A personal collection of an AI product manager.
Let's face the future together and embrace the AIGC era.
Hi, Sign In     Register Now     Forgot Password
Current Path：AIPMClub Product Sharing This

10/18 开源速递：多智能体工作台、跨工具记忆和 HTML 出片

2026-10-18 Category: Product Sharing Views()

今天日榜前排还是 Claude 插件目录、AI 求职、CLI-Anything、VoiceStudio、xerj，外加一堆 skill 合集，这些这周写过或习惯跳过，我都没跟。剩下挑了六个：并排开多个 Agent 的桌面工作台、模型可换的开源编码 Agent、跨工具交接的记忆层、用 HTML 直接出片的渲染引擎、讨厌 Mermaid 阴影的编辑级画图技能，还有 Google 官方给安卓开发写的 Agent 技能包。

星数是 10 月 18 日上午 GitHub API 的快照。

1. stablyai/orca：五个 Agent 并排跑，各占一个 worktree

Orca 桌面与手机 companion

约 9.5 万星，MIT，TypeScript。Orca 是给「已经在用多个编码 Agent」的人准备的桌面工作台：Codex、Claude Code、OpenCode、Pi 可以并排开，每个 Agent 独占一个 git worktree、一套终端和内嵌浏览器。你把同一句话甩给五个 Agent，比完结果再合并赢家；手机 companion 能收完成通知、补后续指令。还带 Design Mode：在真 Chromium 窗口里点一个 UI 元素，HTML、CSS 和裁切截图直接进提示词。

# 从官网下载桌面端（macOS / Windows / Linux）
# https://onorca.dev/download

适合已经在 CLI Agent 里泡着、想并行试方案、又不想在五个终端窗口之间来回切的人。SSH worktree 也能把重活丢到远程大机器上。

坑：它编排的是你本机已经装好、已经订好阅的 Agent，Orca 本身不解订阅问题。并行 worktree 吃磁盘和 CPU，轻薄本别一口气开五个重任务。项目今年 3 月才建，迭代很快，大版本升级前先备份当前工作区。

2. anomalyco/opencode：开源编码 Agent，模型可以换

OpenCode 终端界面

约 21.5 万星，MIT，TypeScript。OpenCode 主打终端优先：自带 build（可改代码）和 plan（只读分析）两种 Agent，Tab 切换。模型提供商可换，强调隐私友好、可自托管，也有 GitHub App 联动改 PR。桌面版在 BETA，macOS、Windows、Linux 都能装。

curl -fsSL https://opencode.ai/install | bash

适合想要「终端里用自然语言改代码」这一套体验、又不想被某一家模型和订阅锁死的人；也适合团队想自托管、代码不出自己基础设施的场景。

坑：最终能力取决于你接的模型和配额，开源不等于免费无限。安装渠道很多（npm、brew、scoop、pacman……），README 提醒 0.1.x 之前的旧版要先卸干净。桌面版还标着 BETA，日常主力可以先用终端。

3. akitaonrails/ai-memory：换工具接着干，记忆是一份 Markdown wiki

ai-memory 标志

约 9900 星，MIT，Rust。每个编码 Agent 都有自己的小本本，但本本互不相认：Claude Code 做到一半换 Codex，架构和踩过的坑又要重讲一遍。ai-memory 把二十多种 harness 接到同一份长期记忆上，真相源是 git 托管的普通 Markdown，可以 grep、用 Obsidian 打开；数据库只是可重建的索引。默认捕获、搜索、交接不调大模型。ai-memory run codex 能带着交接包从 Claude Code 切过去。

curl -fsSL https://github.com/akitaonrails/ai-memory/releases/latest/download/install.sh | sh
ai-memory setup

适合经常在 Claude Code、Codex、Cursor 之间切换、受够了每次重讲项目的人；也适合想给团队共享「这个仓库我们踩过什么坑」的小组。

坑：本机要起一个服务，默认只绑环回地址。团队共享要自己做鉴权和部署。钩子会静默采集会话，敏感仓库先读隐私边界再开。依赖 git；记忆再好也替代不了你自己写清的仓库规则文件。

4. heygen-com/hyperframes：写 HTML，渲成确定性 MP4

HyperFrames 仓库预览

约 6.6 万星，Apache-2.0，TypeScript。HeyGen 开源的 HTML→视频框架：用 HTML、CSS、媒体和可 seek 动画描述片子，本地无头 Chrome 逐帧 seek，再用 FFmpeg 编成 MP4。同一输入同一输出，方便 CI 和回归。Agent 本来就会写 HTML，CLI 默认非交互，装上技能包就能让 Claude Code、Codex、Cursor 走「策划 → 写 HTML → lint → 预览 → 渲染」这条流水线。

npx hyperframes init my-video && cd my-video && npx hyperframes preview

适合要批量做产品介绍、演示片、数据短片，又不想把 Agent 拖进传统剪辑时间线的人。

坑：渲染依赖本机 Chrome 和 FFmpeg，复杂动画会慢。技能包有二十多个，非交互安装别乱加 --all，用 npx hyperframes skills update 装核心集更稳。它解决的是「确定性渲染」，不是替你写好剧本和美术。

5. cathrynlavery/diagram-design：编辑级架构图，没有 Mermaid 阴影

Diagram Design 预览

约 5.7 万星，MIT，HTML。这是一个 Agent 技能，不是又一个在线画图网站：你用自然语言说「画个前端、后端、数据库、Redis 的架构图」，它选类型、说计划，写出一个可双击打开的自包含 HTML+SVG。四十多种图，强调没有阴影、没有「Mermaid 糊脸」那种默认观感。可以 onboarding 你的站点拉品牌色和字体，也支持从 draw.io、Mermaid、Excalidraw 导入。

npx skills add cathrynlavery/diagram-design

适合写技术方案、给客户看架构图、受不了默认 Mermaid 观感的人。

坑：本质是提示词加参考资产，图好不好看仍取决于模型和你有没有做品牌 onboarding。官方只认本仓库的构建，其他同名 marketplace listing 是山寨。装完记得按宿主（Claude Code / Codex / Cursor）走各自的更新路径。

6. android/skills：Google 官方，专治安卓 Agent 容易写错的坑

Android skills 仓库预览

约 8400 星，Apache-2.0，Kotlin。Google Android 团队开源的 Agent 技能仓库，按开放 Agent Skills 标准写成 SKILL.md。重点不是 Compose 入门这类模型已经很熟的领域，而是评测里模型偏弱的场景：R8 分析、AGP 9 升级、CameraX 迁移、车机停靠应用、端侧 LiteRT 和 ML Kit GenAI 等。用 Android CLI 或 Claude Code / Codex 插件市场安装，Agent 遇到相关任务会按需加载。

android skills add --all

适合日常用 Cursor、Claude Code、Gemini 写安卓、又经常被模型带进过时 API 或错误 R8 规则的人。

坑：需要先有 Android CLI 或对应插件市场；不覆盖模型已经很强的基础 Compose 知识。官方 disclaimer 写得很直白：AI 会犯错，改完要自己验。目前不接受外部 PR，反馈走 Issue。

Like(0) 打赏
未经允许不得转载：AIPMClub » 10/18 开源速递：多智能体工作台、跨工具记忆和 HTML 出片
Share To

相关推荐

热门文章

快讯

  • 10/18 开源速递：多智能体工作台、跨工具记忆和 HTML 出片

    今天日榜前排还是 Claude 插件目录、AI 求职、CLI-Anything、VoiceStudio、xerj，外加一堆 skill 合集，这些这周写过或习惯跳过，我都没跟。剩下挑了六个：并排开多个 Agent 的桌面工作台、模型可换的开源编码 Agent、跨工具交接的记忆层、用 HTML 直接出片的渲染引擎、讨厌 Mermaid 阴影的编辑级画图技能，还有 Google 官方给安卓开发写的 Agent 技能包。

    星数是 10 月 18 日上午 GitHub API 的快照。

    1. stablyai/orca：五个 Agent 并排跑，各占一个 worktree

    Orca 桌面与手机 companion

    约 9.5 万星，MIT，TypeScript。Orca 是给「已经在用多个编码 Agent」的人准备的桌面工作台：Codex、Claude Code、OpenCode、Pi 可以并排开，每个 Agent 独占一个 git worktree、一套终端和内嵌浏览器。你把同一句话甩给五个 Agent，比完结果再合并赢家；手机 companion 能收完成通知、补后续指令。还带 Design Mode：在真 Chromium 窗口里点一个 UI 元素，HTML、CSS 和裁切截图直接进提示词。

    # 从官网下载桌面端（macOS / Windows / Linux）
# https://onorca.dev/download

    适合已经在 CLI Agent 里泡着、想并行试方案、又不想在五个终端窗口之间来回切的人。SSH worktree 也能把重活丢到远程大机器上。

    坑：它编排的是你本机已经装好、已经订好阅的 Agent，Orca 本身不解订阅问题。并行 worktree 吃磁盘和 CPU，轻薄本别一口气开五个重任务。项目今年 3 月才建，迭代很快，大版本升级前先备份当前工作区。

    2. anomalyco/opencode：开源编码 Agent，模型可以换

    OpenCode 终端界面

    约 21.5 万星，MIT，TypeScript。OpenCode 主打终端优先：自带 build（可改代码）和 plan（只读分析）两种 Agent，Tab 切换。模型提供商可换，强调隐私友好、可自托管，也有 GitHub App 联动改 PR。桌面版在 BETA，macOS、Windows、Linux 都能装。

    curl -fsSL https://opencode.ai/install | bash

    适合想要「终端里用自然语言改代码」这一套体验、又不想被某一家模型和订阅锁死的人；也适合团队想自托管、代码不出自己基础设施的场景。

    坑：最终能力取决于你接的模型和配额，开源不等于免费无限。安装渠道很多（npm、brew、scoop、pacman……），README 提醒 0.1.x 之前的旧版要先卸干净。桌面版还标着 BETA，日常主力可以先用终端。

    3. akitaonrails/ai-memory：换工具接着干，记忆是一份 Markdown wiki

    ai-memory 标志

    约 9900 星，MIT，Rust。每个编码 Agent 都有自己的小本本，但本本互不相认：Claude Code 做到一半换 Codex，架构和踩过的坑又要重讲一遍。ai-memory 把二十多种 harness 接到同一份长期记忆上，真相源是 git 托管的普通 Markdown，可以 grep、用 Obsidian 打开；数据库只是可重建的索引。默认捕获、搜索、交接不调大模型。ai-memory run codex 能带着交接包从 Claude Code 切过去。

    curl -fsSL https://github.com/akitaonrails/ai-memory/releases/latest/download/install.sh | sh
ai-memory setup

    适合经常在 Claude Code、Codex、Cursor 之间切换、受够了每次重讲项目的人；也适合想给团队共享「这个仓库我们踩过什么坑」的小组。

    坑：本机要起一个服务，默认只绑环回地址。团队共享要自己做鉴权和部署。钩子会静默采集会话，敏感仓库先读隐私边界再开。依赖 git；记忆再好也替代不了你自己写清的仓库规则文件。

    4. heygen-com/hyperframes：写 HTML，渲成确定性 MP4

    HyperFrames 仓库预览

    约 6.6 万星，Apache-2.0，TypeScript。HeyGen 开源的 HTML→视频框架：用 HTML、CSS、媒体和可 seek 动画描述片子，本地无头 Chrome 逐帧 seek，再用 FFmpeg 编成 MP4。同一输入同一输出，方便 CI 和回归。Agent 本来就会写 HTML，CLI 默认非交互，装上技能包就能让 Claude Code、Codex、Cursor 走「策划 → 写 HTML → lint → 预览 → 渲染」这条流水线。

    npx hyperframes init my-video && cd my-video && npx hyperframes preview

    适合要批量做产品介绍、演示片、数据短片，又不想把 Agent 拖进传统剪辑时间线的人。

    坑：渲染依赖本机 Chrome 和 FFmpeg，复杂动画会慢。技能包有二十多个，非交互安装别乱加 --all，用 npx hyperframes skills update 装核心集更稳。它解决的是「确定性渲染」，不是替你写好剧本和美术。

    5. cathrynlavery/diagram-design：编辑级架构图，没有 Mermaid 阴影

    Diagram Design 预览

    约 5.7 万星，MIT，HTML。这是一个 Agent 技能，不是又一个在线画图网站：你用自然语言说「画个前端、后端、数据库、Redis 的架构图」，它选类型、说计划，写出一个可双击打开的自包含 HTML+SVG。四十多种图，强调没有阴影、没有「Mermaid 糊脸」那种默认观感。可以 onboarding 你的站点拉品牌色和字体，也支持从 draw.io、Mermaid、Excalidraw 导入。

    npx skills add cathrynlavery/diagram-design

    适合写技术方案、给客户看架构图、受不了默认 Mermaid 观感的人。

    坑：本质是提示词加参考资产，图好不好看仍取决于模型和你有没有做品牌 onboarding。官方只认本仓库的构建，其他同名 marketplace listing 是山寨。装完记得按宿主（Claude Code / Codex / Cursor）走各自的更新路径。

    6. android/skills：Google 官方，专治安卓 Agent 容易写错的坑

    Android skills 仓库预览

    约 8400 星，Apache-2.0，Kotlin。Google Android 团队开源的 Agent 技能仓库，按开放 Agent Skills 标准写成 SKILL.md。重点不是 Compose 入门这类模型已经很熟的领域，而是评测里模型偏弱的场景：R8 分析、AGP 9 升级、CameraX 迁移、车机停靠应用、端侧 LiteRT 和 ML Kit GenAI 等。用 Android CLI 或 Claude Code / Codex 插件市场安装，Agent 遇到相关任务会按需加载。

    android skills add --all

    适合日常用 Cursor、Claude Code、Gemini 写安卓、又经常被模型带进过时 API 或错误 R8 规则的人。

    坑：需要先有 Android CLI 或对应插件市场；不覆盖模型已经很强的基础 Compose 知识。官方 disclaimer 写得很直白：AI 会犯错，改完要自己验。目前不接受外部 PR，反馈走 Issue。

  • 1017日报 | AI的「账单到期日」：Anthropic的IPO估值被增速压回1.5万亿美元（Q3收入168亿、环比+45%不及Q2近翻倍）；同一周，埃森哲把每个员工的Claude额度封顶29美元/月（此前有人月烧1000美元）、Replit以「成本、合作、性能」为由弃用Anthropic转投OpenAI；而账单的另一端，Character.AI申请破产、用2000万美元把资产卖给迪士尼；卖推理的Modal年化收入破10亿美元、5个月估值涨3倍到157.5亿美元；Jev两周拿下Vercel 35%的付费团队；Grok Voice把实时语音打到8美分/分钟；中国AI视频则在0.09元/秒的价格战里，把独立平台逼向出海

    1017日报 | AI的「账单到期日」：Anthropic的IPO估值被增速压回1.5万亿美元（Q3收入168亿、环比+45%不及Q2近翻倍）；同一周，埃森哲把每个员工的Claude额度封顶29美元/月（此前有人月烧1000美元）、Replit以「成本、合作、性能」为由弃用Anthropic转投OpenAI；而账单的另一端，Character.AI申请破产、用2000万美元把资产卖给迪士尼；卖推理的Modal年化收入破10亿美元、5个月估值涨3倍到157.5亿美元；Jev两周拿下Vercel 35%的付费团队；Grok Voice把实时语音打到8美分/分钟；中国AI视频则在0.09元/秒的价格战里，把独立平台逼向出海

    今日洞察

    今天的主题是：「AI的账单到期日」——过去两年，整个行业都在为『能力』定价；这一周，账单第一次被摊到桌面上：上游的增长被资本市场重新折价，中游的应用层开始砍掉模型供应商，下游的消费者产品则直接被账单压垮。而真正赚钱的人，站在账单的另一端。

    我们写过「承载力」（0911）、「出口」（0912）、「加速与刹车」（0913）、「自己造自己」（1005）。今天这条线走到了第四个阶段——从「AI能做什么」，到「AI这笔账谁来付、付得起多少」。 这不是资本市场的情绪波动，而是产业结构第一次被迫做算术。

    • 上游：估值开始被『增速』而不是『故事』定价。 10月15日，路透社报道：在Anthropic周三于旧金山举行的投资者日上，潜在投资人正在讨论以1.5万亿美元估值参与11月的IPO，低于此前市场流传的约2万亿美元。 触发点是财务数据——Anthropic第三季度收入168亿美元，环比增长45%，但明显慢于第二季度『接近翻倍』的水平（Q2收入116亿美元）。更硬的约束在成本端：公司去年经营亏损超过80亿美元，并已承诺未来十年在云与算力上投入5180亿美元以上。 对一家即将上市的公司来说，「增长在减速、承诺在加码」是最难讲的一对数字。

    • 需求侧：企业开始给AI『定额』，而且定得比想象中低得多。 据404 Media获得的内部备忘录，埃森哲自10月1日起，公司集中承担每位员工每月仅29美元的Claude使用费——超出部分必须由具体项目或团队的工作分解结构（WBS）预算承担，有员工此前每月花到1000美元，已有人被直接收回权限；TechRadar补充，部分员工正试图自行升级到250美元/周的高级账户。为什么这么狠？因为埃森哲超过65%的业务是固定价合同——超支的token成本不会转嫁给客户，而是直接吃掉公司毛利。

    • 应用层：第一个公开『换掉模型供应商』的明星公司出现了。 10月15日，Replit联合创始人兼CEO Amjad Masad在TechCrunch Disrupt舞台上表示，公司已不再与Anthropic合作，理由是成本、合作关系与性能——「我认为ChatGPT现在更好」，并称自建与公开基准上OpenAI的Sol和Astra在『从零开始vibe-coding一个应用』上表现更稳定。Replit在8月已宣布与OpenAI合作，但此前从未有任何迹象表明它离开了Anthropic（Anthropic方面人士对TechCrunch表示合作仍在，双方说法冲突）。同一场对话里，Masad给出增长结构：企业客户占收入的比例从去年的2%升到今年的约15%，B2B已超过总收入的一半。

    • 下游：一个2000万月活的消费级AI产品，用2000万美元把自己卖了。 10月13日，Character.AI申请Chapter 11破产保护，法庭文件显示资产与负债均在5000万至1亿美元之间；公司同意以2000万美元把部分资产出售给迪士尼，并附上一份非独占的永久技术授权；目前尚无其他竞标方，若无人接盘，平台将被关停。这个由Transformer论文作者Noam Shazeer与Daniel De Freitas在2021年底创立的产品，2022年9月以1.5亿美元A轮成为独角兽，2024年10月仍有2000万月活、用户日均停留超2小时——高时长、高粘性、零护城河付费，最终没能换成一门生意。

    • 而账单的另一端，站着三个明确的收租方。 其一，卖推理的：10月14日，Modal Labs确认完成7.5亿美元D轮（Accel领投），投后估值157.5亿美元，年化收入突破10亿美元——估值5个月内涨了3倍多（5月C轮为46.5亿美元）。 其背景是Gartner的预测：2026年全球推理支出将达233亿美元，首次超过190亿美元的训练支出，占AI IaaS总支出55%，2027年升至59%。 其二，卖『判断』的：Vercel 10月15日发布的生产指数显示，Jev上线两周即被35%的付费团队采用，是第二名Sonnet 5.5的近两倍，为该平台史上最快。 其三，卖『对话』的：xAI于10月14日发布Grok Voice 3.0，价格维持0.08美元/分钟，在Artificial Analysis语音对话指数上以86.9分登顶，比OpenAI同类产品低17%–55%。

    把这五件事放在一起，今天真正发生的事是：AI产业第一次集体从『能力叙事』切换到『单位经济学』——不是AI不行了，而是所有免费的和补贴的东西，开始被要求出示发票。 上游的估值被增速折价，中游的应用层开始对模型供应商比价，下游的消费产品被推理成本压死；而价值链上最确定的三门生意浮出水面：卖单位成本（推理云、专用小模型、语音API）、帮别人省这笔账（AI花费管理、配额治理、模型路由）、以及能把AI账单直接换成收入的人（Agent完成交易，而不是只生成内容）。

    对AI创业者与产品经理而言，今天最务实的三个判断是：① 你的毛利结构，现在比你的模型能力更值钱——当客户开始按「每人每月29美元」给你定额，能在这条线内交付价值的产品才会被续约；② 「帮客户省钱」正在变成一个独立品类——AI花费管理（北美的North.cloud刚拿6000万美元B轮）、配额治理、模型路由、缓存与蒸馏，都是这轮账单的直接受益者；③ 只有『能收钱的Agent』才配得上溢价——Grok Voice在Starlink上70%的来电无需人工、在特斯拉25%的销售电话直接成交，说明当AI的产出可以直接结算成收入时，它的成本才不再是成本。

    ①【行业洞察/主线】Anthropic的IPO估值被增速压回1.5万亿美元：路透社10月15日报道，投资者日在旧金山举行，潜在投资人讨论以1.5万亿估值参与11月IPO（此前流传约2万亿）；Q3收入168亿美元、环比+45%，但慢于Q2『接近翻倍』（Q2为116亿）；去年经营亏损超80亿美元，且已承诺十年5180亿美元以上的云与算力投入。 这是本轮AI周期第一次出现「一级市场叙事」与「公开市场算术」的正面碰撞：当收入增速从翻倍降到45%，而成本承诺还在往上加，估值就只能往下修。 对创业者：把「增速放缓」当作2027年的默认假设来做预算，而不是把2026年的翻倍曲线外推。

    ②【行业洞察/商业模式】企业与应用层在同一周开始『算账』：埃森哲自10月1日起把每位员工的Claude集中预算封顶29美元/月（此前有人月烧1000美元，超出需项目WBS承担，已有员工被收回权限），原因是超65%业务为固定价合同、token超支直接吃毛利；同期Replit CEO在Disrupt上宣布不再与Anthropic合作，理由是成本、合作与性能，转用OpenAI的Sol/Astra（Anthropic方面否认合作已终止）。 这两件事合起来是一次「下游对上游的集体议价」：企业端上了配额，应用端换了供应商——模型层第一次同时被两头挤压。 对创业者：如果你的产品价值无法在『每人每月29美元』的额度里被感知，你卖的不是工具，是补贴。

    ③【行业洞察】Character.AI申请Chapter 11：资产与负债均在5000万–1亿美元区间，以2000万美元把部分资产与非独占永久技术授权卖给迪士尼，暂无其他竞标方，无人接盘则平台关停；它2022年9月以1.5亿美元A轮成为独角兽，2024年10月仍有2000万月活、用户日均停留超2小时，后因青少年安全诉讼与监管调查被迫禁止未成年人使用。 这是一个必须被认真读的失败样本：它证明了『时长』不是『付费』，『粘性』不是『护城河』，『用户生成内容』也不是『资产』——当推理成本按token计、而收入只能按订阅收，规模越大亏得越快。 对做消费级AI的团队：先算清『每用户每小时的推理成本』，再谈留存曲线。

    ④【融资/行业洞察】Modal Labs完成7.5亿美元D轮（Accel领投）、投后157.5亿美元，年化收入破10亿美元，估值5个月涨3倍多（5月C轮46.5亿）；其顺风是Gartner预测2026年全球推理支出233亿美元、首次超过训练支出190亿美元、占AI IaaS的55%，2027年升至59%。 这条新闻回答了一个困惑行业两年的问题：「AI的钱到底被谁赚走了」——答案是卖token吞吐的人。 对照中国侧：硅基流动9月完成B+轮二期与C轮，2026年累计股权融资近29亿元人民币。 对创业者：推理侧的「规模+利用率」是硬壁垒，但「单位token的毛利」正在被价格战吃掉，真正的差异化在调度效率与垂直场景的SLA。

    ⑤【新产品】Jev成为Vercel史上最快被采用的模型：Vercel 10月15日的生产指数显示，Jev上线两周即被35%的付费团队使用，接近第二名Sonnet 5.5的两倍；同时开源模型已占Vercel网关70%以上的token、但只占约25%的支出，前沿实验室的支出总额则增长了10倍。 这是1005那期「决策模型」主线第一次拿到硬采用数据（而不只是榜单分数）：Vercel自己就用Jev替换了GPT-6 Luna来做有害命令分类。 更值得注意的是那组「70% token / 25% spend」：开源模型吃掉了『量』，闭源前沿模型守住了『钱』——两者不是替代，而是分层。 对做Agent的团队：把你的调用拆成『判断层』与『生成层』分别计价，是当下最直接的降本手段。

    ⑥【新产品】xAI发布Grok Voice 3.0：10月14日上线，0.08美元/分钟（与上代持平），以86.9分登顶Artificial Analysis语音对话指数，比OpenAI同类低17%–55%；官方称全双工基准97%、τ-Voice 71.6%、EVA-Bench 74%，响应延迟比GPT-Live-1（Astra）低40%；Starlink每天约2万通客服电话、约70%无需人工解决，特斯拉车内每天数百万次对话、销售电话转化率25%。 语音是这一轮「单位经济学」里降得最狠的一层：当一分钟对话只要8美分，『AI客服』的ROI计算就从『要不要上』变成『上几层』。 但风险同样明确：无模型卡、无安全审计，却已经在真实系统里执行退款与发货。 对产品经理：语音Agent的窗口不在『更像人』，而在『能直接结单』。

    ⑦【融资/新产品】Elorian发布首个模型Glimpse：10月16日以研究预览形式开放API与对话界面；核心机制是『视觉草稿纸（visual scratch space）』——推理过程中可反复裁切图像局部、抽取视频特定帧、甚至跑代码去测量和比较；公司称仅用几百块GPU训练、模型规模远小于对标的 frontier 系统，但在科学图表推理与短视频描述上超过GPT-6 Astra；定价0.60/3.00美元每百万token（输入/输出）。 公司在此前未发布任何产品的情况下，已拿到5500万美元种子轮、3亿美元估值（Striker、Menlo、Altimeter联合领投，英伟达与Jeff Dean参投），CEO Andrew Dai出身Google DeepMind。对创业者：在『多模态』这个被认为已被巨头锁死的赛道里，仍然存在用『一个机制创新+极小算力』切入的缝隙——前提是你选的那个任务，巨头的数据管线恰好没有覆盖。

    ⑧【行业洞察】中国AI视频进入『账单清算』：字节10月启动即梦与小云雀部分业务合并、用剪映Hub（无限画布+多轨道）收拢创作流程；生数科技10月8日把Vidu Q4 Preview首发价打到0.09元/秒起（官网720P约0.59元/秒），小云雀10月13–26日跟进到0.19元/秒、天地会员0.177元/秒，而字节Seedance 2.5官网约1.51元/秒；爱诗、生数、演语估值已到20–30亿美元区间，却普遍缺乏定价权，开始转向出海广告素材（PixVerse Growth Studio 10月9日接入Meta Catalog Product Video）。 中国这一侧的「账单」不是资本市场给的，是巨头生态给的：字节同时握着模型、工作台、流量与激励，独立平台只能在『某个环节领先一个版本周期』。 对创业者：在巨头把『模型+工具+分发+变现』四件事同时握住的赛道里，独立产品的唯一出路是去一个它握不住的市场（出海、B端、私有化）。

    1. Anthropic的IPO估值被增速压回1.5万亿美元：路透社报道投资者日上潜在投资人讨论以1.5万亿估值参与11月IPO（此前约2万亿）；Q3收入168亿美元、环比+45%但慢于Q2的『接近翻倍』（Q2为116亿）；去年经营亏损超80亿美元，已承诺十年5180亿美元以上云与算力投入

    路透社：Anthropic IPO估值预期从2万亿下调至1.5万亿美元（Reuters）

    🔗 链接：Reuters·Investors temper Anthropic IPO valuation expectations over revenue growth（10/15） · AI Weekly·Reuters: Anthropic IPO Investors Push Valuation Down to $1.5T From $2T（10/15）

    动态：10月15日，路透社报道，在Anthropic于旧金山举行的投资者日（周三）上，潜在投资人正在讨论以1.5万亿美元的估值参与公司11月的IPO——低于此前市场流传的约2万亿美元。 这一调整并非来自坏消息，而是来自一份「好但不够好」的财报：Anthropic第三季度收入为168亿美元，环比增长45%；而第二季度收入为116亿美元、环比接近翻倍。 换句话说，绝对增速依然惊人（年化超过670亿美元），但『加速度』在下降。与此同时，成本侧的压力被摆到了同一张桌子上：公司去年经营亏损超过80亿美元，并已承诺未来十年在云与算力上投入5180亿美元以上。 「增长在减速、承诺在加码」，是IPO定价最不愿意看到的一对数字组合。

    做什么的：这不是一条产品新闻，而是一次「定价基准的切换」——过去两年，AI公司的估值主要由『能力曲线』和『算力储备』支撑；从这一天起，公开市场开始用『收入质量、增速斜率、与成本承诺的匹配度』来给AI公司定价。 需要冷静的是：1.5万亿仍是讨论中的数字而非最终定价，且Anthropic的收入确认口径（含云厂商转售、含预付费）与毛利结构并未公开。 但方向已经很清楚：即便是这个星球上增长最快的AI公司，也要开始为『增速放缓』付折价。

    为什么值得关注：

    • 它给整个AI一级市场提供了一个「估值锚」的下移信号。 当Anthropic这样的头部资产都要从2万亿退到1.5万亿，所有以「Anthropic同梯队」自我定位的公司的估值逻辑都要重算——对创业者：如果你正在融资，把「增速假设」下调一档再去谈估值，比在DD阶段被砍价体面得多。

    • 它揭示了AI公司真正的财务结构问题：收入是线性的，承诺是指数的。 80亿美元的经营亏损与5180亿美元的十年算力承诺，意味着公司必须持续以极高增速奔跑才能覆盖固定成本——而45%的环比增速虽高，却已经不足以支撑『每年翻数倍』的叙事。 对做AI基础设施的公司：客户的『算力承诺』正在从资产变成负债，签约时要看清对手方的现金流结构。

    • 它是「AI泡沫论」第一次拿到具体数字，而不是情绪。 注意：这不是需求崩塌，而是『增长斜率回归正常』——AI依然在高速增长，只是不再符合『指数外推』的期待。 对产品经理：把「增速回归」当作2027年的规划基线，比押注「继续翻倍」更安全。

    • 对创业者的启发：① 用「增速斜率」而不是「TAM」讲你的故事；② 成本承诺要与收入曲线绑定（按需而非包年）；③ 在公开市场眼里，毛利率比DAU重要；④ 提前一个季度准备「增速放缓」的解释框架；⑤ 别把头部公司的估值当自己的锚。

    类比参考：「AI的『成年礼』/ 一个少年长到一米九，所有人都在惊叹他的身高；直到有一天，医生开始问他的骨龄、血压和体脂——Anthropic的1.5万亿，就是AI产业第一次被问『骨龄』：你还能长多快，靠什么长，代价是什么。」

    2. 企业与应用层在同一周开始「算账」：埃森哲自10月1日起把每位员工的Claude集中预算封顶29美元/月（此前有人月烧1000美元，超出需项目WBS承担，已有员工被收回权限），因超65%业务为固定价合同、token超支直接吃毛利；同期Replit CEO在Disrupt上宣布不再与Anthropic合作，理由是成本、合作与性能，转用OpenAI的Sol/Astra

    404 Media：埃森哲把员工Claude月度预算封顶29美元（404 Media）

    🔗 链接：404 Media·Accenture Tells Employees They Can Now Spend Only $29 on Claude Per Month（10/15） · TechCrunch·Replit is no longer working with Anthropic, CEO says（10/16）

    动态：同一周，AI账单在「企业采购」和「应用开发」两个层面同时被摊开。 企业侧：据404 Media获得的埃森哲内部备忘录，公司自10月1日起，集中承担的Claude使用费上限为每位员工每月29美元；全部按用量计费，超出29美元后，员工必须找到一个具体的项目或团队、由其工作分解结构（WBS）预算来承担剩余费用；在此之前，部分员工每月花费高达1000美元，已有员工被完全收回Claude权限。备忘录同时写明：「Claude Enterprise将继续根据角色与业务需求提供」「许可证分配会定期审查，并可能根据业务优先级重新评估」。TechRadar补充：有员工正试图自行升级到250美元/周的高级账户；24/7 Wall St.则给出财务解释——埃森哲超过65%的业务是固定价合同，未预算的token成本不会转嫁给客户，而是直接压缩公司毛利。应用侧：10月15日，Replit联合创始人兼CEO Amjad Masad在TechCrunch Disrupt舞台上确认，公司已不再与Anthropic合作。他给出的理由是三位一体的：「我认为ChatGPT现在更好」；公司既用内部基准也用公开基准评测，而「Sol和Astra在从零构建vibe-coded应用上持续表现更好」；「这是基于成本、合作关系和性能共同做出的决定」。Replit在今年8月已宣布与OpenAI的合作，但此前从未有信号显示它离开了Anthropic——Anthropic方面知情人士对TechCrunch表示合作仍在，双方说法存在冲突。同场，Masad披露了收入结构的变化：企业客户占收入比例从去年的2%升至今年约15%，B2B已超过总收入的一半。

    做什么的：这是「AI成本」第一次以两种完全不同的形式被制度化。 在埃森哲，它变成了配额制（每人不超29美元，超出走项目预算）——本质是把AI成本从『IT基础设施』降级为『项目直接成本』，让每一笔token都对应一个P&L责任主体。在Replit，它变成了比价与切换——当模型能力趋同、而价格差异显著时，应用层没有义务忠诚于任何一家模型厂商。两者指向同一件事：模型层正在失去『能力溢价』，被迫进入『成本竞争』。

    为什么值得关注：

    • 「29美元」是一个极具杀伤力的价格锚。 它不是随意定的：Claude Pro的月费正是20美元量级，29美元意味着公司只愿意为『一个普通员工的基础AI使用』买单——超出部分必须证明自己能赚回来。 对企业AI产品经理：你的产品要么能装进这29美元，要么能证明自己属于『项目预算』而非『个人福利』。

    • Replit的倒戈说明「模型忠诚度」在应用层不存在。 注意Masad的措辞顺序：成本、合作、性能——成本排在性能前面。 这对模型厂商是一个警告：当你的竞品在『够用』的水平线上便宜30%，客户会走，而且会公开说走。 对应用层创业者：多云/多模型路由不只是技术架构，它是你的议价能力。

    • 它暴露了服务业的「AI悖论」：卖AI的人，先被AI的成本压住。 埃森哲一边劝客户重投AI，一边给自己的工程师装上额度表——因为固定价合同下，AI省下的人力成本归客户，超出的token成本归自己。 对所有「按项目/按人天」收费的服务型公司：AI不会自动变成利润，除非你改变计价方式（按结果、按节省、按分成）。

    • 对创业者的启发：① 设计产品时先问「这笔钱从哪个预算科目出」；② 为「项目级计费/成本归集」做功能（这是企业采购的硬需求）；③ 把多云路由做成默认能力；④ 服务型公司要尽快从「卖人天」转向「卖结果」；⑤ 别假设企业会无限补贴员工的AI使用。

    类比参考：「公司茶水间里的咖啡，突然要刷工牌了 / 第一年，公司无限量供应咖啡，因为『提神能提高产出』；第二年，财务发现有人一天喝八杯，于是装了台刷卡机，每人每天一杯免费、超出部分记到项目账上——埃森哲的29美元，就是AI的刷卡机。」

    3. Character.AI申请Chapter 11破产：资产与负债均在5000万–1亿美元区间，以2000万美元把部分资产与非独占永久技术授权卖给迪士尼，暂无其他竞标方、无人接盘则平台关停；它2022年9月以1.5亿美元A轮成为独角兽，2024年10月仍有2000万月活、用户日均停留超2小时

    Character.AI申请Chapter 11，2000万美元把部分资产卖给迪士尼（TechCrunch）

    🔗 链接：TechCrunch·Just 5 years in, interactive chatbot platform Character.AI files for bankruptcy（10/13）

    动态：10月13日，成立仅五年的Character.AI向法院申请Chapter 11破产保护。 法庭文件显示，公司资产与负债均在5000万至1亿美元之间。同时，公司已同意以2000万美元把部分资产出售给迪士尼，并授予后者一份非独占的、永久的技术授权；迪士尼将通过上月已加入该公司的前Character.AI员工（包括前CEO Karandeep Singh Anand）提供过渡服务。CEO Colin Adams在声明中称：「过去一年，Character.AI在重大法律、监管与运营逆风中采取了有意义的措施……董事会认定，这一法院监督下的出售程序能为所有利益相关方最大化价值。」 但他也明确：目前尚无针对公司资产的竞标或买家，出售程序预计11月底至12月初完成，「若无可行报价，平台将被关停」。这家公司的轨迹极具代表性：2021年底由Transformer论文作者Noam Shazeer与Daniel De Freitas创立；2022年9月以1.5亿美元A轮（a16z领投）成为独角兽，当时称用户五个月发了20亿条消息、日均使用超2小时；2024年8月谷歌以27亿美元授权其模型、两位创始人回归谷歌；2024年10月月活仍达2000万；此后因一名14岁少年自杀事件被起诉、德州总检察长发起儿童安全调查，公司和解部分诉讼、增加安全功能并禁止未成年人使用，又尝试AI视频、社交feed、互动叙事、微短剧，但均未能扭转经营。

    做什么的：这是一个「用户极其热爱、但商业模型不成立」的教科书案例。 Character.AI卖的是与虚拟角色的情感陪伴对话——极高时长（日均2小时）、极高粘性、极强UGC生态（用户自建角色），但它始终没能解决三个致命问题：① 付费意愿与使用时长的错配（越沉浸的用户越不愿付费，因为付费会破坏『陪伴』的幻觉）；② 推理成本随对话轮次线性上升，而收入只能按订阅固定收取；③ 内容安全的外部性（未成年用户的情感依赖，最终变成诉讼与监管成本）。

    为什么值得关注：

    • 它彻底证伪了「时长=价值」这个移动互联网时代的公理。 2000万月活、日均2小时，在广告模型里是梦寐以求的资产；在token计费的模型里，是每天烧掉的现金。 对做消费级AI的团队：请把『每用户每小时的推理成本』做成和DAU并列的一级指标。

    • 它展示了「平台型消费AI」的结构性脆弱：既不是工具（没有明确ROI），也不是社交网络（没有真实关系），更不是内容平台（没有可授权的IP）。 最终唯一愿意付钱的是迪士尼——而它买的不是平台，是技术和人。对创业者：如果你做的是『情感/陪伴』类产品，从第一天就要想清楚退出路径是『卖给IP方』还是『卖给硬件方』。

    • 「2000万美元」这个价格本身就是一条行业信息。 五年前它以1.5亿美元A轮起家、巅峰估值数十亿美元；今天它的部分资产值2000万——约等于一个中型A轮。 对投资人：消费级AI的资产残值极低，用户、角色、对话数据在破产时几乎无法定价。

    • 对创业者的启发：① 陪伴类产品的付费点必须与『沉浸』解耦（如角色周边、创作者分账、IP联名）；② 未成年用户是监管地雷，不是增长引擎；③ 推理成本要能随收入弹性伸缩（模型分级、上下文压缩、缓存）；④ 别把『用户自建内容』当成资产，它在清算时一文不值；⑤ 早一点谈IP合作，晚一点谈独立平台。

    类比参考：「一家永远满座的电影院，却买不起胶片 / 每天两千人进场、每人坐两小时、散场时都在哭——但它不收门票，只靠卖爆米花，而爆米花的成本随放映时长上涨。Character.AI的破产不是需求消失，是这门生意的算术从一开始就不成立。」

    4. 卖推理的人成了唯一确定的收租方：Modal Labs完成7.5亿美元D轮（Accel领投）、投后157.5亿美元，年化收入破10亿美元、估值5个月涨3倍多（5月C轮46.5亿）；Gartner预测2026年全球推理支出233亿美元、首次超过训练支出190亿美元、占AI IaaS的55%，2027年升至59%

    Modal年化收入破10亿美元，完成7.5亿美元D轮（Modal）

    🔗 链接：Modal·Modal crosses $1B in Annualized Run Rate and raises $750M Series D（10/14） · Axios Pro·Exclusive: Modal raises $750M and passes $1B in ARR（10/14）

    动态：10月14日，AI推理基础设施公司Modal Labs确认完成7.5亿美元D轮融资，由Accel领投，投后估值157.5亿美元；同时宣布年化收入（ARR）突破10亿美元（CEO Erik Bernhardsson对Axios Pro独家披露）。这距离它5月完成的3.55亿美元C轮（估值46.5亿美元）仅五个月——估值涨了3倍多。 更值得对照的是行业背景：Gartner预测，2026年全球推理支出将达到233亿美元，首次超过190亿美元的训练支出，占AI IaaS总支出的55%，并将在2027年进一步升至59%。 中国侧同步验证：AI基础设施公司硅基流动9月宣布完成B+轮二期与C轮，2026年累计股权融资接近29亿元人民币，刷新国内AI Infra赛道融资纪录。 而在应用侧，Vercel的生产指数显示，开源模型已占其网关70%以上的token、但只占约25%的支出；前沿实验室的支出总额则增长了10倍——「量」与「钱」正在分层。

    做什么的：Modal做的是「把GPU变成按秒计费的函数调用」——开发者不需要管集群、镜像、扩缩容，把Python函数丢上去，按实际执行时间付费。它的客户不是训练大模型的人，而是每天要跑几百万次推理的Agent、图像、语音、批处理团队。 这解释了为什么它的ARR能在一年内从零冲到10亿美元：训练是一次性的资本开支，推理是永续的运营开支——而运营开支才是云生意。

    为什么值得关注：

    • 它回答了「AI的钱被谁赚走了」这个被问了两年的问题：卖token吞吐的人。 当应用层在比价、模型层在降价、消费产品在破产，唯一稳定增长的是『把算力切成最小可售单位』的那一层——因为它同时受益于『用量上升』和『价格下降』（价格下降刺激用量，用量上升摊薄成本）。

    • 「推理首超训练」是一个结构性拐点，而不是一个季度波动。 它意味着AI产业的资本开支逻辑从『建工厂』转向『开工率』——对创业者：如果你在做AI基础设施，从今天起你的核心指标不是「峰值算力」，而是「利用率」和「单位token毛利」。

    • 「70% token / 25% spend」这组数字值得所有做模型的人反复看。 开源模型吃掉了绝大多数调用量，但只拿走四分之一的钱；闭源前沿模型调用量小，却拿走了大部分支出。 对产品经理：这意味着『默认模型』应该是开源小模型，只在关键步骤升级到前沿模型——这个『模型路由』的默认设置，就是最直接的毛利改善。

    • 对创业者的启发：① 在推理层，规模效应真实存在，但价格战也在真实发生；② 差异化在调度效率、冷启动、SLA与垂直场景（如视频、语音、结构化输出）；③ 「按秒计费」正在成为AI云的标准计价单位；④ 关注「推理套利」——把批处理任务调度到便宜时段/地区；⑤ 别在训练侧与巨头竞争，去推理侧抢开工率。

    类比参考：「淘金热里卖铲子的人，最后发现真正赚钱的是卖水的人 / 挖金子的一次性买铲子，但每天都要喝水——Modal卖的就是水，而且按口计费。当所有人都以为AI的生意是『造更聪明的模型』时，账单告诉我们：是『把电变成token，再把token卖出去』。」

    5. Jev成为Vercel史上最快被采用的模型：上线两周即被35%的付费团队使用，接近第二名Sonnet 5.5的两倍；同时开源模型占Vercel网关70%以上token但仅约25%支出，前沿实验室支出总额增长10倍

    Vercel生产指数：Jev上线两周被35%付费团队采用（TechCrunch）

    🔗 链接：TechCrunch·Jev is Vercel's fastest-adopted AI model ever（10/16） · Vercel·AI Gateway Production Index, October 2026（10/15）

    动态：10月15日，Vercel发布其AI Gateway的生产指数，给出了「决策模型」这个新品类第一份硬采用数据：Jev在上线两周内，被35%的付费团队使用，接近第二名Sonnet 5.5的两倍，是Vercel平台上「首个两周内采用率最高」的模型。 数据来源是Vercel的AI Gateway——一个类似OpenRouter的统一API网关，因此样本有天然局限（会低估OpenAI、Anthropic等自有API的大实验室），但它至少证明了一件事：围绕Jev的热度，真的转化成了生产环境的调用。 更值得注意的是同一份报告里的另外两组数字：① 开源模型现在占Vercel网关处理token的70%以上，但只占约25%的总支出；② 前沿实验室的支出总额增长了10倍，尽管其占比在下降。 Vercel自己就是Jev的早期用户——它用Jev替换了GPT-6 Luna来做有害命令分类。

    做什么的：Jev是「决策模型」这一品类的开创者（1005那期我们详细写过）：它不生成文字，只在你给定的几个选项里做选择、打分或给出概率，因此更便宜、更快、也不会「凭空发明一个不存在的选项」。它最适合的场景是大规模分类、路由、校验、拦截——也就是Agent每一步动作前的「守门」。 而Vercel的数据说明：这个「守门层」不是概念，它已经嵌进了生产流量。

    为什么值得关注：

    • 它把「判断层」从叙事变成了基础设施。 35%的付费团队、两周、两倍于第二名——这个曲线比任何榜单分数都有说服力。 对做Agent产品的团队：如果你的Agent还在用前沿大模型做每一步路由，你正在为「判断」支付「生成」的价格。

    • 「70% token / 25% spend」是这一轮最重要的成本结构信号。 它说明模型市场已经分层：开源小模型承担『量』，闭源前沿模型承担『难』。 对CTO：把模型路由做成产品的一等公民（按任务难度、按置信度、按成本上限），比换一家供应商更能改善毛利。

    • 它对「决策模型会不会被巨头碾死」给出了第一份反证。 继OpenAI、AWS、Cloudflare之后，StartLux、以及数十个开源模仿模型已经涌入——但先发者仍然拿到了最高的采用率。对创业者：在基础设施层，「先定义接口」比「先做出最强模型」更值钱。

    • 对创业者的启发：① 把「判断」和「生成」拆开计价；② 优先在网关层做A/B与灰度（这是模型切换的低成本路径）；③ 关注「置信度校准」这个尚未解决的技术缺口；④ 开源模型是你的成本底线，不是你的竞争对手；⑤ 采用率数据比benchmark更适合做融资材料。

    类比参考：「一家餐厅后厨的分工革命 / 过去，每道菜都要主厨亲自尝咸淡（大模型做判断），又慢又贵；现在雇了一个专职『尝味员』（Jev），一秒一口、只回答『咸了/淡了/正好』。主厨的时间被释放去做真正的创作——而这家餐厅的翻台率，两周内涨了三分之一。」

    6. xAI发布Grok Voice 3.0：10月14日上线、0.08美元/分钟（与上代持平），以86.9分登顶Artificial Analysis语音对话指数、比OpenAI同类低17%–55%；Starlink每天约2万通电话、约70%无需人工解决，特斯拉销售电话转化率25%

    xAI发布Grok Voice 3.0：0.08美元/分钟登顶语音指数（xAI）

    🔗 链接：xAI·Grok Voice 3.0（10/14） · AI Weekly·xAI Grok Voice 3.0 Ships at $0.08/Min, Tops Index at 86.9（10/16）

    动态：10月14日，xAI发布Grok Voice 3.0，定价0.08美元/分钟——与上一代持平，但在Artificial Analysis的语音对话（Speech-to-Speech）指数上以86.9分登顶。官方披露的技术指标包括：全双工基准（Full Duplex Bench）97%、τ-Voice 71.6%、EVA-Bench 74%，响应延迟为亚秒级、比GPT-Live-1（Astra）低40%；按任务计价为每任务0.025美元（Big Bench Audio），低于GPT-Live-1的0.030美元。xAI强调的不只是分数，而是已经发生的部署：Starlink客服线每天接约2万通客户电话，其中约70%在无人工介入的情况下端到端解决；特斯拉车内助手每天处理数百万次对话；据xAI自己的数字，特斯拉销售电话中有四分之一在挂断前完成了购买。 ServiceNow的产品管理高级总监Nitin Aggarwal给出了一句背书：「Grok Voice 3.0在EVA-Bench上设定了新的帕累托前沿。」 需要冷静的是：发布材料中的所有基准都来自xAI或Artificial Analysis，Starlink与特斯拉的部署数据没有独立审计；KuCoin/MetaEra的报道还指出，该模型没有模型卡、没有安全审计，却已经在真实系统中执行退款与发货，并且在客服类基准上仍落后于GPT-Live-1。

    做什么的：Grok Voice 3.0是「能直接办事的语音层」——它不只是把语音转文字再转回去，而是全双工（可以同时听和说）、能被打断、能调用后端系统完成退款/查询/下单。 当一分钟成本降到8美分，「AI客服」的经济学就彻底变了：一个时薪20美元的人工客服，每分钟成本约0.33美元；Grok Voice是它的四分之一，而且不需要排班、不会离职、可以瞬间扩容。

    为什么值得关注：

    • 语音是这一轮「单位经济学」里降得最狠的一层，也是最容易被低估的入口。 当成本降到8美分/分钟，语音Agent的ROI从「要不要上」变成「上几层」——第一层接起、第二层解决、第三层销售。 对产品经理：语音不再是一个「交互方式」，而是一个「结算通道」。

    • Starlink的70%自主解决率，是「Agent能替代多少人力」的第一个大规模公开样本。 注意这个数字的含义：不是「辅助人工提升效率30%」，而是「七成来电根本不需要人」。 对做客服/呼叫中心产品的团队：这是必须正面回应的竞争基准。

    • 「25%的销售电话直接成交」把AI从成本项变成了收入项。 这是本条最值钱的一句：当AI的产出可以直接结算成收入，它的成本就不再是成本，而是COGS。 对创业者：优先做「能带来收入」的Agent，而不是「能省人力」的Agent——前者的预算没有上限。

    • 对创业者的启发：① 语音Agent的护城河在「后端系统集成」而非「音色」；② 全双工+可打断是体验的分水岭；③ 没有模型卡与安全审计的模型，不适合直接接入金融/医疗的关键流程；④ 按任务计价（而非按分钟）会成为企业采购的偏好；⑤ 把「解决率」而不是「满意度」作为核心KPI。

    类比参考：「电话费从『长途』变成『包月』的那一年 / 当通话成本降到可以忽略，呼叫中心从『成本中心』变成了『销售渠道』——Grok Voice的8美分，就是语音Agent的『包月时刻』：不是技术变强了，是这笔账终于算得过来了。」

    7. Elorian发布首个模型Glimpse：核心机制是「视觉草稿纸」——推理中反复裁切图像局部、抽取视频特定帧、跑代码测量比较；仅用几百块GPU训练，科学图表推理与短视频描述超过GPT-6 Astra；定价0.60/3.00美元每百万token；公司此前已拿5500万美元种子轮、3亿美元估值

    Elorian发布Glimpse：用图像推理，而不只是推理图像（TechCrunch）

    🔗 链接：TechCrunch·Elorian's first AI model wants to reason with images, not just about them（10/16） · Elorian·Introducing Glimpse

    动态：10月16日，Palo Alto创业公司Elorian发布其首个模型Glimpse，以研究预览形式开放API与对话界面。 公司的论点非常尖锐：今天的AI模型，语言和代码能力再强，其实「看不见」——主流多模态模型看一眼图像、把它转成token，然后就在文本里推理，就像凭记忆描述一张照片。 Glimpse的做法是在推理过程中不断回到源头：可以裁切进图像的某个区域、抽取视频的特定帧、甚至运行代码去测量和比较它正在看的东西——Elorian称之为「视觉草稿纸（visual scratch space）」，类比人在手机上双指放大照片、确认自己刚才看到的东西。CEO Andrew Dai（前Google DeepMind研究员）讲了两个具体的痛点：去年他拍了一局刚和朋友玩完的桌游、问前沿模型谁赢了，模型答不出来——「桌游有自己的视觉语言、图标和符号，对人类来说几乎不需要文字就能理解，但模型无法直觉这些符号的含义」；「人类能看着没有文字的宜家图纸组装家具，为什么AI不能？」 技术侧：Glimpse由一支小团队在几百块GPU上训练，规模远小于它对标的前沿系统；定价为输入0.60美元/百万token、输出3.00美元/百万token（比Sonnet、Sol便宜，比Haiku、Luna贵）；按Elorian自己的评测，Glimpse在科学图表推理与短视频描述上超过GPT-6 Astra，在其他视觉推理任务上表现相当。公司六個月前才出隐身模式，已拿到5500万美元种子轮、3亿美元估值，由Striker Venture Partners、Menlo Ventures、Altimeter Capital联合领投，英伟达与谷歌首席科学家Jeff Dean参投。初始目标客户是手握大量视频的机器人公司、科学实验室、媒体与创意公司；更长期，Elorian想从「看见」走向「行动」，包括直接控制机器人。

    做什么的：Glimpse挑战的是多模态模型的一个根本假设：「看」是一次性的编码动作。 主流做法是把图像压成token，然后遗忘原始像素；Glimpse保留了『回头再看一眼』的能力——这个机制在人类身上叫『凑近看』，在模型身上叫『可迭代的感知』。它解决的是图表、图纸、棋局、表格、仪表盘、视频细节这类「一眼看不清、必须反复比对」的任务——而这恰恰是工业、科研、医疗、金融单据里的主流视觉任务。

    为什么值得关注：

    • 它证明了在「多模态」这个被认为已被巨头锁死的赛道上，仍然存在机制创新的缝隙。 关键不是「更大的模型」，而是「不同的推理回路」——几百块GPU、一个小团队，就能在特定任务上超过前沿模型。 对创业者：当你打不过参数，就去改流程。

    • 「视觉草稿纸」是一个可复用的产品隐喻。 同样的思路可以迁移到音频（回听某一段）、文档（回翻某一页）、代码（回看某一行）——凡是「一次性编码会丢信息」的模态，都存在「可回访的感知」这个产品空间。

    • 它的定价策略暴露了目标：抢「重视觉」而不是「通用」。 0.60/3.00美元的价格带，正好卡在「比中端便宜、比轻量贵」的位置——它不打算做通用聊天，它要做的是「视觉密集任务的默认模型」。 对产品经理：垂直模型的定价不应锚定「每token」，而应锚定「每张图纸/每个视频/每份报告」。

    • 对创业者的启发：① 机制创新（推理回路）比规模创新更便宜；② 选一个巨头数据管线恰好没覆盖的任务（宜家图纸、桌游、工业仪表）；③ 从「看见」到「行动」是自然的产品延伸（机器人控制）；④ 研究预览+API 是小团队获取真实分布数据的最佳方式；⑤ 自测评测要尽快补第三方复现，否则融资故事会被打折。

    类比参考：「从『看一眼就写观后感』到『拿着放大镜反复核对』 / 过去的视觉模型像一位只看了一眼就交卷的考生，作文写得很漂亮，但图表题全靠猜；Glimpse是那个会把卷子翻回来、用手指着一格一格数的考生——分数不一定更高，但图表题它不会错。」

    8. 中国AI视频进入「账单清算」：字节10月启动即梦与小云雀部分业务合并、用剪映Hub收拢创作流程；生数Vidu Q4把首发价打到0.09元/秒起、小云雀跟进到0.19元/秒，而Seedance 2.5官网约1.51元/秒；爱诗、生数、演语估值已到20–30亿美元区间却缺乏定价权，转向出海广告素材（PixVerse接入Meta Catalog）

    36氪：夹在字节缝隙中的AI视频融资明星们（36氪）

    🔗 链接：36氪·夹在字节缝隙中的AI融资明星们（10/16，转自数智奔流）

    动态：中国AI视频赛道正在经历一场「由巨头生态发起的账单清算」。 产品侧：10月，字节旗下小云雀与即梦的部分业务传出合并，预计当月启动，部分团队已收到通知（字节尚未正式确认）；更早的9月20日，剪映发布一站式创作工作台「剪映Hub」，把无限画布与多轨道编辑器结合，用户可在其中整理脚本、生成分镜、调用即梦/小云雀做图、视频与音频，再进时间线修改；同期发布的「剪映助手」可直接调用视频模型剪辑这些素材，无需跳出剪映。价格侧：10月8日，生数科技发布Vidu Q4 Preview，首发优惠价打到0.09元/秒起（官网720P约0.59元/秒）；小云雀随即在10月13–26日的活动中，把高级会员的Seedance 2.5 720P有效价格最低做到0.19元/秒、天地会员0.177元/秒；而字节Seedance 2.5官网价约1.51元/秒、PixVerse V6无音频约0.6元/秒。资本侧：生数科技与演语科技被报道进入20亿美元以上估值区间，演语新一轮融资目标估值约30亿美元；爱诗科技C轮累计融资29.8亿元、投后估值超20亿美元；Flova累计融资超8000万美元（红杉中国、IDG、云九资本）——三家都被传出赴港IPO时间表。出路侧：Flova全力切海外市场，探索企业定制、私有化部署与专属算力包；生数通过API接入阿里云百炼等平台，寻找字节生态之外的分发；10月9日，爱诗宣布PixVerse Growth Studio接入Meta Catalog Product Video，把商品目录批量转成可投放的视频广告，按Google、Meta、TikTok、AppLovin的原生规格生成素材。

    做什么的：这是「模型降价 + 巨头生态夹击」的双重挤压。 字节的打法不是简单降价，而是『模型不降、工具补贴』——通过剪映的积分、会员权益和抖音的分发，把短期价格打下来，再用剪映订阅、抖音广告和企业服务把钱赚回来；独立模型厂商没有这套组合拳，只能被动跟价。而独立平台原本的生意是「把断裂的流程缝起来」（模型、素材库、分镜工具、剪辑软件之间的搬运），当字节把这条链路一次性打通，中间层就失去了存在理由。

    为什么值得关注：

    • 它揭示了「生态型巨头」与「单点型创业公司」之间不对等的竞争结构。 字节同时握着模型（Seedance）、工作台（剪映Hub）、流量（抖音）与变现（广告/短剧分账）——独立平台只能在某一个环节领先「一个版本周期」，却很难守住第二个。 对创业者：判断一个赛道能不能做，先看巨头是否同时握有『生产、分发、变现』三件事。

    • 「生产过剩、流量稀缺」是内容型AI产品的通病，而分发权就是生存权。 DataEye数据显示，2026年上半年抖音新增22.19万部AI短剧，其中播放量破亿的仅1055部，爆款率约0.48%。 在这个概率下，「能生成」不再是能力，「能被看到」才是。 对产品经理：把「分发/变现」做成产品的一部分，而不是上线后再找渠道。

    • 出海与B端，是绕开生态垄断的两条现实路径。 PixVerse接入Meta Catalog做电商素材、Flova做私有化部署、生数接阿里云百炼——共同点是：去一个字节握不住的市场，服务有付费能力的专业客户。 对创业者：当C端流量被生态锁死，『卖给商家』比『取悦创作者』更可持续。

    • 对创业者的启发：① 在巨头全链条覆盖的赛道，别做「更好的工具」，做「它不愿做的场景」；② 定价权来自分发权，不来自模型分数；③ 出海不是退路，是避开生态税的主动选择；④ 从「按秒卖生成」转向「按结果卖素材/广告」；⑤ 关注「项目资产沉淀」（角色库、场景库、风格规则）——这是唯一能提高迁移成本的东西。

    类比参考：「在购物中心里开手冲咖啡店 / 你的豆子比星巴克好，冲法也更讲究；但商场把最好的位置、最旺的客流、最方便的动线都给了自己的咖啡柜台，还时不时发券。你能做的只有两件事：把店开到商场外面去，或者专门服务那些商场做不了的客人。」

    本期由422产品实验室AI产品分析师整理 · 覆盖10月13日–10月16日AI产品/融资/商业模式动态

  • 10/17 开源速递：AI 替你点手机、本机推理调优和旧 iPad 当副屏

    今天日榜前排还是 skill 合集、rea、AnyPS5，外加这周写过的 context-mode、CLI-Anything、VoiceStudio、xerj、caveman 这些，我都跳过了。剩下的里面挑了六个：Google 开源的手机操作 Agent、在你自己机器上调内核的推理引擎、Anthropic 官方插件目录（9/26 写过，这次换个角度）、一个真帮作者找到工作的求职框架、把 iPhone 和旧 Mac 变成副屏的小工具，还有一只会走路的小鸭子机器人。

    星数是 10 月 17 日上午 GitHub API 的快照。

    1. google/artemis：让 AI 像人一样操作真手机

    ARTEMIS 横幅

    约 1.2 万星，Apache-2.0，Python。ARTEMIS 接一台开了 USB 调试的安卓手机或模拟器，你用自然语言说任务，它看屏幕、点按钮、跨 App 做完。自带 MCP 服务，Claude Code、Codex、Cursor、Antigravity 这类工具可以直接驱动手机，顺手拿到截图和 Logcat。README 写它在 Google Research 的 AndroidWorld 基准上完成率 99% 以上。

    git clone https://github.com/google/artemis.git && cd artemis && ./start.sh

    适合做安卓 App 的开发和测试：复现 bug、跑冒烟测试、让编码 Agent 改完代码自己装到手机上验收。Python SDK 也能塞进 pytest 或 CI。

    坑：目前只有安卓，iOS 还在路线图上。它要调用多模态大模型，每一步都在花 token；Flash 模式一步三五秒，Pro 模式一步十几到四十秒，长流程别指望很快。第一次跑会往手机装一个无障碍服务，用测试机，别拿装着支付和聊天记录的主力机。最近一次推送是 10 月 1 日。

    2. magnitudedev/magnitude：下载模型时先在你的芯片上调一遍内核

    Magnitude 仓库预览

    约 7000 星，Apache-2.0，Rust。Magnitude 是本机推理引擎，思路很直接：别的工具用一套通用内核，它在你下载模型时花最多一分钟，在你这块芯片上试不同的切分方式，留下最快且不改变输出的那组。Mac、NVIDIA、AMD 和纯 CPU 都支持，带桌面 App 和 magnitude 命令行，一键接 Codex、Claude Code、OpenCode、Cline 等，其他工具走 OpenAI 兼容接口。

    适合已经在本机跑开源模型、嫌 Ollama 慢、又想让编码 Agent 用本地模型的人。

    坑：「比 Ollama 快两倍以上」是官方自己测的 11 个模型平均值（主要快在解码），换你的模型和机器要自己验。它只为热门开源模型家族写了优化内核，冷门模型先去官网模型列表查。项目今年 6 月才建，迭代很快，别直接当生产推理服务。

    3. anthropics/claude-plugins-official：官方插件目录已经 315 个了

    Claude Code 官方插件目录预览

    约 4.1 万星，Python。9/26 写过它，这次再提是因为今天又冲上日榜第一，目录里已经收了 315 个插件，开发类最多，其次是效率、数据库、监控和安全。最近的提交基本都是在批量更新 Slack、Canva、Dropbox 这类合作方插件的版本。

    在 Claude Code 里用 /plugin install 插件名@claude-plugins-official 装，或者去 /plugin 的 Discover 里逛。

    适合已经天天用 Claude Code、想找现成 MCP 和命令而不想自己拼配置的人；也适合想把自家产品做成插件的团队，看目录里的结构照着写就行。

    坑：官方 README 自己就写了，Anthropic 不控制插件里的 MCP 服务和代码，也不保证它们不变。「官方目录」不等于「官方审计过每一行」，装之前看主页和权限。仓库本身是 Apache-2.0，但每个插件的协议各看各的。

    4. MadsLorentzen/ai-job-search：在自己电脑上跑的 AI 求职流程

    AI Job Search 仓库预览

    约 4.9 万星，MIT，Python。作者是被裁的地球物理学家，用 Claude Code 搭了这套流程给自己找工作：69 份定制申请，20 次一面，最后拿到一份 AI 工程师的合同。/setup 建个人档案，/scrape 搜岗位并打分，/apply 评估匹配度、写定制简历和求职信，再让第二个 Agent 挑刺修改，/interview 帮你备面试。

    适合正在海投、简历要按岗位反复改的人，尤其是英文求职。不用 Claude Code 的话，README 说 Codex、Gemini CLI 也能用部分功能。

    坑：Claude Code 没有免费档，要订阅或 API 额度；简历用 LaTeX 编译，环境要装 TeX。自带的岗位搜索主要是丹麦招聘站，国内用户得自己接本地招聘网站，LinkedIn 那个脚本作者也提醒违反其服务条款，只能低频个人用。最要紧的一条：/setup 会把你的姓名、经历、期望薪资写进仓库文件，而 fork 出来的公开仓库没法改成私有，自己用就按 README 建私有仓库。

    5. peetzweg/opendisplay：iPhone、iPad、旧 Mac 都能当副屏

    OpenDisplay 预览图

    约 5600 星，GPL-3.0，Swift。OpenDisplay 让 macOS 以为接了一台真显示器，再把画面用硬件编码推到 iPhone、iPad 或另一台 Mac 上，是扩展屏不只是镜像。USB 线连延迟最低，Wi-Fi 也能连，iPhone 上可以点按、拖动、双指滚动。对比 Sidecar 的好处是不用同一个 Apple ID，iPhone 也能用，不用订阅也不用买转接器。

    适合手边有闲置 iPad、旧 iPhone 或老 Mac，出差想多一块屏的人。发送端 Mac 要 macOS 14 以上，当屏幕的 Mac 要 macOS 12 以上。

    坑：创建虚拟显示器靠的是苹果私有接口，Mac 端因此上不了 App Store，macOS 大版本升级后可能会坏。线必须是能传数据的线，纯充电线不行。菜单栏会一直亮紫色的录屏指示，这是系统行为。目前没有声音，旧 Mac 当屏幕时也还不能用它自己的键盘鼠标。

    6. pollen-robotics/microduck：一只靠强化学习走路的小鸭子

    Microduck 机器人

    约 9500 星，Apache-2.0，Rust。Microduck 是 Pollen Robotics 的小型双足机器人，25 厘米、800 克，这个仓库是它的「大脑」：跑在 RK3566 上的一组 Rust 守护进程，50 Hz 控制环驱动 15 个舵机，动作来自神经网络策略。它能走、换轮子滑行、低头捡东西、摔倒了自己站起来。策略在隔壁的 microduck_rl 仓库用 MuJoCo 和 PPO 训练再导出 ONNX。

    适合对具身智能、sim2real 感兴趣的开发者，想看一套完整的机器人软件长什么样：签名升级、坏了自动回滚、蓝牙控制、相机推流都写了设计文档。

    坑：这不是开源硬件教程，机器人本体要从官网买。手上没有鸭子的话，可以用 scripts/duck-sim 在 MuJoCo 里跑真守护进程，但体验会打折扣。想改走路姿态，得去训练仓库啃强化学习，不是改几个参数的事。

  • 10/15 开源速递：Agent 上下文、软件变 CLI 和审计你的助手

    今天日榜前排还是 rea、VoiceStudio、xtool 和各类 skill 包，RAD Debugger 10/8 也写过，这些我都跳了。剩下真正想让人打开的是五个：让 Agent 少烧上下文、压缩后还记得干到哪的 context-mode，把现成软件改造成 Agent 能调的 CLI 的 CLI-Anything，专门审计「助手有没有在做该做的事」的 iFixAi，自托管的多智能体渗透测试平台 PentAGI，以及又冲回日榜的 Ghidra。

    星数是 10 月 15 日的 GitHub 快照，取约数。

    1. mksglu/context-mode：压缩之后，Agent 还记得干到哪

    context-mode 仓库卡片

    约 2.92 万星，ELv2，TypeScript。9/18 写过它省上下文的那一面，这次只说会话续接。context-mode 是一个 MCP 服务器：工具输出先进沙箱，原文不往窗口里塞；文件改动、git 操作、任务、报错和你做过的决定都记进 SQLite。对话被压缩后，它不是把这些整段倒回去，而是建 FTS5 索引，按 BM25 只捞相关的部分，模型接着干。

    续接分三档：Claude Code、OpenCode、KiloCode 能完整恢复；Cursor、Codex、Kiro 只能部分恢复；Zed 和 Antigravity 没有续接。用哪个宿主，决定你能拿到多少。

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

    适合会话一长就被压缩、压缩完 Agent 又从头问一遍的人。Claude Code 里两条命令装插件；其他客户端多半走 npm install -g context-mode 再拷一份路由配置。

    坑：协议是 ELv2，源码可见，但不算 OSI 意义上的开源，不能拿去做托管竞品。Linux 上要 Node 22.5+。README 写明不带 --continue 开新会话时，上一轮的会话数据会立刻删掉——想续就别忘了这个参数。

    2. HKUDS/CLI-Anything：把现成软件做成 Agent 能调的 CLI

    CLI-Anything 项目示意图

    约 5.26 万星，Apache-2.0，Python。港大 HKUDS 团队的项目，附 arXiv 技术报告。思路很直接：GUI 软件让 Agent 截图点按钮太脆，不如给它一个命令行。编程助手按七步流水线走——分析、设计、实现、规划测试、写测试、写文档、发布——产出一个 Click CLI，带 REPL、--json 输出和 undo/redo，再附一份 SKILL.md 让 Agent 能发现它。

    别人已经做好的 CLI 放在 CLI-Hub，用 pip 装：

    pip install cli-anything-hub
cli-hub install gimp

    适合想让 Agent 碰 GIMP、Blender、办公软件、内部工具，又不想做 GUI 自动化的人。自己生成新的，在 Claude Code 里装插件后跑 /cli-anything ./gimp；装完还能 /cli-anything:refine 按缺口补命令。

    坑：生成质量很看模型，第一版往往覆盖不全，通常要多跑几轮 refine。它是给真软件套接口，不是替代品——真正干活的还是本机装好的那个程序，没装就跑不起来。Windows 上 Claude Code 还得有 bash（Git for Windows 或 WSL），否则插件里的 shell 命令会挂。

    3. ifixai-ai/iFixAi：审计你的助手有没有在做该做的事

    iFixAi 评分卡截图

    约 2.75 万星，Apache-2.0，Python。现有的评测、红队和可观测工具，多半在量延迟、token 和提示词注入。iFixAi 问的是另一件事：这个 Agent 有没有在做它该做的事。它能测 HTTP 端点，也能直接测裸模型。

    默认跑 10 项基本检查，--full-run 扩到 60 项。打分分五个维度：捏造（fabrication）、操控（manipulation）、欺骗（deception）、不可预测（unpredictability）、不透明（opacity）。硬门槛写死了——B01 和 P01 必须 100%、B08 必须 95%；缺一项，总分直接封顶 60%。跑法有三种：CLI 向导、显式参数，或 Claude Code / Codex 插件。

    pip install "ifixai[openai]"
ifixai setup
ifixai run

    适合要把助手送进真实业务流程、想先拿到一张可引用评分卡的人。认真打分最好换一家独立裁判模型，别让被测方自己判自己；README 也写了多裁判 ensemble。

    坑：全量跑不便宜，README 里单裁判全套大约十几美元量级。自评判只能当调试，不能当对外结果。fixture 和代理配置要自己备齐，向导只是帮你写好 ifixai.yaml。

    4. vxcontrol/pentagi：自托管多智能体渗透测试（仅限授权目标）

    PentAGI 仓库卡片

    约 2.96 万星，MIT，Go。你用自然语言描述目标和任务，一队专用 Agent 自己规划、在 Docker 沙箱里跑 20 多种安全工具（nmap、Metasploit、sqlmap 等），结果落进 PostgreSQL + pgvector，最后给你报告。安装器走 Docker Compose，Linux / macOS / Windows 都有。

    wget -O installer.zip https://pentagi.com/downloads/linux/amd64/installer-latest.zip
unzip installer.zip && ./installer

    适合拿到书面授权、想在自己机器上跑自治红队助手的安全同事。模型可以接云厂商、OpenAI 兼容网关，或本机 Ollama / vLLM。装完默认打开 https://localhost:8443。

    坑：只给自己拥有或拿到书面授权的目标用；未授权扫描是违法的——这句话是我方提醒，不是 README 原文。 README 写明 authorized testing only。默认账号是 admin@pentagi.com / admin，监听默认本机；上线前先改密码、改监听和凭据，别把默认配置直接指公网。乱指公网就是事故。

    5. NationalSecurityAgency/ghidra：NSA 开源的逆向工程框架，又回日榜

    Ghidra 标志

    约 8.76 万星，Apache-2.0，Java。美国国家安全局研究局开发的软件逆向框架：反汇编、汇编、反编译、图可视化、脚本，常用于恶意代码分析。扩展和脚本用 Java 或 Python 写，还带 GhidraDev。今天又出现在日榜上。

    ./ghidraRun

    适合做恶意样本分析、漏洞研究、二进制审计，想要一套可脚本化逆向环境的人。官方发行版要 64 位 JDK 21，至少 4GB RAM；源码主分支的构建说明已写到更新的 JDK，以你下的那份发行说明为准。Windows / macOS / Linux 都有预构建包，解压就能跑，没有传统安装器。

    坑：大样本要给足内存，别在 4GB 边缘硬顶。装前看一眼安全公告——某些版本有已知漏洞。它解决的是「分析编译后的代码」，别指望它替你做网络扫描或写渗透报告。

  • 10/16 开源速递：Agent 省 token、上下文库和离线语法

    今天日榜前排还是 skill 包、rea/AnyPS5，以及 10/12–10/15 写过或积压的仓（VoiceStudio、agent-browser、context-mode、CLI-Anything、iFixAi、PentAGI、Ghidra 等），我都跳过了。从剩下的里面挑了六个更想让人打开的：给 Agent 少烧 grep token 的本地搜索、火山引擎开源的上下文数据库、火到离谱的「洞穴人」省 token 技巧、用 LLM 控 Blender 的社区 MCP、离线隐私向的英文语法检查，以及把多家免费 LLM 额度收成一条 API 的聚合器。

    星数是 10 月 16 日上午 GitHub API 的快照。

    1. xerj-org/xerj：本地 AI 搜索，自动索引，少用 grep 烧 token

    XERJ AI 概览仪表盘

    约 5700 星，Apache-2.0，Rust。XERJ 给编码 Agent 做本地检索：autoindex 扫文件夹，把代码、文档、日志、PDF 建成可查索引，检索走 BM25、向量和混合。项目自述实现 Elasticsearch REST API，现有 ES 客户端可以指到本机端口；对照实验里相对 grep 驱动的 Agent，输出 token 能少一大截（README 还写了相对 grep 搜索路径更省 token 的说法）。官网 xerj.org。

    curl -fsSL https://xerj.org/get | sh
xerj --insecure --data-dir ./data &
xerj autoindex ~/my-project

    适合仓库大、Agent 老在全文里翻、想先搜到段落再写代码的人。xerj init 可以接到 Claude Code / Cursor 的 MCP。

    坑：--insecure 会关 TLS 和 API Key，能连上端口的人等于超级用户——只适合本机开发，别暴露到局域网。对模型已经背熟的热门开源库，收益会变薄；私有、冷门、截止日期之后的代码更值得试。

    2. volcengine/OpenViking：Agent 的上下文数据库

    OpenViking Studio 上下文浏览界面

    约 4.0 万星，AGPL-3.0，Python。OpenViking 来自火山引擎开源，把自己定位成 Agent 的上下文库：知识资源、用户记忆、skills 收进 viking:// 虚拟文件系统，目录带分层摘要（先看摘要再决定读全文）。可自建，也有火山托管服务和商业版本。浏览器里可以先玩 Studio。

    uv tool install openviking --upgrade && openviking-server init

    适合想把长期记忆和项目知识管成「能打开看的目录」、而不是黑盒向量池的人。需要 embedding 模型和 VLM；init 向导支持火山、OpenAI、本地 Ollama 等。

    坑：主项目是 AGPL-3.0，修改后若对外提供网络服务，开源义务更重。自建要自己管模型和运维；托管版是火山产品，条款和开源仓分开看。ByteDance / volcengine 血统意味着生态和文档偏这条线，选型时心里有数即可。

    3. JuliusBrussee/caveman：洞穴人说话，编码 Agent 少烧 token

    Caveman 项目横幅

    约 11.3 万星，Apache-2.0，Go（配套 CLI 走 npm）。Caveman 是 skill + 本机代理：逼 Agent 回复更短、工具输出先压缩再喂模型，代码和报错仍原样保留。一条命令可接到多种编码 Agent；官方和外部评测（含 Adobe、JetBrains 相关讨论）都在讲「更短、更便宜」，不是「突然变聪明」。

    npx @caveman-ai/cli@latest

    适合 Claude Code、Cursor、Codex 一类会话又长又贵、愿意用更糙的口头风格换账单的人。需要 Node.js 22.13+。

    坑：这是刻意的风格取舍。清晰度、礼貌、解释完整度会降；安全警告等场景文档说会切回完整句。它不改写你的用户提示（研究里改提示反而更糟）。按次计费的产品上，只砍输出未必省得到钱。别把它当成万能省钱插件。

    4. ahujasid/mcp-for-blender：用任意 LLM 操控 Blender

    MCP for Blender 在 Codex 里的截图

    约 3.1 万星，MIT，Python。社区 MCP 插件（原名 blender-mcp），和 Blender 基金会无关。本机跑 Blender 插件里的 socket 服务，再加一个 MCP Server，Claude / Cursor / Codex 等就能用自然语言建物体、改材质、甚至让模型写 Blender Python。

    curl -LsSf https://www.mcp-for-blender.com/install.sh | sh

    适合已经会用 MCP 宿主、想用提示词快速搭场景或出原型的人。装完要彻底退出并重开 AI 应用，再开 Blender。

    坑：依赖 Blender 3.0+、uv，以及你选的 MCP 客户端。同一时间只跑一个 MCP 实例更稳。模型能执行 Blender Python，等于给 AI 本机脚本权限——别在重要工程文件上随便试。有付费增值（云端生成模型等），核心集成仍是开源插件。

    5. Automattic/harper：离线、隐私优先的英文语法检查

    Harper 桌面端截图

    约 1.6 万星，Apache-2.0，Rust。Harper 是 Automattic 维护的英文语法检查引擎：本地跑、体积小、毫秒级，编辑器插件、Obsidian、WASM 网页都能用。作者把它放在和云端校对类产品同一品类里对比——卖点是隐私和速度，而不是再做一个订阅制写作教练。官网 writewithharper.com。

    适合写英文 README、文档、笔记，又不想把全文丢进云端校对服务的人。VS Code、Neovim、Helix、Zed、Emacs 都有接入文档。

    坑：目前主要是英文；语法建议仍会有误报漏报。它解决「本地、快、数据不出门」，不解决「帮你改成母语级文案」。需要对应编辑器插件或 harper-ls，不是装一个全局守护进程就完事。

    6. tashfeenahmed/freellmapi：免费 LLM 额度，收成一个 /v1

    FreeLLMAPI 模型与额度面板

    约 3.6 万星，MIT，TypeScript。FreeLLMAPI 把多家免费提供商的额度聚到本机一个 OpenAI 兼容接口：加密存 key、路由、故障转移、用量跟踪。Docker 一键或桌面安装包都能起；也可接自定义 OpenAI 兼容端点。官网 freellmapi.co。

    curl -fsSL https://freellmapi.co/install.sh | bash

    适合本地实验、想少配几十套 SDK、用廉价后端喂玩具 Agent 的人。装完打开本机面板，把自己的各家 key 填进 Keys 页。

    坑：README 写得很直——个人试验与学习，不是生产底座。免费档会限流、会挂、晚间智能度会掉，UTC 午夜才重置；没有前沿模型 SLA。你对上游提供商的 ToS 照旧生效。真要上线，先换成付费 API。

  • 10/14 开源速递：跨平台 iOS 构建、Rust 修图和本机 Qwen

    今天日榜前排还是 rea、AnyPS5、gods-eye-view、VoiceStudio、airllm、agent-browser、skill 包这些这周写过或硬跳过的，我都放了。artcraft 10/11 写过，同团队的 photocraft 是另一个产品（修图），今天收进来。从日榜和周榜里挑了六个更想让人打开的：不用 Mac 也能走 SwiftPM 的 iOS 工具链、纯 Rust 图层修图、本机一键跑 Qwen、跨设备文件浏览、开源 BaaS，以及把 AI 助手变成视频工作室的流水线。

    星数是 10 月 14 日上午 GitHub API 的快照。

    1. xtool-org/xtool：跨平台 Xcode 替代，Linux 上也能编 iOS

    xtool 在 VS Code 里调用的截图

    约 9500 星，MIT，Swift。xtool 把自己定位成跨平台的 Xcode 替代：在 Linux、Windows（WSL）和 macOS 上，用 SwiftPM 构建、签名、安装 iOS 应用，还能程序化对接 Apple Developer Services。日榜一度冲到前十，官网在 xtool.sh。

    curl -fL "https://github.com/xtool-org/xtool/releases/latest/download/xtool-$(uname -m).AppImage" -o xtool
chmod +x xtool && sudo mv xtool /usr/local/bin/

    适合在 Linux/WSL 上写 Swift、想少绑死 Xcode GUI 的人；macOS 也可 brew install xtool-org/tap/xtool。装完跑 xtool setup 登录并导入 Darwin Swift SDK。

    坑：Linux/Windows 路径仍要本机有 Swift 工具链和 usbmuxd，还得自己下 Xcode.xip 来抽 iOS SDK——不是「零依赖替代 Xcode」。Windows 真机要额外搞定 USB 透传；密码登录走私有 API，文档建议用小号或付费 API Key。苹果账号、证书、条款一样绕不开。

    2. storytold/photocraft：纯 Rust 写的图层修图，能开 PSD

    PhotoCraft 图层与曲线编辑界面

    约 5.8 万星，Apache-2.0（README 写 MIT 或 Apache-2.0 双许可），纯 Rust。PhotoCraft 是 ArtCraft 系里的修图产品：图层、蒙版、调整层、图层样式、文字与矢量、画笔，以及真正的 PSD 读写；GPU 合成走 wgpu，不是 Electron 套壳。官方说 early alpha，安装包在 Releases，也可源码 cargo run。

    cargo run --release -p photocraft -- image.psd

    适合讨厌订阅制、想离线改图、又习惯 Photoshop 手感的人；也给 Agent 留了 CLI / JSON / MCP 控制通道。和 10/11 的 artcraft 同门不同仓——那边偏设计，这边偏修图。

    坑：early alpha，官方自己写「还不是专业日用 PS 替代」：生成式 AI、一批工具、深度排版和插件兼容都有缺口。Wayland 下拖放文件还不灵，要走打开菜单或 XWayland。大文档先备份再拿真实客户稿试。

    3. Niko1221/Strata：消费级显卡一键跑 Qwen，本机开 API

    Strata / Pagoda 预览界面

    约 2.4 万星，MIT，C++ 推理引擎。Strata 主打在消费级硬件上跑 Qwen3.8-Flash-Next：Windows / Linux 一键安装（Mac Apple Silicon 也有脚本），本机提供 OpenAI / Anthropic 兼容 API，可选读图。文档写大约 12GB 以上显卡更舒服；装好后浏览器打开 http://127.0.0.1:8080。

    ./setup.sh

    适合想把聊天和 Agent 接到本机大模型、又不想自己拼 llama.cpp 全家桶的人。Windows 双击 START-HERE.bat 即可；也可用 MCP 让 AI 助手帮你装。

    坑：首次模型下载大约几十 GB，启动时会锁大量内存（文档写 35–55GB 量级进 RAM），机器会卡一两分钟，别关窗口。显存不够就别硬上最大规格；多卡有单独文档。这是本地推理栈，不是云 API 的免费无限额度。

    4. spacedriveapp/spacedrive：跨设备文件浏览，数据留在你机器上

    Spacedrive 跨设备网格浏览界面

    约 3.9 万星，Apache-2.0，Rust 加 TypeScript。Spacedrive 是开源跨平台文件浏览器，底下是虚拟分布式文件系统：本地盘、移动介质、NAS、其他节点和可选云桶用同一套索引与搜索。口号是数据不必住在别人电脑上才能好用。README 写明 2.0 Beta 计划在 2026 年 11 月 1 日；现在可下 nightly，但不签名、跟 main 走、可能坏。

    适合想把多台机器的文件收成一个私人视图、又不想把库交给某家网盘控制面的人。正式 beta 前以文档和 nightly 说明为准。

    坑：2.0 还没到稳定承诺点；nightly 务必备份再指真实资料库。功能面和大厂网盘比仍在演进，别当唯一备份方案。扩展按需装，默认安装保持小体积。

    5. appwrite/appwrite：给人和 Agent 用的开源后端云

    Appwrite Console 界面

    约 5.8 万星，BSD-3-Clause，TypeScript。Appwrite 是开源 BaaS / 开发者云：Auth、Databases、Storage、Functions、Messaging、Hosting、Realtime、WAF，并强调给 Agent 用的 MCP 与 skills。可自建，也可走官方 Cloud。自托管一条 Docker 安装命令即可起向导。

    docker run -it --rm \
  --volume /var/run/docker.sock:/var/run/docker.sock \
  --volume "$(pwd)"/appwrite:/usr/src/code/appwrite:rw \
  --entrypoint="install" \
  appwrite/appwrite:latest

    适合要快速有用户体系、库表、文件和函数，又想自托管或接 Agent 的人。装完看终端打印的本机 URL（向导默认在 20080，密钥一次性）。

    坑：自托管等于你自己扛升级、备份和安全基线；Docker API 版本过旧会和镜像里的 CLI 打架，文档有 DOCKER_API_VERSION 说明。远程机器别把安装端口裸奔公网，用 SSH 隧道。Cloud 与自建功能边界以官网为准。

    6. calesthio/OpenMontage：把 AI 编码助手变成视频生产线

    OpenMontage 作品展示

    约 6.8 万星，AGPL-3.0，Python。OpenMontage 自称开源 Agent 视频制作系统：12 条生产流水线、大量工具与 skill，把 Claude Code / Cursor / Copilot 等变成从调研、配图、旁白、字幕到成片的工作室。本机要 Python、FFmpeg、Node，再 make setup。

    git clone https://github.com/calesthio/OpenMontage.git
cd OpenMontage && make setup

    适合做短解说、纪录片式混剪、产品演示视频，又愿意让 Agent 按流水线跑、而不是随便聊天生成的人。真实素材路径和动画路径文档都有示例提示词。

    坑：AGPL 对外提供网络服务时义务更重。依赖和模型/API 密钥要自己备；成片质量跟你选的模型和素材强相关，别指望一条提示词替代剪辑师。流水线要走 pipeline_defs/ 和文档约定，临时发挥容易跑偏。

觉得文章有用就打赏一下文章作者

非常感谢你的打赏，我们将继续提供更多优质内容，让我们一起创建更加美好的网络世界！

支付宝扫一扫

微信扫一扫

Verified by MonsterInsights