrics.k8s.io API 格式

3.1 安装Prometheus

https://github.com/prometheus-community/helm-charts/releases

可以根据你的k8s集群选择适合自己的Prometheus版本

yaml 复制代码 
## 1. 创建monitoring命名空间
root@k8s-master1:~# kubectl create namespace monitoring

## 2. 下载解压Prometheus tar包
root@k8s-master1:~# ls
kube-prometheus-stack-87.17.0.tgz
root@k8s-master1:~# tar xf kube-prometheus-stack-87.17.0.tgz 
root@k8s-master1:~# cd kube-prometheus-stack/
root@k8s-master1:~/kube-prometheus-stack# ls
Chart.lock  charts  Chart.yaml  README.md  templates  values.yaml

## 3. 把Prometheus的svc改为nodeport
## 把prometheus.service.type改成NodePort
root@k8s-master1:~/kube-prometheus-stack# vim values.yaml 

## 4. helm安装Prometheus
root@k8s-master1:~/kube-prometheus-stack# helm install prometheus . \
  --namespace monitoring \
  --create-namespace \
  --set kube-state-metrics.image.registry=registry.cn-hangzhou.aliyuncs.com \
  --set kube-state-metrics.image.repository=hujiaming/kube-state-metrics \
  --set kube-state-metrics.image.tag=v2.13.0
root@k8s-master1:~/kube-prometheus-stack# kubectl get svc -n monitoring | grep prometheus-kube-prometheus-prometheus
prometheus-kube-prometheus-prometheus     NodePort    10.96.110.232   <none>        9090:30090/TCP,8080:32551/TCP   35m
root@k8s-master1:~/kube-prometheus-stack# kubectl get pod -n monitoring

这里如果alertmanager，grafana如果起不来没关系，只要Prometheus是好的就行

浏览器访问http://192.168.13.136:30090可以看到Prometheus监控界面

3.2 安装Prometheus Adapter

https://github.com/prometheus-community/helm-charts/releases

根据自己K8S集群版本选择适合自己的Prometheus Adapter

yaml 复制代码 
root@k8s-master1:~# ls
prometheus-adapter-5.0.0.tgz
root@k8s-master1:~# tar xf prometheus-adapter-5.0.0.tgz 
root@k8s-master1:~# cd prometheus-adapter/
root@k8s-master1:~/prometheus-adapter# ls
Chart.yaml  ci  README.md  templates  values.yaml
root@k8s-master1:~/prometheus-adapter# vim values.yaml

Prometheus Adapter 不会自动暴露所有指标，它需要你通过 rules 字段明确告诉它："哪个 PromQL 指标，转换成什么名字，暴露给 HPA"

本次实验我以 Nginx 每秒请求量（QPS）作为伸缩依据，因此编写了专属映射规则；后续若想依托并发连接数、消息队列堆积量等其他业务指标实现弹性扩缩容，只需参照格式编写对应的规则配置即可

yaml 复制代码 
rules:
  default: true
  custom:
    - seriesQuery: 'nginx_http_requests_total{namespace!="",pod!=""}'
      resources:
         overrides:
           namespace: {resource: "namespace"}
           pod: {resource: "pod"}
      name:
        matches: "^(.*)_total"
        as: "${1}_per_second"
      metricsQuery: 'sum(rate(<<.Series>>{<<.LabelMatchers>>}[2m])) by (<<.GroupBy>>)'
yaml 复制代码 
root@k8s-master1:~/prometheus-adapter# helm install prometheus-adapter . --namespace monitoring
root@k8s-master1:~/prometheus-adapter# kubectl get pods -n monitoring -o wide| grep prometheus-adapter
prometheus-adapter-8956df68c-tchsd                       1/1     Running   0          54s   10.244.36.104    k8s-node1     <none>           <none>

## 检查自定义指标 API 是否可用,返回 JSON 数据，说明 Adapter 已成功注册
root@k8s-master1:~/prometheus-adapter# kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq .
yaml 复制代码 
## 查询具体的自定义指标
root@k8s-master1:~/prometheus-adapter# kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1/namespaces/default/pods/*/nginx_http_requests_per_second" | jq .

3.3 QPS流量维度扩缩容

这里我已经让Prometheus监控上了nginx

不知道怎么操作的同学可以看我这篇

Prometheus Operator监控K8S Nginx：https://blog.csdn.net/m0_63756214/article/details/161881066

yaml 复制代码 
## 1. 初始的nginx pod有两个
root@k8s-master1:/k8s/nginx# kubectl get pod -o wide
NAME                            READY   STATUS    RESTARTS   AGE   IP               NODE        NOMINATED NODE   READINESS GATES
nginx-server-7987759647-6t562   2/2     Running   0          18s   10.244.36.106    k8s-node1   <none>           <none>
nginx-server-7987759647-jr522   2/2     Running   0          18s   10.244.169.176   k8s-node2   <none>           <none>
yaml 复制代码 
## 2. 创建hpa清单文件
root@k8s-master1:/k8s/nginx# vim nginx-hpa.yaml 
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: nginx-qps-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: nginx-server   # 改为你的 Deployment 名称
  minReplicas: 1  # 最少1个pod
  maxReplicas: 10  # 最多10个pod
  metrics:
  - type: Pods
    pods:
      metric:
        name: nginx_http_requests_per_second   # 使用查到的名称
      target:
        # 阈值类型：按每个Pod平均值计算
        type: AverageValue
        # 单个Pod平均每秒请求量达到10，触发扩容；低于阈值满足条件后缩容
        averageValue: "10"
  behavior:
    scaleDown:
      stabilizationWindowSeconds: 10

root@k8s-master1:/k8s/nginx# kubectl apply -f nginx-hpa.yaml

## 3. 当前的QPS（0.319）远低于目标值10,缩容到1个pod
root@k8s-master1:/k8s/nginx# kubectl get hpa
NAME            REFERENCE                 TARGETS   MINPODS   MAXPODS   REPLICAS   AGE
nginx-qps-hpa   Deployment/nginx-server   319m/10   1         10        2          31s
root@k8s-master1:/k8s/nginx# kubectl get pod -o wide
NAME                            READY   STATUS    RESTARTS   AGE    IP              NODE        NOMINATED NODE   READINESS GATES
nginx-server-7987759647-6t562   2/2     Running   0          104s   10.244.36.106   k8s-node1   <none>           <none>

选择一台集群机器，然后做压力测试，kubectl get hpa查看QPS，观察pod有没有扩容；停止压力测试，观察pod有没有缩容

yaml 复制代码 
## 4. 压力测试
root@k8s-master1:~# while true; do ab -k -c 50 -n 5000 http://10.101.126.166/; done

基于QPS的自定义指标伸缩演示视频

至此，Kubernetes 中 HPA 水平 Pod 弹性扩缩容的两类实现方案、完整链路与实操细节已全部讲解完毕！

注：

文中若有疏漏，欢迎大家指正赐教。

本文为100%原创，转载请务必标注原创作者，尊重劳动成果。

求赞、求关注、求评论！你的支持是我更新的最大动力，评论区等你～

相关推荐
欢醉2 小时前
k8s调度容器失败The node had condition: [DiskPressure]
kubernetes·springcloud
Hui Baby18 小时前
K8S使用CRD和控制器简单应用
云原生·容器·kubernetes
Zhu7581 天前
在k8s环境部署Apache Superset最新版
容器·kubernetes·apache
Zhu7581 天前
在k8s环境部署Apache zookeeper3.9.5，高可用，多pod
容器·kubernetes·apache
运维大师1 天前
【K8S 运维实战】07-Pod生命周期与故障排查
运维·容器·kubernetes
easy_coder2 天前
K8s Pod 创建失败深度解析：从 IPAM 400 错误到子网资源耗尽
云原生·容器·kubernetes
heimeiyingwang2 天前
【架构实战】可观测性三支柱：日志、指标、链路的融合
elasticsearch·架构·kubernetes
CodexDave2 天前
数据库连接池耗尽：排查顺序与三层兜底
服务器·前端·数据库·git·云原生·容器·kubernetes
名字还没想好☜2 天前
Kubernetes Ingress 实战:域名路由、TLS 证书与 502/404 排查
运维·云原生·容器·kubernetes·ingress
热门推荐
012026年7月AI圈大地震：GPT-5.6被政府限制、Claude入驻Slack、Anthropic自研芯片02GitHub 镜像站点03如何新建文件夹？ 电脑新建文件夹的4种方法04AI科技热点日报 | 2026年07月01日05幻兽帕鲁 - 服务器管理员权限与 GM 命令完全指南06国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）07AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路082026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？092026 年 AI 大模型 & AI 编程工具实战全总结10微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新