【案例共创】码道×CodeArts：AI生成代码+质量门禁全流程实战——待办事项Web应用本文参与【AI 造物实战派】码道 × CodeArts 全流程联合实战案例共创活动，本活动帖链接：https://bbs.huaweicloud.com/forum/thread-0212722308728169504-1-1.html?fid=0112720539844088771一、背景介绍作为一名非专业开发者，我一直想快速搭建一个可用的Web应用，但苦于编码能力有限，项目迟迟无法落地。华为云"AI造物实战派"活动给了我一个绝佳的机会——用码道（CodeArts Agent）AI生成代码，再通过CodeArts DevOps服务完成代码检查、流水线构建和自动化测试，实现从需求到交付的全流程闭环。本次实战选择方向B：AI编码+质量门禁，开发一个待办事项（Todo List）Web应用，包含任务增删改查、状态管理、分类筛选和数据统计功能。选择方向B的原因是：流程清晰、故事线完整——从码道生成代码，到代码检查发现问题，再到流水线构建测试，每一步都有明确的产出和验证点。二、环境准备2.1 开通码道（CodeArts Agent）在华为云开发者页面一键开通码道代码智能体个人体验版，开通成功后页面显示"您已开通华为云码道 CodeArts 代码智能体个人体验版"，点击"免费下载体验"即可下载客户端。2.2 开通CodeArts DevOps体验版在华为云控制台开通CodeArts体验版套餐。开通时注意：体验版在生效期内无法重复购买，系统会提示"您有CodeArts体验版还在生效期，无法购买"。注意：码道（代码智能体）和CodeArts（软件开发生产线）是两个独立的产品，需要分别开通。很多人容易混淆，以为开通了码道就等于开通了CodeArts DevOps服务，实际上需要单独开通体验版。2.3 码道客户端中的AI编程环境在码道客户端（基于VS Code的IDE）中，AI智能体通过对话引导完成全流程开发。体验版提供积分额度（总额度9264积分），支持GLM-5.2等模型。界面中AI智能体会逐步引导用户完成从代码生成到流水线配置的每个环节。2.4 创建项目与代码仓库在CodeArts控制台创建Scrum项目 todo-app在项目中创建代码托管仓库 todo-app，关键操作：勾选"自动创建代码检查任务（免费）"——这样创建仓库时会自动生成代码检查任务，省去后续手动创建的步骤仓库设为私有，勾选"允许生成README文件"踩坑提醒：CodeArts代码托管的git push认证有特殊要求——用户名格式必须是 租户名/IAM用户名（URL中斜杠需转义为 %2F），密码不是华为云账号登录密码，也不是个人访问令牌，而是需要专门设置的"HTTPS密码"。这一点折腾了不少时间才搞通。三、实现步骤3.1 码道AI生成代码在码道客户端中通过自然语言对话，描述需求：“帮我开发一个待办事项Web应用，用Python Flask后端，前端用HTML+CSS+JS，需要支持任务的增删改查、状态切换（待办/已完成）、分类筛选和统计数据”码道AI自动生成了完整的项目代码结构：todo-app/ ├── app.py # Flask后端，5个REST API接口 ├── requirements.txt # Python依赖 ├── README.md # 项目说明 ├── static/ │ ├── style.css # 前端样式 │ └── app.js # 前端逻辑（CRUD+筛选+统计） ├── templates/ │ └── index.html # 主页面 └── tests/ └── test_app.py # 7个单元测试后端 app.py 提供了5个REST API接口：GET /api/todos — 获取待办列表（支持状态筛选）POST /api/todos — 创建新任务PUT /api/todos/<id> — 更新任务状态/内容DELETE /api/todos/<id> — 删除任务GET /api/stats — 获取统计数据（总数、待办数、完成率）前端实现了响应式UI，支持实时筛选和统计展示。测试覆盖了所有API接口，共7个单元测试用例。3.2 代码推送到CodeArts仓库将码道生成的代码推送到CodeArts代码托管仓库。推送过程中遇到了两个问题：认证失败：用户名格式和密码类型有特殊要求，最终用 租户名%2FIAM用户名 + HTTPS密码才认证成功README.md冲突：创建仓库时勾选了生成README，远程仓库已有一个初始README，push被拒绝。解决方法：先 git pull 合并，解决冲突后重新push3.3 创建需求Story在CodeArts项目的「工作项 → 需求管理」中创建Story：标题：开发待办事项Web应用优先级：高描述：使用码道（CodeArts Agent）AI编码能力生成待办事项Web应用的全部代码，通过CodeArts DevOps平台进行代码检查和流水线构建验证这一步将需求与代码开发关联起来，形成需求追踪闭环。3.4 代码检查——质量门禁第一关创建仓库时勾选的"自动创建代码检查任务"已生效，项目下自动生成了检查任务 todo-app-1791034968917。第一次检查失败——报错信息提示：体验版套餐仅支持Java、C/C++、Python、JavaScript、TypeScript、ArkTS、CangJie语言的检查，需到"设置-规则集"页面取消CSS、HTML的检查。问题根因：本项目包含CSS和HTML文件，而体验版不支持这两种语言的检查。解决方法：进入"代码检查 → 设置 → 规则集"，取消勾选CSS、HTML相关规则集，然后重新执行检查。第二次检查成功，结果如下：致命问题：0严重问题：0一般问题：7（主要为G.FMT.07导入顺序规范——Python import应按标准库→第三方→本地模块排列）提示问题：11代码平均圈复杂度：1.9代码重复率：0.0%NBNC代码行：239代码质量整体良好，无致命和严重缺陷。这个"发现问题→修复配置→重新检查通过"的过程，正好体现了质量门禁的价值——代码检查任务自动拦截了不合规的配置，确保只有通过检查的代码才能进入构建阶段。3.5 配置流水线——质量门禁第二关创建流水线 todo-app-build-test，选用「Python构建」模板。配置要点：代码源：选择todo-app仓库，默认分支masterRepo HTTPS授权：新建授权，使用代码托管那套 租户名%2FIAM用户名 + HTTPS密码模板：选择「Python构建」模板自动生成了"构建和检查"阶段，包含两个任务：构建任务 Build-todo-app-build-test-485代码检查任务 Check-todo-app-build-test-485（自动绑定仓库，检查模式Full）3.6 流水线执行——踩坑与修复全过程流水线的执行过程并非一帆风顺，经历了多次失败和修复，但正是这些踩坑经历让案例更有参考价值。第1次执行：代码检查成功，构建失败✅ 代码检查：51秒完成，成功❌ 构建：失败，错误码 DEV-CODECI-35002根因：Python构建模板默认使用Setuptools（需要 setup.py），执行命令是 python setup.py bdist_egg，而本项目是纯Flask应用，只有 requirements.txt，没有 setup.py。修复：将构建脚本从 python setup.py bdist_egg 改为：pip install -r requirements.txt pytest tests/ -v 踩坑提醒：构建任务的代码源来自流水线，不能在"编译构建"页面直接执行（会报错"代码源来自流水线时，只能在流水线服务上执行"）。正确做法：在构建任务编辑页点"保存"，然后回到"持续交付→流水线"页面点"执行"。第2次执行：构建脚本未生效日志显示执行的仍是旧命令 python setup.py bdist_egg——脚本修改没有真正保存生效。需确保在构建任务编辑页点的是"保存"按钮，然后回流水线页面重新执行。第3次执行：Flask版本不兼容构建脚本已生效，pip install -r requirements.txt 开始执行，但报错：ERROR: Could not find a version that satisfies the requirement Flask==3.0.0 根因：CodeArts Python构建环境的容器镜像是 python3.6-1.4.1（Python 3.6），而Flask 3.0.0要求Python 3.8+。华为云pypi镜像上Python 3.6兼容的Flask最高版本是2.0.3。修复：将 requirements.txt 中Flask降级到2.0.3、pytest降级到7.0.0（均兼容Python 3.6），推送到远程仓库。教训：CodeArts Python构建容器固定为Python 3.6，依赖选型必须兼容3.6，直接照搬最新版Flask会失败。第4次执行：pytest命令找不到依赖安装成功，但 pytest tests/ -v 报错 pytest: command not found（exit code 127）。根因：CodeArts Python构建环境以"用户级安装"方式安装包，脚本装到 /home/build/.local/bin，该路径不在PATH中。修复：构建脚本改用 python -m pytest tests/ -v（用 python -m 调用，不依赖PATH中的可执行文件）。第5次执行：测试代码fixture嵌套调用测试被成功收集并运行（collected 7 items），但7个测试全部ERROR，报错 RuntimeError: Cannot nest client invocations。根因：测试fixture中使用了 with app.test_client() as client:（已自动调用 client.__enter__()），代码又手动调了一次 client.__enter__()，导致上下文嵌套。修复：删除fixture中多余的 client.__enter__() / client.__exit__() 调用（with语句已自动管理上下文），推送到远程仓库。第6次执行：7个测试全部PASSED，但上传步骤失败✅ 7个单元测试全部PASSED（7 passed in 0.20s）✅ 构建阶段成功❌ "上传软件包到软件发布库"步骤失败：报错 DEV.CB.0220021, 未找到文件: dist/*.egg根因：「Python构建」模板默认自带"上传软件包到软件发布库"步骤，期望Setuptools构建产物 dist/*.egg，但本项目只跑 pip install + pytest，不生成egg。修复：在流水线编辑页删除"上传软件包到软件发布库"步骤。第7次执行：全绿通过！🎉✅ 流水线源：成功获取代码✅ 代码检查：51秒完成，无致命问题✅ 构建：52秒完成，依赖安装成功✅ 测试：7个单元测试全部PASSED✅ 总耗时：53秒四、效果展示4.1 应用功能待办事项Web应用支持完整的功能闭环：➕ 创建新任务（标题+分类）✅ 标记任务为已完成/待办📝 编辑任务内容🗑️ 删除任务🔍 按状态筛选（全部/待办/已完成）📊 实时统计（总数、待办数、完成率）4.2 质量保障成果通过CodeArts全流程质量门禁：代码检查：0致命0严重，18个低级别规范问题（主要为import顺序），代码质量可控自动化测试：7/7测试通过，API接口全覆盖流水线：53秒端到端交付，一键执行，全流程自动化需求追踪：Story→代码→检查→构建→测试，全链路可追溯4.3 踩坑经验总结本次实战踩过的6个坑，对后续开发者有直接参考价值：序号问题根因修复1git push认证失败用户名格式需为"租户名/IAM用户名"，密码需专门设置斜杠转义为%2F，使用HTTPS密码2代码检查失败体验版不支持CSS/HTML检查取消对应规则集3构建失败 DEV-CODECI-35002模板默认用Setuptools需setup.py改构建脚本为pip install + pytest4Flask版本不兼容构建环境是Python 3.6Flask降级到2.0.35pytest命令找不到用户级安装路径不在PATH改用python -m pytest6上传软件包失败模板自带步骤期望dist/*.egg删除该步骤五、总结本次实战完整验证了码道×CodeArts的全流程联合能力：码道AI负责代码生成——从自然语言需求到可运行的完整项目，包括后端API、前端UI和单元测试，全程零手工编码CodeArts DevOps负责质量保障——代码检查拦截缺陷、流水线自动化构建测试、需求追踪闭环管理从需求描述到流水线全绿通过，整个过程经历了6次失败和修复迭代，但每一次失败都是有价值的——它暴露了环境配置、版本兼容、测试代码等方面的问题，而CodeArts的质量门禁机制确保了这些问题在流水线阶段就被发现和修复，而不是遗留到生产环境。对于非专业开发者而言，这套组合极大地降低了开发门槛：AI生成代码解决了"不会写"的问题，DevOps流水线解决了"不敢上线"的问题。真正实现了"AI造物"的理念——从想法到可验证的交付物，全流程闭环。本文参与【AI 造物实战派】码道 × CodeArts 全流程联合实战案例共创活动，本活动帖链接：https://bbs.huaweicloud.com/forum/thread-0212722308728169504-1-1.html?fid=0112720539844088771

9月29号，9月30号左右就发现这个问题，云码道卡顿，不能切换任务，任务执行没有响应，等待超长的时间。后来才发现 AgentKernel_Vscode_26_9_501_1_0_0-1151846206572736.exe  严重占用CPU资源和内存资源，极端情况下内存占用率98%。关闭掉了代码的索引和实验室LSP功能以后，情况稍微好转。内存占用率80%左右。经常看到单独进程序使用了CPU占用到30%，然后内存15G左右。

新安装的码道 怎么一直提示这个 怎么解决

调用外部模型不好用了么

从8月份之前一直使用space功能，感觉不错，反应速度比ide快很多。但是，从9月份开始到开始到现在，基本上不能正常使用space了，每次会话基本上都无法完整回答，总是中途中断或者20秒左右中断，都是秒断秒连接，这个问题我在软件上反馈了2次都没有得到回答和解决，不得以又再次发帖了，因为我包年从10月份就要开始了。希望华为的工程师们尽快帮我解决这个问题，谢谢！其他情况：同时在使用Qoder CN IDE，之前2个系统都正常同时运行了1-2个月。 

登录前还在首页挂着活动条幅，登录就没了，关键是邀请使用送的兑换券也找不到了，白邀请了吗？

插件CodeArts在vscode中登录华为账号失败：失败原因：{"error_code":"STS5.1804","error_msg":"invalid DPoP proof: 'DPoP proof issued in the future'"}

每次打开该软件特别慢，打开时cpu 直接100%？打开与关闭还会弹出cmd 框显示后立刻就消失了？

我一直都没想明白，为啥现在每天能领1000积分但是套餐里一个月也不过几千积分，而且1000积分用的还蛮快的，有没有订阅了套餐的给我解释一下？这两个积分不是一种积分吗难道？

 用都用不了，我按照帖子里的其他相同情况的方法也无法解决，到底是咋回事，别的友商的产品也不会出现这种情况 

1:一直说上下文被压缩,2：要不就是给我自动取消任务,3: 还有就是问我选项, 那个弹框,弹一下就下去了 ，然后说我没有回答问题4：还报错

各位都是怎么用的，积分这么少，你们都是怎么用的？

【案例共创】码道+CodeArts 全流程实战：AI 智能体从需求到代码质量闭环活动方向 D（自主命题）：本文以图像生成微服务 image_gen_ms 的真实开发历程为例，完整展示"口述需求 → 智能体建仓 → 需求敏捷变更 → 需求落库管理 → 代码检查 → 自动修复缺陷 → 提交触发质量门禁"的全流程闭环。全程联动 CodeArts 代码托管（CodeArts Repo）、需求管理（ProjectMan/IPD 工作项）、代码检查（CodeArts Check） 三大 DevOps 服务，所有截图均为实际操作截图。一、背景介绍1.1 项目背景image_gen_ms 是一个图像生成微服务（MCP，Model Context Protocol），对接魔搭社区（ModelScope）的图像生成 API，规划能力包括：文生图、图生图、模型搜索、多密钥负载均衡、负面词支持能力筛选、VL（视觉语言）模型图片质检、人物/场景/道具一致性识别等。这类项目需求变化快（模型能力、技术选型经常调整），一个人既要写代码、又要管需求、还要守质量，节奏非常容易被拖垮。所以我尝试了一条"AI 智能体 + DevOps 工具链"的路：用码道（CodeArts 代码智能体）承担编码与执行，用 CodeArts 承担需求管理、代码托管与质量门禁，让 AI 智能编码与工程化交付形成端到端闭环。1.2 为什么是码道 + CodeArts码道（CodeArts 代码智能体）：对话式开发，支持项目级代码生成、单元测试、缺陷修复；更关键的是它能直接调用 hcloud（KooCLI）操作华为云服务 API——建仓库、建需求工作项、跑代码检查，都只需要"说一句话"。CodeArts DevOps 服务：需求管理（ProjectMan/IPD）、代码托管（CodeArts Repo）、代码检查（CodeArts Check）覆盖研发全生命周期。联合价值：AI 生成的东西不再只停留在聊天记录里——需求进工作项、代码进仓库、缺陷进检查任务，一切工程化、可追溯。1.3 案例主线（全流程一览）口述需求 ──→ 码道建仓（代码托管） │ ├─→ 需求变更：Go → Python（智能体一键切换） ├─→ 人工纠偏：VL 多模态能力实测验证 │ ├─→ 需求落库：Epic + Feature 写入 ProjectMan / RR 写入 IPD 项目 │ └─→ 代码检查闭环：口述启动 Check → 控制台看进度 → 报告缺陷 → 码道自动修复 → 配置"代码提交时触发"质量门禁二、环境准备组件说明华为云账号已实名认证，开通码道（CodeArts）代码智能体体验版套餐CodeArts 服务代码托管、需求管理、代码检查（基础版即可，按需开通）IDE + 码道插件对话式智能体面板，可在 IDE 内直接对话执行KooCLI（hcloud）华为云命令行工具，已配置 AK/SK（智能体通过它调用云服务 API，如建仓库、创建工作项、跑代码检查）本地开发环境Python 3.12 + uv（后续技术选型），Git提示：CodeArts 基础功能免费，各 DevOps 服务有免费额度，体验版套餐足够完成本案例全流程。三、实现步骤步骤一：口述建库——一句话创建代码托管仓库一切从一个随手的口述需求开始："先帮我建个仓库，名字是 image_gen_ms，就用当前目录下面的目录"。  码道收到后没有反问废话，直接开工：36 秒完成本地仓库初始化——默认分支 main、首次提交、模块骨架（cmd/、internal/、pkg/、configs/、scripts/）、go.mod、README.md 一次到位。接着我补了一句"远端就用 hcloud 新建个同名库"，这时智能体暴露了一个很多人会踩的坑点：  "你账号下目前没有任何 CodeArts 项目和仓库。CodeArts 仓库必须归属于一个项目，需要新建项目。"它没有自作主张替我起项目名，而是弹出提问卡片让我选择：项目名用 image_gen_ms（与仓库同名，简单一致）还是 image_gen（便于以后扩展更多仓库）。关键决策交给"提问卡片"与人对齐，而不是猜——这是我非常喜欢的一个交互细节。确认后，智能体通过 hcloud 创建 CodeArts 项目与同名远端仓库并完成首次推送，代码托管环节打通。步骤二：需求变更——从 Go 到 Python 的一键切换开发中途我改变了主意："为了快速开发，我们先用 Python 开发，不用 Go"（两个参考实现都是 Python/FastMCP，协议模式可以直接复用）。  智能体的响应不是简单地"哦好的"，而是一套完整动作：全局搜索文档与代码中所有 Go 相关表述（Go | go 实现 | goroutine）；重建仓库结构为 Python src layout（src/image_gen_ms/ + pyproject.toml）；同步更新需求文档、.gitignore、README，提交并推送到远端 main。一次对话完成一次技术选型变更，需求变更的成本被压到了"一句话"。步骤三：人工纠偏——VL 多模态能力的实测验证AI 会犯错，关键是有没有纠偏闭环。在为质检环节挑选 VL 模型时，我人工干预提出质疑：Qwen3.5/Qwen3.8 系列应该支持视觉能力。  码道没有嘴硬，而是直接调魔搭 API 实测验证：魔搭官方 task 标签证实 Qwen3.5/Qwen3.8 全系列均为 image-text-to-text（视觉多模态理解）——我的人工判断是对的；智能体主动承认此前判断错误并公开更正：Qwen3.5-4B 虽是多模态但不支持魔搭官方 API 推理（需自建部署），而我原提的三个质检模型（Qwen3.5-35B-A3B、Qwen3.8-Flash-Next、Qwen3.8-27B）全部可用；随后自动把修正结果回写进需求文档，并同步更新对应的 FR-06 工作项。"人工干预 → 智能体实测 → 修正文档与工作项"，这就是 AI 协作中理想的纠偏姿势。步骤四：需求落库——智能体把需求写进 CodeArts需求不能只活在聊天记录里。我让码道通过 hcloud CLI 直接操作需求管理服务，把升级规划批量写入 CodeArts 工作项。      网页端工作台（IPD 视图）清晰可见：1 个 Epic「图片生产与质检升级」+ 7 个 Feature 子工作项（FR-01 文生图 ~ FR-07 一致性识别），状态真实流转——FR-01、FR-04 已随开发完成关闭，其余按优先级排队。这一页不是我手动一条条录的，全部由智能体通过 API 主动提交。踩坑提示：必须是 IPD 类型项目才能直接添加"原始需求（RR）"；Scrum 项目没有 RR 这个工作项类型，需求要走 Epic/Feature/Story 体系。同一套工作流还可以直接复用到新项目。在另一个 IPD 项目（音视频理解模型 MCP）里，我同样让智能体提交原始需求：  两条 RR（原始需求）已自动生成、状态"分析"、责任人正确归属，随后在 web 端人工查看并回填其他澄清数据——agent 提交初稿 + 人工补充澄清，需求管理的分工非常自然。步骤五：口述启动代码检查——CodeArts Check 接入质量环节代码有了，需求落库了，接下来是质量。我对码道说："继续开一个 hcloud 代码检查，并执行吧"。  智能体自动完成了服务映射（"代码检查"→ CodeArtsCheck 服务）并按标准流程执行：查询可用命令 → 确认参数 → CreateTask 创建检查任务（拿到任务 ID）→ RunTask 启动检查。全程无需打开网页点按钮。然后切到网页控制台"眼见为实"：    CodeArts 控制台的代码检查任务列表里，image_gen_ms 任务状态为**"检查中"，进度条实时走到 26%**——对话里的每一步操作，都在控制台有真实映射。步骤六：查看质量报告 + 智能体自动修复缺陷检查很快完成，控制台给出质量报告：  任务 image_gen_ms-20260920125049 检查成功，共发现 3 个"一般"级别问题，无致命/严重问题。其中典型的一条是规则 G.CLS.07：client.py 中 _headers 方法不需要访问实例，建议定义为 staticmethod。每条问题都定位到具体文件与行号，并自动指派负责人。接下来就是本案例最"爽"的环节——把报告丢回给码道，让它自己修：  智能体先读取相关代码与测试文件确认影响面，然后给出针对性修复方案：client.py：_headers 加 @staticmethod，消除 G.CLS.07；server.py：引入 dataclass T2IParams 封装参数，build_t2i_payload 改为接收单个 dataclass 对象；注意 text_to_image 是 MCP 工具，必须保持扁平参数签名，对个别检查项添加 pylint 注释豁免——而不是为了过检查破坏对外接口。修复完成后重新执行检查通过。整个"扫描 → 定位 → 修复 → 复检"的循环在对话里一气呵成。步骤七：质量门禁——代码提交自动触发检查手动触发检查终究靠自觉，最后一步把它变成门禁：  在代码检查任务的「设置 → 集成服务」中，CodeArts Check 已与 CodeArts Repo 集成，勾选**"代码提交时触发"**并保存。此后每一次 push 都会自动执行代码检查，缺陷被拦在进入主干之前——质量不再依赖个人自觉，而是流程保证。四、效果展示全流程跑下来，真实用时与产出如下：环节联动服务效果口述建仓码道 + 代码托管36 秒完成本地初始化，一句话创建远端仓库并推送技术选型变更码道Go → Python 一次对话完成，文档/骨架/远端同步更新模型选型纠偏码道（实测验证）VL 多模态能力实测证实，文档与 FR-06 工作项同步修正需求落库码道 + 需求管理Epic ×1 + Feature ×7 自动写入，web 端状态真实流转；IPD 项目 RR 自动提交代码检查码道 + 代码检查口述即建任务并执行，控制台实时可见"检查中 26%"缺陷修复码道3 个缺陷（如 G.CLS.07）自动修复并复检通过，对外接口不被破坏质量门禁代码检查 + 代码托管"代码提交时触发"已配置，缺陷拦在提交环节最终形成的闭环：口述需求 → 码道生成/修改代码 → CodeArts Repo 托管 → CodeArts Check 扫描 → 码道自动修复 → 提交自动触发门禁。人做的只有三件事：说需求、做关键决策（提问卡片）、验收结果。五、总结与展望几个真实体感，写给准备尝试的朋友：口述即开发：建仓库、建检查任务这类标准操作，一句话即可；省下的是上下文切换和查文档的时间。AI 会犯错，闭环能纠偏：VL 模型选型那次，靠"人工干预 → 智能体实测 → 修正文档与工作项"完成纠偏。不要怕 AI 错，要怕没有验证闭环。需求必须落库：聊天记录不是需求，写进 CodeArts 工作项（Epic/Feature 或 IPD 的 RR）才可追溯、可排期、可汇报。质量靠门禁不靠自觉："代码提交时触发"这一行勾选，价值大于十次手动检查。踩坑记录：CodeArts 仓库必须归属项目；IPD 项目才能直接添加原始需求 RR；MCP 工具的扁平参数签名遇到检查规则冲突时，用注释豁免而不是改接口。下一步计划把流水线与测试管理纳入同一闭环：码道生成单元测试 → 测试管理编排 → 流水线构建执行，让"AI 智能编码 + 工程化交付"覆盖完整研发生命周期。本文参与【AI 造物实战派】码道 × CodeArts 全流程联合实战案例共创活动，本活动帖链接：cid:link_0

我在东莞溪村绿网，是不是不允许内网使用？

彼其娘之，积分没了就不能使用了么，积分消耗太快了吧，根本用不起啊，买的也给的少。这样还不如用其他的呢，各位是怎么用的啊，求教