News

• 1005日报 | AI的「自己造自己」时刻：22位顶尖学者（Hinton、Bengio、OpenAI首席科学家Pachocki、Anthropic联创Jack Clark）在剑桥CASP平台联署发文预警「智能爆炸」——论文披露Anthropic内部已由AI写就80%的代码、「完全自主研发」占比5个月内从1%飙到26%、3万个智能体8月产出10亿次决策，OpenAI已到80%、谷歌75%，测算「把现有推理算力全拨给AI做研发=同时雇佣200万–2000万名顶尖科学家」；几乎同一时间，中国StartLux用自建「Auto Research」管线只花3天就造出登顶全球的开源决策模型；而大洋这一边，AI的产出正压垮人类的验证体系——Google冻结开源漏洞奖励、arXiv被迫每月限投2篇；更耐人寻味的是，Anthropic一边砸1亿美元培养1万名「落地工程师」，一边靠「隐身赋能」把医疗AI铺向100国

  1005日报 | AI的「自己造自己」时刻：22位顶尖学者（Hinton、Bengio、OpenAI首席科学家Pachocki、Anthropic联创Jack Clark）在剑桥CASP平台联署发文预警「智能爆炸」——论文披露Anthropic内部已由AI写就80%的代码、「完全自主研发」占比5个月内从1%飙到26%、3万个智能体8月产出10亿次决策，OpenAI已到80%、谷歌75%，测算「把现有推理算力全拨给AI做研发=同时雇佣200万–2000万名顶尖科学家」；几乎同一时间，中国StartLux用自建「Auto Research」管线只花3天就造出登顶全球的开源决策模型；而大洋这一边，AI的产出正压垮人类的验证体系——Google冻结开源漏洞奖励、arXiv被迫每月限投2篇；更耐人寻味的是，Anthropic一边砸1亿美元培养1万名「落地工程师」，一边靠「隐身赋能」把医疗AI铺向100国

  今日洞察

  今天的主题是：「AI开始自己造AI」的临界点——一边是『智能爆炸』从论文走进生产线，一边是『AI造出来的东西』正在压垮人类的接住能力；于是，顶级实验室第一次集体承认：现在卡住AI的，不是模型，是人，和验证。」

  前些天我们写过「承载力」（0911）、「出口」（0912）、「加速与刹车」（0913）。今天，这条线走到了一个更本质的节点——AI不再只是被『造』的对象，它开始成为『造』的主体；而产业第一次同时感受到两件事的逼近：智能的生产速度正在失控地快，而人类消化智能的速度正在失控地慢。

  • 一只脚：AI造AI，从宣言变成流水线。 10月3日，22位全球顶尖AI学者在剑桥大学CASP平台联署发布《如果自动化AI研发触发智能爆炸？》——署名人包括AI教父Geoffrey Hinton、图灵奖得主Yoshua Bengio、OpenAI首席科学家Jakub Pachocki、Anthropic联创Jack Clark、Meta研究副总Dawn Song、强化学习之父Andrew Barto等，几乎是一份AI界的「曼哈顿计划名单」。论文抛出一组现实数据：Anthropic内部由AI编写的代码比例，从2025年初的个位数，到2026年5月已超过80%；「完全由AI自主完成、人类只做高级别监督」的研发工作占比，5个月内从1%飙升到26%；Anthropic内部运行着约3万个AI智能体，仅8月就产生超过10亿次决策；OpenAI的AI写码比例已从2025年12月的约20%猛增至80%，谷歌从2024年的25%升至75%。作者测算：若把现有推理算力全部拨给AI Agent做研发，其吞吐量相当于同时雇佣200万到2000万名顶尖人类科学家——「智能爆炸」不再是科幻词，而是一条可以估算的曲线。
  • 另一只脚：AI造的「小模型」，正在给AI装上「系统一」。 TypeSafe的Jev（9月15日发布，种子轮4000万美元、DCVC领投）带火了「决策模型」这一全新物种——不生成文字，只在给定选项里做判断、给概率。 结果一周之内，巨头全部下场：OpenAI在9月30日推出基于Luna模型的Decisions API，AWS在10月1日开源Strands Decider 2B（基于阿里Qwen3.5-2B、Apache 2.0全开源、JevBench 72.3%、单次决策约115毫秒），Cloudflare同日发布Clef与Clef-flash（90亿参数），社区48小时内涌出十几个模仿模型。AI的能力结构第一次出现清晰的分工：大模型负责『生成』，小模型负责『判断』。
  • 而中国团队把「AI造AI」直接做进了产品线。 同样在9月30日，上海StartLux（原点星辉）开源决策模型StartLux-Decision，一次推出0.8B/2B/4B/9B/27B五档，在Decision Index 0.2.1上27B拿到63.88分（Jev为57.91），38项基准中31项超过Jev，国际象棋对弈36局赢下35局，4B版本单卡H200平均26毫秒。 更值得注意的是它的方法：团队称用自建的「Auto Research」管线，仅3天就完成研发与验证——让AI深度参与数据构造、训练、评测与失败分析。（StartLux由盛大网络、WiFi万能钥匙创始人陈大年创办。）
  • 但「造出来的智能」正压垮「验证智能」的人。 10月1日，Google宣布暂停开源漏洞奖励计划（OSS VRP）的产品漏洞提交，理由直白：「自动化提交数量显著增加，其中绝大多数无效」——数万份AI生成的『幻觉报告』淹没工程师，重启最早要到2027年Q1。 同一根链条上：Intel 9月暂停最高10万美元的漏洞悬赏；curl年初终止运行七年的悬赏（有效报告率从>15%断崖跌到<5%）；Apple 8月被迫设置提交上限与30天冷却期。 学术侧同样告急：arXiv单月收到40363篇投稿创35年新高，cs.AI类别两年暴涨6倍，审核积压近9000件，10月1日起被迫实施「每人每月限投2篇」。
  • 于是，顶级实验室开始集体承认：瓶颈不是模型，是人。 10月2日，Anthropic宣布投入1亿美元启动「Claude Frontier Academy」，计划到2027年底培养1万名「前沿部署工程师」（FDE），首批学员来自埃森哲、麦肯锡、摩根士丹利等8家头部机构，培养方式直接借鉴医学院的「住院医师制」。 依据是：全美仅约2000名精英级FDE，不到五分之一财富500强实现了有意义的AI投资回报，FDE需求预计2026年底暴增约2100%。 与此呼应，Anthropic靠与OpenEvidence合作把医疗AI免费铺向100个中低收入国家、自己退到「看不见的底座」，英特尔则把赌注压在「把智能体落进千行百业」的产业化平台上。

  把这五件事放在一起，今天真正发生的事是：AI第一次同时踩下「生产端」和「消费端」两个加速度——生产端，它开始造自己，速度快到研究者自己都要发论文示警；消费端，它造出来的东西（代码、报告、论文、视频）多到人类的注意力、验证力和信任都接不住。 这不是矛盾，而是同一个拐点的两面：当『生成』趋近于免费，产业链上所有价值都会重新向『判断』『验证』『落地』『信任』这些人类环节回流。

  对AI创业者与产品经理而言，今天最务实的三个判断是：① 「判断」正在变成一种可产品化的基础设施——决策小模型（Jev/Strands Decider/StartLux）、裁决式查询、AI预筛选，都在把「谁来判断」从大模型的输入输出里拆出来单独收费，这是一条刚被巨头验证、还没跑出赢家的新赛道；② 「可验证」比「更聪明」更值钱——当参议员问「谁为逃逸的Agent负责」、当bug bounty被AI垃圾淹没，能把「AI的判断」变成「可审计、可复核、可追责」的产品，就是刚需；③ 「落地能力」本身就是一门生意——Anthropic花1亿造1万个FDE，意味着未来两年最抢手的不只是算力和模型，而是「能把模型塞进企业流程并跑通」的人和方法论。

  ①【行业洞察/主线】22位顶尖AI学者剑桥CASP平台联署发文预警「智能爆炸」：Hinton、Bengio、Pachocki、Jack Clark等署名；论文披露Anthropic内部80%代码由AI写、「完全自主研发」占比5个月内从1%→26%、3万智能体8月产10亿次决策，OpenAI 80%、谷歌75%；作者测算把现有推理算力全拨给AI做研发≈同时雇佣200万–2000万名顶尖科学家，并预言「到2028年中，需顶级团队数月攻克的AI研发项目可能被完全自动化」。 这是本周最重磅的行业转向信号——当「AI研发自动化率」取代「算力与人力」成为决定进步速度的核心变量，整个AI产业的安全假设、监管框架与人才结构都要重写。 对创业者：别再默认「AI能力增长是外生给定的」，它现在是内生的、自加速的——你需要把「能力每几个月翻一档」当作产品规划的默认前提。

  ②【新产品/融资】「系统一」决策模型一周之内被巨头包场：TypeSafe的Jev（9/15，种子轮4000万美元/DCVC领投）带火「不生成文字、只做判断」的小模型，随后OpenAI推出Luna决策API（9/30）、AWS开源Strands Decider 2B（10/1，Qwen3.5-2B底座、Apache 2.0、JevBench 72.3%、约115毫秒）、Cloudflare发布Clef与Clef-flash（10/1）；社区涌现数十个开源模仿模型。 商业逻辑很干净：Agent执行任务时，每一步「路由/选择/校验」都付费调用大模型，既贵又慢还会幻觉；把这类判断交给2B级小模型，成本降一个数量级、延迟降到毫秒级、还能给出置信度——「大模型负责生成、小模型负责把关」正在成为Agent架构的新默认。 对做Agent产品的团队：这是继Harness（0913写过的Codex Agents API）之后，Agent基础设施「分叉」的又一层——谁先把决策层做成开发者默认组件，谁就吃到Agent时代的『守门人』税。

  ③【新产品】中国StartLux（原点星辉）用「AI造AI」3天造出登顶全球的决策模型：9月30日开源StartLux-Decision，五档0.8B–27B，Decision Index 0.2.1上27B得63.88分（超Jev 5.97分）、38项基准31项领先、国际象棋36局赢35局、4B单卡H200平均26毫秒、提供GGUF量化可本地部署；团队称依托自建Auto Research管线3天完成研发与验证，让AI参与数据构造、训练、评测与失败分析。 这条新闻的价值不在「又一次开源追平」，而在方法本身：「AI深度参与造AI」（Auto Research）被一家成立不足5个月的公司变成了可复用的研发流水线——这正是CASP论文所预警的「研发自动化」在产业侧的活样本。 对创业者：当「造一个专用小模型」的门槛降到「几天+一条自动化管线」，垂直专用模型（决策、路由、审核、评分）会像App一样批量出现——机会在「谁定义标准任务」和「谁掌握数据与评测」，而不在「谁先训出来」。

  ④【行业洞察/商业模式】Anthropic砸1亿美元「造人」：启动Claude Frontier Academy，2027年底前培养1万名「前沿部署工程师（FDE）」，首批来自埃森哲、麦肯锡、摩根士丹利等8家机构，培养方式借鉴「住院医师制」，学员需带一个Claude项目入营、回岗落地；公司称「卡住Claude在企业内落地的，是人才而不是技术」——全美仅约2000名精英FDE、不到1/5财富500强实现有意义的AI回报、FDE需求预计2026年底暴增约2100%。 这是「模型军备竞赛」转向「落地能力竞赛」的标志性动作：通过认证体系绑定FDE人才生态、降低部署摩擦、确立行业人才标准（类比思科认证）——把「人」变成自己的分发护城河。 对创业者：「交付/集成/合规」这一层正在被头部实验室亲自下场标准化，独立的「企业AI落地服务商」需要尽快找到自己的差异化（垂直行业know-how、私有数据、行业合规），而不是与大厂认证体系正面拼培训。

  ⑤【行业洞察/商业模式】Anthropic的医疗棋局「一手冲顶、一手隐身」：一边发布迄今生物学能力最强的Claude Opus 5.5（首个被自家评为CB-1生化风险级的模型，即「强到需单独管控」），一边与OpenEvidence合作把基于Claude的临床决策支持工具免费开放给约100个中低收入国家的医生（首批乌干达、安哥拉、苏丹、海地、蒙古）；对照OpenAI的「品牌直连」路线（ChatGPT Health、面向认证医护免费的ChatGPT for Clinicians、超2.3亿用户提过健康问题）。 差异极具启发性：OpenAI强化品牌、直接抢占医生与患者入口；Anthropic甘于隐身、退到「可验证的底座」——OpenEvidence超40%的美国执业医师每天使用、单月临床咨询4200万次，Anthropic把别人的产品变成自己的分发渠道，「品牌让渡换分发速度」。 对创业者：在合规/信任敏感的场景里，「做看不见的底座」往往比「做看得见的App」更快铺开——当客户不需要知道背后是谁，摩擦就降到了最低。

  ⑥【行业洞察】AI的产出正在压垮人类的验证：Google暂停开源漏洞奖励计划（OSS VRP）产品漏洞提交（10月1日生效、Q1 2027再议），因「自动化提交激增、绝大多数无效」；Intel 9月暂停最高10万美元悬赏、curl年初终止七年悬赏（有效报告率>15%→<5%）、Apple设提交上限与30天冷却；arXiv单月40363篇投稿创35年新高、cs.AI两年涨6倍、10月1日起每人每月限投2篇。 这是一场教科书级的「不对称博弈」：AI把『提交/生成』的成本压到接近零，却压不动『验证/审核』的成本——于是整个社会化的验证体系（志愿者审稿、安全研究员、开源维护者）被免费搭便车、直至崩塌。 对创业者：「验证」是一个被系统性低估的赛道——AI预筛选、信誉/配额机制、可证明的覆盖完整性（如AWS的「裁决式查询」产出『完整性收据』），都可能成为AI时代新的基础设施刚需。

  ⑦【新产品】苹果要把Siri变成操作系统：10月13日发布HomePad与全新homeOS，无App Store、以Siri AI为唯一交互入口（辅以触屏与来自iPhone的第三方小组件），设计融合iOS小部件、iPadOS布局与watchOS图标，本地A18芯片处理+隐私为差异化卖点，切入超2300亿美元智能家居市场。 「AI原生操作系统」第一次在一个亿级生态里落地：无App Store意味着没有『手动操作』的备选方案——homeOS的成败完全系于Siri AI的表现，这是一次把整个系统赌在单一AI入口上的豪赌。 对产品经理：「AI即入口」正在改写操作系统与应用的分工——当交互收敛到一个AI，应用的价值会从「界面」退化为「被调用的能力」；如何让自己的产品成为「AI默认会调用的那个能力」，比做一个独立App更重要。

  ⑧【新产品】实时视频AI攻破「眼见为实」：Tavus发布Griffin（首个「人类交互模型HIM」，全双工视频到视频），在直播视频通话后48%（26/54）的参与者以为对面是真人（上一代仅2.4%，1/41）；720p/25fps、音画延迟约0.43秒，在NVIDIA VideoFDB感知赛道排名第一（3.73分，人类基准4.20分）；API已有约15万开发者注册，但官方称「在安全机制就绪前不向公众开放」。 风险同样量化：深伪欺诈损失2025年已飙升至11亿美元（2024年的3倍），2024年香港奥雅纳案中员工参加的视频会议里所有「同事」都是AI假人、公司损失2500万美元。 对做AI产品的团队：「我可以验证对面是真人/真内容」将从加分项变成刚需——身份验证、内容凭证（C2PA）、可追溯的生成水印，会随着实时深伪的成熟而迅速商业化。

  ---

  1. 22位顶尖AI学者剑桥CASP平台联署发文预警「智能爆炸」：Hinton、Bengio、OpenAI首席科学家Pachocki、Anthropic联创Jack Clark等署名；披露Anthropic内部80%代码由AI写、「完全自主研发」占比5个月内1%→26%、3万智能体8月产10亿次决策，OpenAI 80%、谷歌75%；作者测算把现有推理算力全拨给AI做研发≈雇佣200万–2000万名顶尖科学家

  

  🔗 链接：CASP·What if automating AI R&D triggers an intelligence explosion?（10/3） · 投资界·AI开始造AI，智能爆炸逼近（10/3，转自新智元）

  动态：10月3日，一份仅15页、却可能改变行业叙事框架的论文在剑桥大学CASP平台发布，题为《如果自动化AI研发触发智能爆炸？》，由22位全球顶尖AI学者联署——诺奖得主、AI教父Geoffrey Hinton，图灵奖得主Yoshua Bengio，OpenAI首席科学家Jakub Pachocki，Anthropic联创Jack Clark，Meta AI研究副总Dawn Song，强化学习之父Andrew Barto，以及Eric Horvitz、Jeff Clune、Philip Torr等均在列。论文的核心论点：过去决定AI进步速度的是「算力+人类研究员精力」，未来核心变量正切换为「AI研发自动化率」——由此形成一个正反馈飞轮：更聪明的AI → 编写更高效的算法与架构 → 自动化执行百万级科研实验 → 催生出再下一代更强的AI。论文披露的产业现状极具冲击力：① Anthropic内部由AI编写的代码比例，从2025年初的个位数，到2026年5月已超过80%；② 「完全由AI自主完成、人类只做高级别监督」的研发工作占比，5个月内从1%升至26%；③ Anthropic内部运行约3万个AI智能体，仅8月就产生超过10亿次决策；④ OpenAI的AI写码比例从2025年12月的约20%增至80%（总裁Greg Brockman在AI Ascent 2026透露）；⑤ 谷歌内部AI生成的新代码比例从2024年的25%升至75%（皮查伊披露）；此外，OpenAI称其从模型训练、日常评估到安全攻防系统，核心环节已被执行代码的自主Agent大量渗透。任务周期也在被压缩：2023年最强模型只能处理几秒到几分钟的简单任务，如今Agent已能独立完成资深研究员数小时乃至数天的复杂研发与调试；一个完全自动化的AI科研流水线已跑通「提假设→搭实验→写代码→成稿」，且论文通过了顶级会议同行评审。作者在附录给出测算：若前沿实验室把已有推理算力全部拨给AI Agent做研发，以当前运行成本折算，其研发吞吐量相当于同时雇佣200万到2000万名顶尖人类科学家；并给出时间判断：「到2028年中，需要人类顶级团队耗时数月才能攻克的复杂AI研发项目，可能被完全自动化。」

  做什么的：这是一份由「造AI的人」自己写的风险预警书——它不讨论『AI会不会失控』的抽象命题，而是量化描述『AI已经开始接管造AI这件事』的现实进程。 需要冷静看待两点：① 论文以「初步证据」措辞，承认仍有大量不确定性；② 其数据多来自实验室自报（Anthropic/OpenAI/Google），口径与验证标准不一。 但方向性判断是明确的：AI研发的「自动化率」正在成为比算力和人才更关键的变量，且它一旦进入正反馈，留给社会「跟上」的窗口会非常短。

  为什么值得关注：

  • 它为整个AI产业提供了一个新的「风险时钟」，而不再是「能力榜单」。 过去大家比的是「谁的模型更强」，现在真正的分水岭是「谁的研发自动化率更高」——因为这决定了对手的能力将以多快的速度迭代。对创业者：把「能力每几个月翻一档」当作产品与组织的默认前提，而不是把「当前能力」当作静态约束去规划。

  • 它把「安全/对齐」问题从哲学题变成了工程题。 论文提出的不是「停止研发」，而是「获取对AI研发自动化的可见性、找到引导与约束智能爆炸的方法、让社会为影响做好准备」。对做Agent/基础设施的团队：这意味着「可观测、可干预、可审计」会从合规成本变成竞争壁垒——正如我们在第6条写到的「验证危机」，两者是同一件事的两面。

  • 人才结构将首当其冲被重估。 当「AI写80%代码、自主完成26%研发」，被替代的不是『会写代码的人』，而是『只做执行、不做判断与验证的人』。对个人：把能力往『定义问题、验证结果、承担责任』的方向迁移；对企业：重新设计「人机分工」的岗位与绩效，而不是简单替代人头。

  • 对创业者的启发：① 把「研发自动化率」当作新的竞争力指标来经营；② 「可观测/可干预/可审计」是这一轮的安全红利；③ 别把当前模型能力当静态约束；④ 人才价值向「判断与验证」迁移；⑤ 关注「AI自主科研」的副产品机会——自动评测、失败分析、实验编排、论文一致性校验。

  类比参考：「AI的『曼哈顿时刻的备忘录』/ 当年一群物理学家联名警告核风险，今天一群AI学者联名警告『智能爆炸』——区别在于，核裂变的临界质量需要浓缩铀，而智能爆炸的临界条件（AI研发自动化率）正在普通实验室的日常里悄悄达标。」

  ---

  2. 「系统一」决策模型一周之内被巨头包场：TypeSafe的Jev（9/15，种子轮4000万美元/DCVC领投）带火「不生成文字、只做判断」的小模型，接着OpenAI推出Luna决策API（9/30）、AWS开源Strands Decider 2B（10/1，Qwen3.5-2B底座/Apache 2.0/JevBench 72.3%/约115毫秒）、Cloudflare发布Clef与Clef-flash（10/1），社区涌现数十个开源模仿模型

  

  🔗 链接：TechCrunch·Amazon releases its own Jev clone as decision models flood the web（10/1） · VentureBeat·Amazon unveils a free, fast, open source Jev killer: Strands Decider 2B（10/1）

  动态：一个新物种在一周内从「一家公司的点子」变成「全行业的基础设施层」。 起点是TypeSafe AI在9月15日发布Jev——一款「决策模型」：它不生成文字，而是接收应用状态和带类型的问题，直接从开发者给定的选项里选择、打分或给出是非概率；TypeSafe在融资上以4000万美元种子轮（DCVC领投）开局，并把这套思路命名为「System One（系统一）模型」（取自卡尼曼的「快思考」）。两周内，巨头全部下场：OpenAI在9月30日推出基于其Luna模型的Decisions API（有限预览，托管式，聚焦「有预定义答案」的问题）；AWS于10月1日发布并开源Strands Decider 2B——基于阿里Qwen3.5-2B「躯干」，删掉文本生成头、换上一个约百万参数的指针头，用rank-16 LoRA微调，专注「选择而非生成」；在JevBench公开集上准确率约72.3%（167/231），在消费级GPU（RTX 3090）上中位延迟约115毫秒，Apache 2.0许可、连训练数据、训练脚本与评测工具全部开源；项目由AWS杰出工程师Marc Brooker在读过Jev后「自己动手复刻」而来。同一天，Cloudflare发布Clef与Clef-flash（后者90亿参数），权重同样发表在Hugging Face。社区侧更疯狂：两周内涌现出Kev、imajev、Laya、Mapika decider-2b（76%）、以及中国StartLux-Decision等数十个决策模型。AWS的用法很关键：把Decider 2B塞在Agent「调用工具之前」——先判断参数是否来自用户原话、信息是否足够，再决定「执行/拒绝/请求人类确认/回退给Agent」，模型跑在本地、生成模型仍走Bedrock。

  做什么的：通俗讲，这是给AI Agent装一个「守门的系统一」——不需要动辄调用大模型来做的『路由、选择、校验』，交给一个2B级小模型在毫秒内完成，并给出置信度。 它解决的痛点是：Agent每执行一步都付费调用前沿大模型，既贵、又慢、还会幻觉出「不存在的选项」；而决策模型把输出限制在开发者给定的选项内，从根本上杜绝了『凭空发明』（代价是准确性仍有上限）。

  为什么值得关注：

  • 它验证了一条新的「分工经济学」：大模型负责生成、小模型负责判断。 当『生成』这件事越来越便宜、越来越同质，价值链会向『判断』环节迁移——这正是本条第2条与StartLux（第3条）共同指向的结构性变化。对创业者：这是继Harness之后，Agent基础设施的又一层「分叉重地」，且目前还没有公认赢家。

  • 「开源+本地+全配方」正在成为对抗闭源API的标准打法。 AWS给的是权重、数据来源、训练配方、评测harness乃至研究日志全部公开，而Jev只有托管API、不公开架构与权重。对做基础设施的团队：当巨头用「完全开源」抢开发者心智，闭源API的护城河只剩『更强的模型智能』——而TypeSafe CEO本人也承认，挑战在于「把模型真正做聪明，而不是复刻一个架构」。

  • 它是Agent进入生产环境的必要拼图。 决策模型让Agent的每一步动作「可预判、可拦截、可解释」——这与第6条的「验证危机」是同一个母题：AI越自主，「谁来判断这一步该不该做」就越值钱。

  • 对创业者的启发：① 「判断/路由/校验」是可独立产品化的新赛道；② 开源全配方是抢开发者心智的高效武器；③ 决策层要与Agent框架/Harness深度集成才有黏性；④ 关注「置信度校准」（高风险场景的ECE精度仍不足）这个尚未解决的技术缺口；⑤ 别低估「云厂商用免费开源换生态」的杀伤力。

  类比参考：「Agent的『系统一』/ 大模型像一位深思熟虑但昂贵、迟缓的顾问，决策模型像一位反应极快、只负责按流程按按钮的调度员——当Agent从『聊天』走向『执行』，产业发现真正稀缺的不是『更会说的嘴』，而是『更敢签字的手』。」

  ---

  3. 中国StartLux（原点星辉）用「AI造AI」3天造出登顶全球的决策模型：9月30日开源StartLux-Decision，五档0.8B–27B，Decision Index 0.2.1上27B得63.88分（超Jev）、38项基准31项领先、国际象棋36局赢35局、4B单卡H200平均26毫秒、提供GGUF可本地部署；团队称依托自建Auto Research管线3天完成研发验证，让AI深度参与数据构造、训练、评测与失败分析

  

  🔗 链接：投资界·Jev被请下王座，StartLux中国开源决策模型冲上第一（10/3，转自机器之心） · StartLux官网·原点星辉

  动态：9月30日，成立不足5个月的上海AI公司StartLux（原点星辉）发布并开源决策模型系列StartLux-Decision，一次性推出0.8B、2B、4B、9B、27B五个参数档位，并提供原始权重及Q8_0、Q4_K_M、BF16三种GGUF量化版本，支持本地部署。 成绩方面：在独立的Decision Index 0.2.1评测中，27B版本综合得分63.88，38项基准中有31项高于TypeSafe的Jev 1.13（57.91）；在另一套七项评测中，27B平均准确率91.82%（Jev为88.74%，上海AI实验室Intern-Decision-4B为90.02%）；在JevBench公开集上答对208/231题，比Jev多对9题；在36局国际象棋对弈中（双方都不借助额外搜索、每步由模型直接选择），StartLux-Decision-27B赢下35局。 延迟方面：单卡H200、BF16短请求下，0.8B/2B/4B/9B/27B分别约12.2/15.5/26/35.7/102.3毫秒，「一次请求即可完成多个判断」（如客服工单同时判断「交给哪个团队/今天是否处理/影响多大」），并支持「从单步判断走向连续网页操作」（每步回答『操作哪个控件、任务是否完成』）。 最值得注意的是方法：团队称用自建的「Auto Research」管线，让AI深度参与数据构造、训练、评测与失败分析，仅3天就完成StartLux-Decision的研发与验证，并称这是其推进RSI（递归自我改进）的核心路径之一。 （公开信息显示，StartLux由盛大网络、WiFi万能钥匙创始人陈大年创办并任CEO，公司主攻「让大模型运行在个人设备与本地工作站」。）

  做什么的：这是一款「专为智能体高频判断设计」的专用小模型——和Jev/Strands Decider同类，但以「全开源+本地部署+中国团队」切入，并且把『用AI加速造AI』直接写进了研发方法。 需要冷静区分的是：这些分数中，StartLux-Decision为团队基于公开评测工具自测（对照2026年9月28日榜单快照），并非第三方独立复测；长任务稳定性、异常恢复等系统工程能力尚待验证。 但「3天做出一个登顶开源榜单的专用模型」这件事本身，比分数更值得关注。

  为什么值得关注：

  • 它是CASP论文（第1条）在产业侧的「活样本」。 当「AI参与造AI」的研发管线被一家小公司做成可复用流程，意味着『造一个专用小模型』的成本正从『几百万美元+数月』降到『几天+一条自动化管线』——这是一次实实在在的供给侧革命。

  • 它把「本地/私有部署」做成了决策模型的差异化卖点。 决策模型处理的是任务路由、工具选择、参数校验等高度敏感的内部逻辑，「数据不出本地」对金融、医疗、政务客户是关键卖点——这也是开源权重相对托管API的核心优势。

  • 它印证了中国团队在「专用小模型」上的敏捷身位。 从Kimi（0913写过）到StartLux，中国团队正在用「开源+快速迭代+极致性价比」持续冲击海外闭源厂商的能力边界。

  • 对创业者的启发：① 垂直专用小模型（决策、路由、审核、评分）会像App一样批量出现，机会在「定义标准任务」和「掌握数据与评测」；② 把「AI参与研发」做成流水线，是拉开迭代速度差的关键；③ 本地/私有部署是合规敏感行业的杀手锏；④ 开源是抢开发者心智、快速建立标准的低成本武器；⑤ 关注自测成绩与第三方复测的差距，别被榜单数字误导。

  类比参考：「决策模型的『中国式复制速度』/ Jev在9月15日发明了这个品类，AWS、Cloudflare在10月1日跟进，而StartLux不仅在两周内拿出五档开源版本，还顺手演示了『用AI造AI』的3天研发流程——当发明、跟进、反超的周期被压缩到两周，竞争的焦点就从『谁先想到』变成了『谁的迭代机器转得更快』。」

  ---

  4. Anthropic砸1亿美元「造人」：启动Claude Frontier Academy，2027年底前培养1万名「前沿部署工程师（FDE）」，首批学员来自埃森哲、麦肯锡、摩根士丹利等8家机构，培养方式借鉴「住院医师制」；依据是全美仅约2000名精英FDE、不到1/5财富500强实现有意义的AI回报、FDE需求预计2026年底暴增约2100%

  

  🔗 链接：Anthropic·Claude Frontier Academy（10/2） · CNBC·Anthropic to invest $100 million to train AI engineer talent（10/2）

  动态：10月2日，Anthropic宣布投入1亿美元启动「Claude Frontier Academy（Claude前沿学院）」，目标到2027年底培养1万名「前沿部署工程师（Forward Deployed Engineer, FDE）」，首批学员来自埃森哲、麦肯锡、摩根士丹利等8家全球头部机构，学员均来自Anthropic的Claude Partner Network（合作伙伴网络）。培养方式直接借鉴医学院的「住院医师制」：企业派出自己的工程师，每人带着一个明确的Claude项目入营、回岗后在自家落地，且不要求有构建AI Agent的经验；通过者获得「Claude Frontier Deployed Engineer」认证，首批认证预计2027年初发放。Anthropic的公开逻辑是：「卡住Claude在企业内落地的，不是技术，而是人。」 其援引的数据是：据Christian & Timbers 2026年7月研究，全美仅约2000名精英级FDE（总从业者约1.7万人），不到五分之一财富500强实现了有意义的AI投资回报，而FDE需求预计2026年底暴增约2100%。 需要说明：这些数字均为目标而非结果——1万是2027年底的目标，$1亿的分配明细、单个人成本与预期回报，Anthropic均未披露。

  做什么的：这是一个把「AI价值交付」从「买模型/买API」升级为「买方法论+买人才认证」的商业模式动作。 FDE（前沿部署工程师）是把模型能力『翻译』成企业具体业务结果的关键角色——既懂模型能力边界，又懂客户流程，是AI落地的「最后一公里」施工队。 Anthropic用认证体系把这件事标准化，本质是通过绑定人才生态来绑定企业客户。

  为什么值得关注：

  • 它标志着头部实验室的战略重心，从「模型军备竞赛」转向「落地能力竞赛」。 当模型能力趋于同质，「谁能把模型真正跑进客户的利润表」就成了新的护城河——这与你读到的所有「AI落地难」的抱怨，其实是同一个商业机会。

  • 「认证体系」是极高明的生态锁定。 类比思科认证（CCNA/CCIE）之于网络设备、Salesforce认证之于CRM生态——一旦行业把「你有多少认证FDE」当成采购标准，Anthropic就从一个『供应商』变成了『标准制定者』，客户和合作伙伴的转换成本被大幅抬高。

  • 它给「AI落地服务商」敲了警钟，也开了窗。 头部实验室亲自下场做培训与标准，意味着中立的通用「AI培训/咨询」会被挤压；但垂直行业（医疗、金融、制造）的深度know-how、私有数据与合规能力，是大厂认证体系难以替代的差异化空间。

  • 对创业者的启发：① 把「交付/集成/合规」当作一条独立的、可规模化的业务线来经营；② 关注「认证/标准」的机会——谁能定义某个垂直领域的AI落地标准，谁就掌握定价权；③ 与头部实验室的Partner Network对接，是低成本获客与背书的路径；④ 别只卖工具，卖『让工具在客户流程里跑通』的能力。

  类比参考：「AI时代的『住院医师培养计划』/ 医学院用住院医师制解决了『医学生无法独立行医』的断层，Anthropic用同一套逻辑解决『企业买了模型却用不起来』的断层——当1万人拿到『Claude认证医师』的工牌，Anthropic卖出的就不再是API，而是一整套可复制的能力交付标准。」

  ---

  5. Anthropic的医疗棋局「一手冲顶、一手隐身」：发布迄今生物学能力最强的Claude Opus 5.5（首个被自家评为CB-1生化风险级），并借与OpenEvidence合作把临床决策工具免费铺向约100个中低收入国家（首批乌干达、安哥拉、苏丹、海地、蒙古）；对照OpenAI的「品牌直连」路线（ChatGPT Health、面向认证医护免费的ChatGPT for Clinicians、超2.3亿用户提过健康问题）

  

  🔗 链接：投资界·模型强到要风险管控，Anthropic借OpenEvidence把医疗AI铺向100国（转自动脉网）

  动态：Anthropic在一周之内连续两次落子医疗。 其一，发布Claude Opus 5.5（9月下旬），官方称其为公司迄今生物学能力最强的模型之一，化学与生物风险能力被评为CB-1级——按Anthropic的「负责任扩展政策」，CB-1意味着「模型可协助已知、非新型化生武器相关任务，能力已强到需要单独管控，发布但必须严管」（CB-2为更高风险，目前尚无模型达到）。其二，在联合国大会周期间的9月22日（纽约），Anthropic宣布与OpenEvidence合作：由其提供模型基础设施、OpenEvidence负责产品与本地化，将基于Claude的临床决策支持工具免费开放给约100个中低收入国家的医生，首批国家包括乌干达、安哥拉、苏丹、海地、蒙古。 OpenEvidence是关键的分发资产：超40%的美国执业医师每天使用它查询证据，仅2026年8月美国临床医生咨询量就达4200万次，1月D轮融资后估值达120亿美元。 两条产品线也随之浮现：去年10月的Claude for Life Sciences（科研/临床前，靠连接器接入Benchling、10x Genomics、ClinicalTrials.gov等）与今年1月的Claude for Healthcare（临床与支付，接入CMS数据库、ICD-10编码、3500万篇以上PubMed文献）——共同定位是「有人负责裁定的流程加速器」，而非终端诊疗。 作为对照，OpenAI走的是「品牌直连」：ChatGPT Health同步检验/病历数据、ChatGPT for Clinicians面向认证医护免费、超2.3亿用户已向ChatGPT提过健康问题。

  做什么的：Anthropic在医疗上刻意「不做终端应用、不碰诊断结论、不强调品牌露出」，而是退到「可验证的底座」位置——把OpenEvidence这类顶流应用变成自己的分发渠道（很多OpenEvidence用户未必知道背后是Claude）。 这套「隐身赋能」策略换来的是更快的分发速度与更低的合规阻力，代价是放弃了直接的用户心智与数据闭环。

  为什么值得关注：

  • 它是「品牌 vs 分发」在强监管场景下的一次鲜明对照实验。 OpenAI强化品牌、直接抢占医生与患者入口，承担更高的合规成本与品牌风险；Anthropic甘于隐身、通过合作方铺开，把『谁在用我』这件事藏进后台。 对创业者：在合规/信任敏感的场景，『做看不见的底座』往往是更快的规模化路径——当客户不需要知道背后是谁，摩擦就降到了最低。

  • 「免费铺向100国」既是公益，也是市场教育与标准抢占。 一旦当地医生的循证检索习惯绑定到特定工具，后续的『标准』自然以此为准——这是典型的「先占入口、再谈变现」的分发策略。

  • 它把「安全治理」做成了产品竞争力而非成本。 CB-1分级、按生命科学专业人士分级授权访问、生物风险评测——Anthropic把『负责任的AI企业』形象系统性地转化为医疗行业最稀缺的信任资产。

  • 对创业者的启发：① 强监管场景优先考虑「底座/渠道」而非「品牌/入口」；② 免费是最高效的市场教育与标准抢占手段；③ 把合规与安全能力产品化为「信任资产」；④ 关注AI医疗的效果验证缺口（如肯尼亚RCT显示AI辅助组与对照组无显著差异），别把「能接入」误当成「有疗效」。

  类比参考：「AI医疗的『隐形冠军』策略/ 台积电不生产手机，却让每一台旗舰机都印着它的工艺——Anthropic不生产医疗App，却试图让100国医生的每一次循证检索背后都是Claude；当对手在争夺『医生手机上那个图标』时，它选择成为『所有图标背后的那个引擎』。」

  ---

  6. AI的产出正在压垮人类的验证：Google暂停开源漏洞奖励计划（OSS VRP）产品漏洞提交（10月1日生效、Q1 2027再议），因「自动化提交激增、绝大多数无效」；Intel 9月暂停最高10万美元悬赏、curl年初终止七年悬赏（有效报告率>15%→<5%）、Apple设提交上限与30天冷却；arXiv单月40363篇投稿创35年新高、cs.AI两年涨6倍、10月1日起每人每月限投2篇

  

  🔗 链接：Hardware Busters·Google Pauses Its Open-Source Bug Bounty as AI Slop Buries Maintainers（10/3） · 钛媒体·Edge AI Daily早报（10/5，含arXiv限投）

  动态：AI的「产能过剩」正在公开地压垮人类社会的「验证」体系。 10月1日，Google在X上宣布：暂停开源漏洞奖励计划（OSS VRP）的产品漏洞提交通道，重启最早要到2027年Q1，理由直白——「自动化提交数量显著增加，其中绝大多数无效」；10月1日之前提交的报告仍会处理，供应链类报告不受影响。 这不是孤例，而是 Bug Bounty 体系的系统性崩塌：curl于2026年1月终止运行近七年的悬赏项目（有效报告率从>15%断崖式跌到<5%）；Intel于2026年9月暂停最高10万美元奖金的漏洞奖励计划；Apple于2026年8月被迫设置提交上限与30天冷却期（导致真实零日漏洞被噪音堵在门外）；HackerOne于2026年3月暂停Internet Bug Bounty资金池，连带Node.js悬赏计划终止。 后果是「漏洞发现速度已达人类修复能力的3倍以上」：Linux内核每版本的CVE数量从6.x时代的约500个逼近2000个，维护者直言『被彻底淹没』，甚至不得不放弃对旧网络驱动的支持。 学术侧同步告急：arXiv在2026年9月单月收到40363篇投稿，创35年历史新高，其中cs.AI类别两年暴涨超6倍；审核被拒率从长期约4%升至约10%–12%，积压工单近9000个——于是arXiv自10月1日起实施『每人每月限投2篇』的临时措施。 arXiv的审核网络仅靠260名志愿审核员与7名专职人员运转，自动化审核工具尚未建立。

  做什么的：这是「生成成本→0」对「验证成本不变」的一次公开碾压。 对漏洞赏金而言，AI把『提交一份报告』的成本压到接近零，却压不动『验证一份报告是否为真』的成本——结果是「公地悲剧」：AI用开源代码训练 → 扫描开源代码 → 生成低质量报告 → 由无偿志愿者承担验证成本。 对学术出版而言，AI让『写论文』变得极便宜，但『同行评审』仍是稀缺的人力。

  为什么值得关注：

  • 它揭示了一个被系统性低估的赛道：「验证」。 当『生成』变得免费，社会真正的瓶颈就从『生产内容』转移到了『判断内容真假、覆盖是否完整、责任归谁』。 对创业者：AI预筛选、信誉/配额机制、可证明的覆盖完整性（如AWS提出的『裁决式查询』产出『完整性收据』）、自动化复核工具，都可能成为AI时代的新基础设施刚需。

  • 它是『智能爆炸』（第1条）的必然副产品，也是它的刹车片。 AI造AI的速度越快，产出的中间物（代码、报告、论文）就越多，而消化它们的仍是有血有肉的人——这两条线正在中国和美国、在开源社区和企业内部同时上演。 对做Agent产品的团队：这直接回答了『为什么『可审计、可复核、可追责』会成为准入项』——因为社会已经没有多余的人力来兜底了。

  • 它给「用AI提效」的团队一个冷静提醒。 当你的AI产品把『提交/生成』的效率提升10倍，请同时投资『验证/筛选』那一端——否则你只是在把成本转嫁给下游的人（或自己的志愿者社区），迟早会遭到反噬（如Google、curl、Linux的选择）。

  • 对创业者的启发：① 「验证/审核/筛选」是被低估的黄金赛道；② 任何AI提效产品都要配套验证能力，否则会把成本外包给社会并最终被反噬；③ 关注「AI预筛选+信誉配额」的产品化机会；④ 学术/开源/内容平台的审核基础设施是长期需求；⑤ 对AI生成的中间物，默认「先怀疑、再采信」。

  类比参考：「『印刷术革命』的验证阵痛/ 古腾堡让书变得廉价，随之而来的是伪书、劣质印刷与信仰混乱，直到出版业建立起编校与信誉体系；今天AI让内容与代码变得极廉价，社会同样被迫重建『验证与信誉』的基础设施——区别在于，这一次重建的速度需要跟上AI生成的速度。」

  ---

  7. 苹果要把Siri变成操作系统：10月13日发布HomePad与全新homeOS，无App Store、以Siri AI为唯一交互入口（辅以触屏与来自iPhone的第三方小组件），设计融合iOS/iPadOS/watchOS元素，本地A18芯片处理+隐私为差异化卖点，切入超2300亿美元智能家居市场

  

  🔗 链接：9to5Mac·Apple's new 'homeOS' will launch this month, here's what's coming（10/2） · 钛媒体·Edge AI Daily早报（10/4）

  动态：苹果将于2026年10月13日发布智能家居中枢HomePad及全新操作系统homeOS。 关于这款系统，最激进的一条设计是：homeOS没有App Store，以Siri AI作为唯一的核心交互入口，同时辅以触摸操作（融合iOS小部件、iPadOS布局与watchOS图标的设计语言），第三方小组件可从iPhone迁移过来；产品定位是「会动的装饰画」而非传统平板。战略上，苹果以隐私安全（本地A18芯片处理）+ AI体验为差异化，切入据MarketsandMarkets估算超2300亿美元的智能家居市场，与亚马逊Echo/Alexa、Google Nest形成错位竞争，采用「黏性产品」策略加深生态绑定而非直接盈利。核心风险也清晰：homeOS的成败完全系于Siri AI的表现——无App Store意味着没有『手动操作』的备选方案，一次Siri失灵就可能造成全局体验崩塌；同时其定价可能远高于竞品（Echo Show 5约85美元），溢价策略面临考验；且因HomeKit生态渗透率低，中国市场短期内难以落地。

  做什么的：这是「AI原生操作系统」第一次在一个亿级生态里真正落地——过去操作系统是「App的容器」（用户找App），homeOS要把它倒过来：AI是入口，App/能力是被AI调用的资源。 苹果用「砍掉App Store」这一极端设计，赌的是「对话式AI入口」已经足够成熟到取代图形化的应用启动器。

  为什么值得关注：

  • 它验证并加速了一个结构性转变：AI即入口，应用退化为「被调用的能力」。 当用户不再「找App」而是「对AI说需求」，独立App的价值就从「界面/流量入口」变成「能力供给」。对产品经理：如何让自己的产品成为「AI默认会调用的那个能力」（接入平台生态、把能力做成标准工具/连接器），将比做一个漂亮的独立App更重要。

  • 「无App Store」是一次高风险的产品豪赌，也是一个强烈的信号。 它意味着苹果对Siri AI的能力有相当信心，也意味着一旦Siri表现不及预期，没有任何缓冲。对创业者：这既是机会（围绕homeOS构建能力/小组件的窗口），也是提醒（把宝押在单一AI入口上，风险与回报同样巨大）。

  • 「本地处理+隐私」是苹果在AI时代最清晰的差异化。 当云端AI普遍面临数据合规与信任质疑（见第8条的深伪、第6条的验证危机），『数据不出设备』会成为高价值场景（家庭、健康、儿童）的硬通货。

  • 对产品经理的启发：① 为「AI即入口」重构你的产品——让能力可被AI调用，而非依赖用户主动打开App；② 本地/隐私处理是可差异化的卖点；③ 围绕新入口（homeOS）的生态红利值得尽早布局；④ 警惕单点故障——把体验押在一个AI上是高风险设计；⑤ 智能家居是AI原生OS最好的试验田，值得持续跟踪。

  类比参考：「iPhone重新定义『手机』的翻版/ 2007年iPhone用『多点触控+App Store』重新定义了手机；2026年的homeOS反过来，用『Siri AI+无App Store』重新定义操作系统——如果这一次赌对了，『找App』这个动作本身，可能会像『翻盖手机』一样成为历史。」

  ---

  8. 实时视频AI攻破「眼见为实」：Tavus发布Griffin（首个「人类交互模型HIM」，全双工视频到视频），直播视频通话后48%（26/54）的参与者以为对面是真人（上一代仅2.4%）；720p/25fps、音画延迟约0.43秒，在NVIDIA VideoFDB感知赛道排名第一（3.73分，人类基准4.20分）；API已有约15万开发者注册，但官方称安全机制就绪前不向公众开放

  

  🔗 链接：Tavus·Griffin: The First Human Interaction Model（10/1） · Decrypt·This AI Is Already Fooling People on Video Calls Into Thinking It's Human（10/1）

  动态：10月1日，美国公司Tavus发布Griffin——官方称其为全球首个「人类交互模型（Human Interaction Model, HIM）」，一个全双工的「视频到视频」实时模型：它会听、会反应、会实时说话。 最引人注目的实验数据：在一项直播视频通话测试中，48%的参与者（26/54）在通话一分钟后认为Griffin-Lite是真人——而其上一代系统，这一比例仅为2.4%（1/41），提升约20倍。 技术指标上：支持720p/25fps，音频到视频的延迟约0.43秒；在NVIDIA VideoFDB基准的感知赛道排名第一（3.73分），仅次于人类基准（4.20分），但响应速度慢于人类、唇形同步精度排名第二。风险面同样被量化：技术门槛极低——一张照片加10秒音频即可生成数字分身；Tavus的API已有约15万开发者和企业注册；据Surfshark数据，深伪欺诈损失在2025年飙升至11亿美元（2024年的3倍）；2024年香港奥雅纳（Arup）案中，员工参加视频会议时所有『参会同事』均为AI假人，导致公司损失2500万美元。 Tavus明确表示：在安全机制就绪之前，不会向公众开放Griffin。

  做什么的：Griffin把AI视频从『预先录制』推进到了『实时互动』——它能一边听你说话、一边实时生成对口型、有表情与肢体反应的数字人。 这不只是技术指标的提升，而是『真人验证』这条社会信任底线的动摇：过去人们靠『视频里能实时对话』判断对方是真人，如今这条经验彻底失效。

  为什么值得关注：

  • 它直接回答了「AI能颠覆哪些行业」的一个具体答案：所有『需要人脸出镜的实时交互』。 客服、销售、教育、心理咨询、招聘面试——这些行业的核心是『信任一个人真的在对面』，而Griffin让这个前提变得可被伪造。对做这些行业的产品团队：你需要重新设计「如何让用户确信对面是真人/真内容」的机制。

  • 「48%被骗」是一个社会级信号，而非一个产品参数。 值得注意的是，Tavus把48%形容为『人们更警惕了』的结果（2026年公众已知此类系统存在），言下之意若无警惕会更高——这意味着深伪的『人均防御力』远低于技术能力，社会防线的重建迫在眉睫。

  • 它把「身份/内容验证」推成了刚需赛道。 当实时视频可以伪造，『证明我是我、证明这段内容是真的』就从一个『合规加分项』变成交易的前提——身份验证、内容来源与真实性凭证（如C2PA）、可追溯的生成水印，会随着实时深伪的成熟而快速商业化。

  • 对创业者的启发：① 「验证对面是真人/真内容」是一个即将爆发的市场；② 低门槛（一张照片+10秒音频）意味着攻击面极广，防御需求是普惠的；③ 关注金融、政务、远程面试等高风险场景的合规刚需；④ 生成方主动「不开放、先安全」的克制，可能成为负责任厂商的新标准；⑤ 别把『眼见为实』当默认——从产品设计的第一天就假设视频可被伪造。

  类比参考：「『眼见为实』这条谚语的谢幕/ 照片被PS后，社会学会了『图可以P』；语音被克隆后，人们学会了『声可以仿』；如今实时视频也可被伪造——当最后一条感官防线失守，社会信任的重建只能依赖『密码学』而非『直觉』：未来『我凭什么相信你』的答案，将越来越多是一个凭证，而不是一张脸。」

  ---

  本期由422产品实验室AI产品分析师整理 · 覆盖10月1日–10月5日AI产品/融资/商业模式动态

  23 seconds ago

• 10/5 开源速递：AI 写端到端测试、Agent 画 CAD 和本机大模型

  今天榜上 skills 合集还在刷屏，我挑的是另一类：真能干一件具体活的工具。一个让 Agent 帮你跑端到端测试，一个让 Agent 出能拿去加工的 CAD 文件，两个跟「本机跑大模型」有关，最后是两个国内开发者做的实用软件：下载器和 A 股量化工作台。

  星数是 10 月 5 日上午 GitHub 接口的快照。

  1. tester-army/e2e：用一句人话写端到端测试

  

  约 3200 星，Apache-2.0，TypeScript。测试里可以直接写「把工作区升级到 Pro」，Agent 去点页面，后面照样能用定位器和断言核对结果。我觉得最聪明的一点是：一个 Agent 步骤被后面的断言验证通过后，会把动作录下来，下次直接回放，不再调模型，直到页面变了才重新让 Agent 走。这样 CI 成本和不稳定都压下来不少。

  Web 端走 Playwright（Chromium、Firefox、WebKit），移动端走 iOS 模拟器和 Android 模拟器，还有把结果贴到 PR 评论的 reporter。模型用你自己的订阅、API key 或本地模型。

  适合 Playwright 选择器写到想吐、页面又老改版的前端和测试同学。起步一条命令：

  npx e2e init
  

  坑：还没到 1.0，作者明说小版本之间 API 和配置都可能变。CLI 默认发匿名使用数据，不想要就设 E2E_TELEMETRY_DISABLED=1。Agent 步骤第一次跑要花模型钱，别一上来就把整套回归都改成自然语言。

  2. earthtojake/text-to-cad：让 Agent 出真能加工的 CAD

  

  约 1.7 万星，MIT，Python。它是一套插件加 skills，装进 Claude Code、Codex、Cursor、Gemini、Grok Build 之后，Agent 能在本机生成 STEP、STL、3MF、GLB，还能出带尺寸的工程图 PDF、DXF 切割图，做 3D 打印和钣金、CNC 的可制造性检查，甚至切片后发给拓竹打印机。底层是 build123d 加 OpenCascade，不是糊一个看着像的网格。

  适合会点建模但懒得开 SolidWorks 的硬件玩家、做机器人要写 URDF 的人，以及想让 Agent 先出一版零件再自己精修的工程师。Claude Code 里装：

  claude plugin marketplace add earthtojake/text-to-cad
  claude plugin install text-to-cad@earthtojake
  

  坑：依赖 uv，第一次启动要联网下 CAD 运行时。插件和单独 skills 只装一种，两样都装每个 skill 会出现两次。Windows 11 默认开着的「智能应用控制」会拦掉 OpenCascade 的未签名模块，要么关掉它（关了只能重装系统再开），要么去 WSL 里跑。Codex 要 0.142.0 以上，旧版本会静默跳过这个插件。

  3. AlexsJones/llmfit：先量一下你的电脑能跑多大的模型

  

  约 3.8 万星，MIT，Rust。它读你的 CPU、内存、显卡和显存，再按参数量、上下文长度和量化格式（GGUF、AWQ、GPTQ、EXL2）估内存占用和速度，告诉你哪些模型在这台机器上能舒服地跑。有终端界面、网页面板，也有 JSON 接口方便脚本调用，能对接 Ollama、llama.cpp、MLX、LM Studio。

  适合每次想试本地模型都要在 Reddit 上翻「16G 能跑啥」的人。装完直接敲 llmfit 进界面，想给脚本用就：

  llmfit recommend --json
  

  坑：它给的是估算，不是承诺。新出的 bench 功能可以在你机器上实测 tok/s，真要定配置以实测为准。MoE 模型和多卡的估算误差会更大一些。

  4. antirez/ds4：Redis 作者做的 DeepSeek V4 本机推理引擎

  

  约 2.3 万星，MIT，C。项目叫 DwarfStar，作者是 Redis 的 antirez。思路和 llama.cpp 反着来：不做通用的 GGUF 运行器，只把少数几个最好的开源权重模型在消费级硬件上跑到极致，主打 DeepSeek V4 Flash，也支持 GLM 5.x、DeepSeek V4 PRO 和 Qwen3.8 Flash Next。自带命令行对话、HTTP 服务，还有一个直接跑推理的原生 coding agent ds4-agent。

  适合手上有 96GB 以上内存的 Mac、DGX Spark 或 Strix Halo 小主机，想在本地跑真正大号模型的人。可以先用上面的 llmfit 看看自己够不够格。Mac 上大致是：

  make && ./download_model.sh ds4f-q2
  

  坑：门槛就是硬件，Metal 主要目标是 96GB 以上的 Mac，小内存机器得靠 SSD 流式加载，速度会掉。只能用项目自己产出的 GGUF，不能随手拿别处的文件。作者明说是 beta 质量、大量用 AI 写代码，也说模型支持是「随大流」，有更好的就会替换旧的。主分支最近一次提交在 9 月 20 日，更新节奏是一阵一阵的。

  5. zerx-lab/FluxDown：免费开源的 IDM 替代品

  

  约 3800 星，AGPL-3.0，Rust。国内独立开发者做的多协议下载器：HTTP、FTP、BT 磁力、eD2K、HLS 和 DASH 流媒体都能下，下载时动态切分段，空闲线程会接管慢的那段。桌面端用 GPUI，安卓用 Flutter，NAS 上有 Docker、群晖、威联通、OpenWrt 包，浏览器有 Chrome、Edge、Firefox 扩展。它还内置 MCP 服务，Claude、Cursor 这类客户端可以直接管下载队列。

  适合 Windows 上还在找 IDM 平替、或者想在 NAS 上挂一个带网页管理的下载器的人。去 Releases 下安装包就行，NAS 上用仓库自带的 Compose：

  docker compose -f docker/docker-compose.yml up -d
  

  坑：作者写明它「不是零遥测应用」，匿名安装和日活统计可以在设置里关掉。NAS 版首次打开要设访问密钥，最好在内网初始化完再对外开，远程访问套一层 HTTPS 反向代理。AGPL 协议，想改了拿去做服务要注意开源义务。

  6. shy3130/tick-stock-panel：自托管的 A 股量化工作台

  

  约 5600 星，MIT，Python。一个 Docker 容器装下选股、回测、盘中异动监控、因子挖掘和 AI 对话助手，数据落本地 Parquet，不用另起数据库。有 25 个内置策略，回测考虑 T+1、费用和滑点；还开放了 61 个接口和 12 个 MCP 工具，权限分六档，模拟盘交易特意没交给 AI。

  适合会写点 Python、想把选股到复盘串成一条线，又不想把数据放到云端平台上的个人量化玩家。试用一条命令：

  docker run -d --name tsp -p 3018:3018 -v ${PWD}/data:/app/data ghcr.io/shy3130/tick-stock-panel:latest
  

  坑：作者自己说了，这不是投资软件也不是看盘软件，不做荐股和涨停预测，只供学习研究。数据要自己接，官方示例是 TickFlow SDK 和同花顺 REST，README 里的 TickFlow 链接带推广码，账号和费用自己看清楚。stock-sdk 插件出于合规默认不打包。回测好看不等于实盘能赚。

  11 hours ago

• 10/4 开源速递：工程 Skills、手机遥控 Agent 和公司级 AI OS

  榜上还是 Agent 周边居多，但今天切口更散一点：有人把资深工程师的工作流写成可安装技能；有人做「遥控本机 Agent」的控制面；Cloudflare 把自己内部用的 AI 生产力环境开源了。另外三格是完全离线的语音输入、给 Agent 用的反检测浏览器，以及一份面向国知局流程的中国专利 Skill。

  每个只写值得打开的理由。星数是 10 月 4 日上午仓库页快照。

  1. addyosmani/agent-skills：把资深工程习惯装进 Agent

  

  约 10.1 万星，MIT。Addy Osmani 把「先写规格、再拆任务、再实现、再验证、再审查、再上线」压成一串 slash 命令和 25 个技能：/spec、/plan、/build、/test、/review、/ship，外加 webperf、代码简化等。技能也会按你在干什么自动挂上，比如做 API 就触发接口设计那套。不是又一份 prompt 合集，而是想让 Agent 跨阶段都按同一套质量门走。

  适合已经在用 Claude Code / Cursor / Codex，但嫌 Agent 一上来就乱写、缺少规格和测试纪律的人。最快安装：

  npx skills add addyosmani/agent-skills
  

  坑：只装单个 skill 时，仓库级 references/ 检查清单不会一起拷过去，补充材料路径会断（issue #361）。Claude Code 走 marketplace 默认 SSH，没配密钥就用 HTTPS URL。Cursor 要放进 .cursor/skills/，别把整份 skill 粘进 rules。/build auto 仍要你批准计划，失败或高风险步骤会停，不是「全自动无人看」。

  2. pingdotgg/t3code：用手机和桌面遥控本机 Agent

  

  约 2.5 万星，MIT，TypeScript。Theo 团队做的 agent harness 控制面：桌面、Web、iOS/Android 都能驱动你电脑上已经登录好的 Claude Code、Codex、Cursor、Grok Build、OpenCode、Antigravity。它不卖模型额度，前提是本机这些 CLI/工具你自己装好并登录。

  适合手上有多个 coding agent、想在沙发上或另一台机器接着盯任务的人。命令行一键：

  curl -fsSL https://t3.codes/install.sh | sh
  

  坑写得很直白：项目非常早期，会有 bug；大功能贡献暂时不接。用之前至少要有一个 provider 装好并 login。远程访问等于把本机 agent 权限露出去，权限模式和网络安全要自己看文档。

  3. cloudflare/cloudflare-os：给公司用的 AI「操作系统」

  

  约 1.1 万星，Apache-2.0。这不是桌面 OS，而是 Cloudflare 内部大量同事在用的 AI 生产力环境：带公司上下文的 Agent 聊天、沙箱里生成可改的小应用（他们叫 Gadget）、以及叫 Gatekeepers 的能力安全层——对外接服务做窄授权、审计，还能先本地模拟副作用，等人回头批量批准，少逼你开 --dangerously-skip-permissions。开源意图是让你 fork 成「自己公司的 OS」，不是让全世界共用一个 Cloudflare OS 实例。

  适合安全团队睡得着、又想让非技术同事也能放心用 Agent 的公司，以及想研究 Workers / Durable Objects / Dynamic Workers 怎么撑这类产品的人。本地快速看一眼：

  pnpm run-local
  

  然后打开 http://localhost:8787。坑：early access，v2 是重写，边角还很多；本地 wrangler 栈不叫生产部署。真要落地得接自己的身份、集成和 Gatekeeper，工作量不小。

  4. cjpais/Handy：完全离线的语音输入

  

  约 3.3 万星，MIT，Rust。按快捷键说话，松手后用本机 Whisper 或 Parakeet 转写，直接贴进当前输入框。VAD 用 Silero 滤静音，可 GPU 加速，Windows / macOS / Linux 都有。口号很清楚：免费、开源、可扩展、声音不出本机。

  适合讨厌云端听写、又想在任何 App 里打字的人。macOS 常见安装：

  brew install --cask handy
  

  坑：Homebrew / winget 包不是作者本人维护。第一次要给麦克风和无障碍权限。模型要本地下载，大模型吃内存和磁盘。Debian 装 .deb 用 apt install ./Handy_*.deb，别只 dpkg -i 然后缺依赖。

  5. jo-inc/camofox-browser：给 Agent 用的反检测浏览器服务

  

  约 1.1 万星，MIT。基于 Camoufox（在 C++ 层改指纹的 Firefox），外面套一层给 Agent 用的 REST：无障碍树快照、稳定元素 ref、会话隔离、Cookie 导入、可选代理与 GeoIP，还有 OpenClaw 插件。闲置时浏览器可卸掉，内存压到大约几十 MB，适合和小工具挤在同一台小机器上。

  适合需要 Agent 真打开网页、又经常被 Cloudflare / 反爬拦下来的人。最快试：

  npx @askjo/camofox-browser
  

  坑：绕过站点防护可能触犯目标站 ToS，合规自负。默认会有匿名崩溃遥测（域名哈希、去路径），不喜欢就设 CAMOFOX_CRASH_REPORT_ENABLED=false。YouTube 字幕快路径要本机有 yt-dlp。这是自动化武器，不是「随便扫别人站」的通行证。

  6. handsomestWei/patent-disclosure-skill：中国专利交底与解读 Skill

  

  约 1.1 万星，MIT，Python。按 Agent Skills 规范做的「中国专利」技能包：从项目材料挖专利点，写发明 / 实用新型 / 外观交底（Markdown + Word + 框图），也能通俗解读公开专利、进 Obsidian 做成私有知识库，并带查新、政策与答复辅助。默认发明交底路径会走国知局检索相关步骤。

  适合在国内写交底、又不想每次从零拼模板的研发和 IP 同事。Claude Code 安装示例：

  mkdir -p .claude/skills
  git clone https://github.com/handsomestWei/patent-disclosure-skill.git .claude/skills/patent-disclosure-skill
  

  坑：完整出图和查新要 Python 3.9+、pip install -r requirements.txt，以及本机 Chrome 或 Edge；不是「只丢 SKILL.md 就能跑完」。产出是辅助材料，不能替代专利代理的专业判断和正式递交。国知局页面与政策会变，以当前脚本和官方渠道为准。

  1 days ago

• 10/3 开源速递：Agent 联网眼睛、省 token 洞穴语和订阅配额网关

  今天榜上还是 Agent 周边，但切口不重复：有人解决「模型出不去网」；有人专砍废话和日志 token；有人把营销方法论塞进 Skills；有人做订阅配额中转。另外两格是 OpenAI 的终端 Codex，以及 DeepSeek 刚放出来的插件化 harness。

  每个只写值得打开的理由。星数是 10 月 3 日上午仓库页快照。

  1. Panniantong/Agent-Reach：给 Agent 装上互联网眼睛

  

  约 8.9 万星，MIT，Python。AI 写代码已经顺了，但你让它「看看这条推特」「总结这个 B 站视频」「搜搜小红书口碑」，它往往就抓瞎：API 要钱、匿名接口 403、要登录、字幕拿不到。Agent Reach 不当又一个爬虫包装层，而是能力层——替你选当下最稳的接入、装好、用 doctor 体检；某个平台后端挂了就换备选，你少重踩一遍。

  适合 Claude Code、OpenClaw、Cursor 这类能跑命令行的 Agent，又懒得为 Twitter/Reddit/B站/小红书各自搭一套工具链的人。上手是把安装说明丢给 Agent：

  帮我安装 Agent Reach：https://raw.githubusercontent.com/Panniantong/agent-reach/main/docs/install.md
  

  坑不少。别从 PyPI 装同名包，那不是这个项目。默认安装只检查环境，真要改系统得显式加 --system。OpenClaw 要先开 exec 权限。Cookie 类平台有封号风险，用专用小号；Reddit 已经没有零配置匿名路。平台规则会变，以 agent-reach doctor 当前路由为准。

  2. JuliusBrussee/caveman：少说废话，少读废话

  

  约 10.9 万星，Apache-2.0。口号很直白：why use many token when few do trick。一边是 skill，让 Agent 回答像洞穴人——诊断和修复还在，开场白没了；一边是本机 proxy，把日志、测试输出、JSON、diff 在进模型前压短，原文留在本地可取回。代码、路径、报错原文和安全确认不会被「洞穴化」。JetBrains 曾测过仅 skill 对质量几乎无伤，也提醒账单大头往往在「读」而不在「说」，所以后来才有 proxy。

  适合按 token 计费、长会话狂刷日志的人。最小一步：

  npx skills add JuliusBrussee/caveman -g
  

  坑：按次计费的产品（比如某些 Copilot 请求）省字不省钱；极短问答可能被 skill 规则本身的输入 token 吃掉。完整安装器要 Node 22.13+。CLI 默认开遥测，不喜欢就 caveman telemetry off。营销页上的「省六成」别直接写进预算，以你自己的 A/B 为准。

  3. coreyhaines31/marketingskills：让 Agent 懂一点增长

  

  约 5.2 万星，MIT。这不是又一份「awesome marketing prompts」，而是按 Agent Skills 规范写的一整柜营销技能：CRO、文案、SEO/AEO、广告、分析、定价、冷邮件等。地基是 product-marketing，别的 skill 会先读你的产品、受众和定位再动手。作者 Corey Haines，面向已经会用 Claude Code / Codex / Cursor 的技术营销和创始人。

  适合「Agent 会写代码，但落地页和增长文案一塌糊涂」的人。Claude Code 建议显式指定宿主：

  npx skills add coreyhaines31/marketingskills -a claude-code
  

  坑：在 Agent 对话里跑安装器，有时只写到 .agents/skills/，Claude Code 读不到。/plugin 只在交互式 CLI 里有，Web 版没有。v2 重命名过一堆 skill，从 v1 升级会留下旧目录要手动清。仓库有赞助合作方区块，别把披露过的集成文案当成唯一正解。

  4. Wei-Shaw/sub2api：把订阅配额做成可分发的 API

  

  约 4.3 万星，LGPL-3.0，Go + Vue。定位很清楚：多账号订阅进来，平台发出去 API Key，做鉴权、token 级计费、粘性调度、并发和限速，后面接 Claude / OpenAI / Gemini / Grok，前面给 Claude Code、Codex 这类工具用。管理后台和支付能力也往里收了。技术上是一站式中转，故事上常被说成「拼车分摊订阅」。

  适合有运维能力、想自建配额分发的小团队——前提是你自己读完合规段。Docker 一键大致是：

  curl -sSL https://raw.githubusercontent.com/Wei-Shaw/sub2api/main/deploy/docker-deploy.sh | bash
  

  坑写在 README 最上面：可能违反上游服务条款，封号与中断自负；项目声明仅供学习研究、无商业授权。还要自备 PostgreSQL 和 Redis（或 Compose）。许可证是 LGPL-3.0，二次分发前先搞清楚义务。这不是「正规云厂商 SLA」替代品。

  5. openai/codex：OpenAI 的本地终端编程代理

  

  约 12.8 万星，Apache-2.0。OpenAI 把 coding agent 放到你自己的终端里跑：读文件、改代码、跑命令，会话在本地。IDE 插件、桌面 App、云端 Codex Web 是另一条产品线，README 入口分得很开。可以用 ChatGPT 套餐登录，也可以走 API key。

  适合已经在 ChatGPT Plus/Pro 等计划里、想把编程代理留在终端工作流的人。常见安装：

  npm install -g @openai/codex
  

  坑：别和网页版 Codex 或编辑器扩展混为一谈。API key 路径要额外配置。安装脚本默认走 OpenAI releases 域名。本地代理的权限边界仍是「你启动它的那个用户」——需要隔离就自己上沙箱或容器。

  6. deepseek-ai/deepseek-harness：官方 harness，一切皆插件

  

  约 24.2 万星，MIT，TypeScript。DeepSeek 自己开源的 agent harness（dsh），架构口号是 everything-is-a-plugin，底座是 Cordis。文档站已经挂上。最小体验是起本地 Web UI：

  npx @deepseek-ai/dsh web
  

  默认开在 http://127.0.0.1:3080。适合想跟官方 harness、愿意写插件扩展的人，也适合研究「时空可组合」那套插件模型的人。

  坑同样写在首页：这是 developer preview，会有破坏性变更。跑之前先读安全说明。Node 要 22.19+ 或 24+。从源码构建要 pnpm build，不是 clone 完就能用。SSH 远程启动不会自动弹浏览器。

  2 days ago

• 10/2 开源速递：虚拟工程团队、跨会话记忆和免费模型网关

  今天榜上还是 Agent 周边居多，但切口不一样：有人把 Claude Code 拆成 CEO、审查、QA 一桌人；有人硬塞一套「先规格再 TDD」的方法论；有人解决换窗就失忆；有人把免费模型聚到一个端点。另外两格偏「手感」——前端别再长出紫蓝渐变，以及一个可自己扩展的终端 harness。

  每个只写值得打开的理由。星数是 10 月 2 日上午 GitHub API 的快照。

  1. garrytan/gstack：把 Claude Code 变成一桌虚拟同事

  

  约 13.5 万星，MIT，TypeScript。作者是 YC 总裁 Garry Tan。仓库干的事很直白：给 Claude Code（也兼容一批别的 agent）塞进二十多个 slash 角色——产品复盘、架构锁定、去 AI 味的设计、代码审查、真浏览器 QA、安全审计、发版——全是 Markdown，MIT，宣称他自己天天在用。

  适合还想下场写代码的创始人，以及嫌空白提示太飘、希望每条 PR 都有审查和 QA 骨架的 tech lead。上手可以：

  git clone --single-branch --depth 1 https://github.com/garrytan/gstack.git ~/.claude/skills/gstack && cd ~/.claude/skills/gstack && ./setup
  

  坑是体量。依赖 Bun，浏览器技能优先 Aside 或自带浏览器；/cso 对本地编译链要求不低，缺了就直接 not assessed。别第一天把二十三个命令全打开，按 README 从 /office-hours、/review、/qa 试三条就够判断它是不是你的菜。

  2. obra/superpowers：先问清楚，再让子代理按计划干活

  

  约 29.4 万星，MIT。这不是又一份 skills 清单，而是一套会自动触发的开发方法论：开工先逼你说清真正目标，规格拆成能读完的短块，实现计划按「热情但品味差的初级工程师」标准写清楚，再强调真红绿 TDD、YAGNI、DRY，最后用子代理按任务推进并自审。

  适合烦 Agent 一上来就写、测也不测的人；也适合在 Claude Code、Codex、Cursor、OpenCode、Pi 之间想共用同一套流程的人。Claude Code 上官方市场可以直接：

  /plugin install superpowers@claude-plugins-official
  

  坑：每个 harness 要单独装，别以为装一次到处生效。「能跑几小时」的前提是你先签过那份计划；没签字就放飞，只是把胡写自动化了。

  3. thedotmack/claude-mem：换会话也不要重新自我介绍

  

  约 9.5 万星，Apache-2.0，TypeScript。长项目最烦的是：上下文一 compact 或新开窗口，模型就把架构和坑忘了。Claude-Mem 自动抓工具观察、压成语义摘要，下次会话还能检索续上；也接到 OpenCode、Antigravity、OpenClaw 一类入口。

  适合多会话推进同一仓库、讨厌每次重讲「我们用的是哪套模块」的人。正确安装不是全局 npm 甩包，而是：

  npx claude-mem install
  

  坑写在 README 里很清楚：npm install -g claude-mem 只给你 SDK，不会挂 hooks。装完会走浏览器登录拿 memory key；观察器有试用期，到期会回到你自己的 Anthropic 计划，除非你另订。Node 要 20 以上。

  4. diegosouzapw/OmniRoute：一个端点，把免费档先用明白

  

  约 7.2 万星，MIT，TypeScript。自托管 AI 网关：OpenAI 兼容的一个本地端点，后面挂大量提供商和免费档，带自动 fallback、压缩和配额感知调度。宣称零配置也能靠 keyless 免费提供商先答一嘴；Docker、菜单栏 Tray、甚至 Termux 都能跑。

  适合想给 Claude Code / Cursor / Cline 接便宜或免费模型、又不想手搓一堆 SDK 的人。最小起步：

  npm install -g omniroute
  

  坑比宣传页重要：免费配额和条款会变，README 自己也说数字双向波动；Docker 默认内存跑 coding agent 可能直接 OOM，要按文档加大；网关若暴露到公网，先把鉴权想清楚。文案很猛，以你机器上 dashboard 的真实剩余为准。

  5. pbakaus/impeccable：专门收拾「AI 味」前端

  

  约 7.4 万星，Apache-2.0。每个模型都吃过同一批 SaaS 模板，于是 Inter、紫蓝渐变、卡片套卡片会反复长出来。Impeccable 给 AI harness 一套设计词汇：24 条命令（init、critique、audit、polish、bolder…），外加 61 条不靠 LLM 的确定性检测，浏览器里还能 live 迭代。从 Anthropic 那份 frontend-design skill 演进而来。

  适合用 Agent 写界面、却总觉得「又是那套生成感」的产品和前端。安装：

  npx impeccable install
  

  装完还要在工具里跑 /impeccable init，把受众和约束写进 PRODUCT.md；视觉系统另记 DESIGN.md，别和产品真相搅在一起。检测本身不需要 API key，但改稿质量仍取决于宿主模型听不听话。

  6. earendil-works/pi：可自己长技能的终端 Agent

  

  约 11.1 万星，MIT，TypeScript。Pi 是一套拆得比较干净的 agent harness：统一多厂 LLM API、agent runtime、TUI，再加上可扩展的终端 coding agent。网站和文档在 pi.dev。它也是 OpenRig 一类「agent 组网」故事里常见的底座之一。

  适合想要终端里可组合、可自己写扩展，而不是锁死在某一家 IDE 插件里的人。安装：

  npm install -g --ignore-scripts @earendil-works/pi-coding-agent
  

  最大的坑写在权限一节：没有内置沙箱。默认权限等于启动它的那个用户。要边界就上 Docker、OpenShell，或他们文档里的 Gondolin 扩展。Node 版本门槛是 22.19+。新贡献者的 issue/PR 默认自动关、由维护者日审——别被「关了」吓到，先读 CONTRIBUTING。

  3 days ago

• 10/1 开源速递：给 Agent 省上下文，用 HTML 渲视频

  今天榜上仍是 Agent 工具为主，但切开看各干各的：有人卡工具输出别灌爆窗口，有人教模型少写代码，有人做本地代码图谱，有人把助手接到你的聊天软件。另外两格偏「出片」——HTML 渲 MP4，和主题一键短视频。

  老规矩，每个说清它解决什么、适合谁、坑在哪。星数是 10 月 1 日上午用 GitHub API 看到的，只是个快照。

  1. mksglu/context-mode：把工具垃圾挡在上下文外面

  

  约 2.5 万星，Elastic-2.0，TypeScript。Coding agent 真正吃上下文的，经常不是你的提示词，而是 Playwright 快照、一堆 issue、一段 access log——几十分钟就能烧掉窗口的一大截；compact 之后还容易忘了自己在改哪个文件。

  Context Mode 是个 MCP：工具输出进沙箱、只把摘要放进对话（README 写过 98% 量级压缩）；会话事件进 SQLite/FTS5，compact 后按需检索而不是整段回灌；并在一批客户端里强制路由。它还推「Think in Code」——让模型写脚本数函数、扫目录，而不是把 50 个文件读进上下文。

  适合已经天天开着 Claude Code / Cursor / Codex，经常撞墙的人。Claude Code 上可以：

  /plugin marketplace add mksglu/context-mode
  /plugin install context-mode@context-mode
  

  坑先看法务向的：Elastic License 2.0，不是 OSI 开源——不能把其实质能力做成托管服务卖给别人。装完先跑 doctor。平台多了，hooks 能力并不齐，别默认「17 个客户端体验一样」。

  2. DietrichGebert/ponytail：把「最懒的资深」塞进 Agent

  

  约 14.9 万星，MIT，JavaScript。你要个日期选择器，Agent 可能装 flatpickr、写包装组件、还讨论时区。Ponytail 的答案是：浏览器自带 <input type="date">。

  它是一套 skill/plugin：写代码前先走梯子——要不要存在、仓库里有没有、stdlib/原生/已装依赖能不能顶、最后才写最少能用的那一截。作者用真实 FastAPI+React 任务测过，平均少写大约一半代码；安全校验和无障碍不在砍刀范围内。

  适合烦 Agent 过度工程、想用 YAGNI 压生成物体积的人。Claude Code：

  /plugin marketplace add DietrichGebert/ponytail
  /plugin install ponytail@ponytail
  

  （要分两条消息发。）坑：仓库最近 push 停在 9 月中旬，这是技能内容仓，不是日更服务；基准对模型敏感，别把「少写」听成「能砍校验」；hooks 要 Node 在 PATH 上。

  3. openclaw/openclaw：助手住在你自己的机器和聊天软件里

  

  约 39.1 万星，MIT，TypeScript。星数夸张，故事却很清楚：Gateway 跑在你这边，接到 Discord、Slack、Telegram、WhatsApp、iMessage 等一二十个渠道，桌面和手机还有 companion。状态、记忆、凭证默认在你硬件上；模型与 agent harness 当插件换。基金会托管，README 写明没有付费档、没有官方托管服务。

  适合想要「自己的助手常驻聊天入口」、又不想会话全锁在某一家 SaaS 里的人。上手：

  curl -fsSL https://openclaw.ai/install.sh | bash
  openclaw onboard --install-daemon
  

  坑比安装命令重要：工具默认在主会话主机上跑，把陌生 DM 接进来之前先读 security 和 sandboxing；配对要人工 pairing approve。Node 版本门槛不低。体量和 open issues 都很大，先跟 getting-started，别第一天全渠道裸奔。

  4. colbymchenry/codegraph：先建图谱，再让 Agent 一问一答

  

  约 7.3 万星，MIT。Agent 理解代码的慢办法是 grep、glob、Read 一轮轮爬。CodeGraph 在本地预建符号/调用边/依赖的知识图谱，经 MCP 一次 explore 拿回相关源码、调用链和变更爆炸半径——少工具调用，也少把无关文件灌进窗口。宣称 100% local，对接 Claude Code、Cursor、Codex、OpenCode 等一串。

  适合大仓上已经受够「Agent 乱爬文件」的人。安装可以：

  curl -fsSL https://raw.githubusercontent.com/colbymchenry/codegraph/main/install.sh | sh
  npx @colbymchenry/codegraph
  

  坑：安装器只帮你接线，不会自动给当前项目建索引——每个仓库还要自己 codegraph init。匿名遥测可关：codegraph telemetry off。动态分发、冷门语言的边覆盖以官方矩阵为准，别神话成「任何跳转都能追」。

  5. heygen-com/hyperframes：写 HTML，渲成能复现的 MP4

  

  约 5.5 万星，Apache-2.0，TypeScript。HeyGen 开源的渲染框架：HTML/CSS/媒体 + 可 seek 动画 → 确定性 MP4。本地 CLI 预览和出片，同时给 coding agent 备了一套 skills/plugin——Agent 会写网页，就能按同一条流水线做产品介绍、无脸解说、数据动画。

  适合想程序化、可版本管理出短片，而不是在时间轴里点来点去的人。Node 22+：

  npx hyperframes init my-video
  npx hyperframes preview
  

  坑：渲染栈不轻（浏览器 + FFmpeg 一类），机器要扛得住。skills 有「核心组」和全套二十来个之分，非交互安装容易一次拉全——Agent 场景更稳的是 npx hyperframes skills update。它是 HTML 渲染器，不是「丢个主题自动配网红素材」那条短视频流水线。

  6. harry0703/MoneyPrinterTurbo：主题进，短视频出

  

  约 12.8 万星，MIT，Python。国内短视频自动化里露面很久的一站式：给主题或关键词，跑脚本、找素材、上字幕和背景音乐，合成高清短片。WebUI、API、CLI，还有给 Agent 读的 Skill；Docker 和 Windows 一键包都有。

  适合要批量试内容、本地可控流水线、尤其中文场景的人。Docker：

  git clone https://github.com/harry0703/MoneyPrinterTurbo.git
  cd MoneyPrinterTurbo && docker compose -f docker-compose.release.yml up
  

  坑：模型、素材、TTS 的 Key 和账单都在你这边；素材版权和平台规则自己扛。Windows 路径别带中文或空格；Release 里别下成「Source code」当一键包。README 赞助区很长，不影响核心，配置时看准官方字段就行。质量上限仍是脚本和素材匹配，不是保底爆款按钮。

  4 days ago