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

10/20 开源速递：Mac 上跑虚拟 iPhone、自己干活的 CRM 和看懂 USB-C 线

2026-10-20 Category: Product Sharing Views()

今天日榜前排几乎全是这周写过的：AI 求职、OpenCode、Orca、ai-memory、CLI-Anything、graphify、OpenUI、Claude 插件目录，我都没跟。周榜第一的 rea 一周又涨了二十万星，这种曲线我照旧不追；dsh-purge 是给模型破甲的提示词，LinkSwift 是网盘直链，都不写。Cloudflare 的 security-audit-skill 又冲上来了，但 9 月 17 号写过，九月中旬之后也没新提交，没什么新东西可讲。

剩下挑了六个，偏实用：在 Mac 上跑一台虚拟 iPhone 的 vphone-cli，让 Agent 自己维护客户资料的 CRM，Datawhale 给产品人写的 Vibe Coding 教程，一张给孩子学习用的知识依赖图，直接从公司招聘系统抓岗位的 freehire，还有一个告诉你手上这根 USB-C 线到底行不行的菜单栏小工具。

星数是 10 月 20 日上午 GitHub API 的快照。

1. Lakr233/vphone-cli：在 Mac 上开一台虚拟 iPhone

在 macOS 上运行的虚拟 iPhone

约 1.57 万星，MIT，Swift。9 月 17 号写过一次，这回值得再看，是因为上手方式变了。现在主推一个叫 Launchpad 的图形界面：下载、打补丁、恢复系统、开机都在里面点完，10 月 18 号的 2.10.1 有苹果公证过的版本。新建的虚拟机默认换成两个开源的引导 ROM，OpenAVB 和 OpenSEP，按 README 的说法，iBoot 和 SEPOS 之前跑的已经没有苹果写的代码了。README 还给了一段提示词，丢给 Claude Code 或 Codex 让它帮你装，提示词里明确写了不许它改 SIP，遇到要你本人操作的步骤就停下来问。

它跑的是真的 iOS，用的是苹果的 Virtualization.framework 和 PCC 研究虚拟机，不是 Xcode 模拟器那一套。能在 Mac 上直接操作虚拟机的屏幕、截屏录屏，导出和克隆虚拟机，还能开一个本地 HTTP 和 WebSocket 接口给自动化脚本用。

适合做 iOS 安全研究、逆向和调试的人，也适合想让 Agent 端到端测 iOS App 的团队。想多开一台日常用的 iPhone 刷 App，不是这个东西。

坑：必须是一台真的 Apple Silicon Mac，macOS 15 以上，放在 macOS 虚拟机里跑不了。要进恢复模式放宽调试限制，SIP 本身还是开着的：

csrutil enable --without debug
csrutil allow-research-guests enable

每台虚拟机默认就要 64 GB 磁盘，固件另算；恢复系统时要联网拿签名。不是每个版本都有公证包，2.9.4 和 2.9.5 就没有，下载时认准带 notarized 的那个。旧版本建的虚拟机还用苹果的 ROM，想切到开源 ROM 并重新恢复，需要 VPhone.bundle 2.10.1 以上。

2. trycompai/crm：CRM 成了 Agent 记笔记的地方

Comp AI CRM 产品截图

约 1.15 万星，MIT，TypeScript。多数 AI CRM 是在表单旁边加个聊天框，这个反过来：Agent 是一个独立部署，有自己的任务队列和调研预算，自己决定下一个查谁、什么时候回头复查，预算花完就停，你关掉浏览器它照样在跑。底层用的是 Vercel 的 eve 框架，就是 10 月 8 号写过的那个。

最值得看的是它的一条规矩：关于一个人的信息一律不许猜。工具里没有置信度这个参数，只报告自己看到了什么，再由一个证据账本给证据打分，证据够硬才写进客户记录，证据弱就变成一条建议，留给人来定。README 里有句话我很认同：一个错得很自信的客户信息，比空着还糟，因为没人看得出它是错的。

不配任何外部 API key 也能用，它先读你自己的邮件往来、会议记录和邮件签名，每多配一个 key 就多一个能查的地方。

适合想试试让 Agent 维护客户资料的小销售团队和 BD，也适合做 Agent 产品的人，单看它怎么设计证据和复查就值回时间。

坑：整套是 Vercel 那一套技术栈，AI Gateway、Sandbox、Blob 都用上了，本地开发可以用 Docker 顶替沙箱，但正式部署要拆成前端、API、Agent 三个服务再加一个 Postgres，两边的 BETTER_AUTH_SECRET 对不上不会报错，只会无限重定向。LinkedIn 和公司品牌数据走的是 Context，也就是 README 顶上那个赞助商。默认分支是 release，最近一次提交是 9 月 11 号，节奏不算快。

3. datawhalechina/easy-vibe：给产品人的 Vibe Coding 入门课

Easy-Vibe 交互式教程

约 2.0 万星，Datawhale 出品。这不是工具，是一套从零做到上线的教程，十种语言，中文原生。第一阶段 8 月刚重写过，从找真实问题、选方向、做用户访谈开始，一路到做原型、接 AI、做出一个能拿给人看的项目，这个顺序对产品经理很友好。第二阶段讲全栈，前端、数据库、后端、部署、支付都有，大作业是一个用 Supabase 搭的文案生成网站，也讲了 Stripe 和微信小程序后端。第三阶段讲 Claude Code 的 MCP、Skills、Agent Teams 这些进阶玩法。

附录里有八十多个交互式小专题，比如点着走一遍 RAG 的数据流、看 AI 怎么一步步生成图片，比读文字直观得多。仓库还放了 llms.txt，可以让 AI 助手直接读懂教程结构帮你找章节。

适合完全没写过代码、想自己做 MVP 的产品经理和创业者，也适合想把 AI 协作流程补系统的初级开发。

坑：内容用的是 CC BY-NC-SA 4.0，不是开源软件协议，所以 GitHub 页面上看不到协议标识。非商业是硬条件，拿去做付费课或者公司收费培训不行，转载改编也得用同样的协议。AI 编程工具的界面更新很快，教程截图跟你手上的版本对不上很正常，按思路走就好。

4. withmarbleapp/os-taxonomy：一张孩子该先学什么、后学什么的图

Marble 知识点依赖图

约 6200 星。教育公司 Marble 开放的一份数据集，没有代码要跑，就是几份 JSON。它把小学阶段要学的东西拆成 1591 个很细的知识点，每个都有白话描述、怎样算掌握的判断标准、适合的大概年龄；再用 3225 条依赖关系连成一张有向图，每条边标了是硬依赖还是软依赖，还附一句理由，比如先得懂振动产生声音，才能去找音量的规律。

每个知识点还对到了它来源的课标，NGSS、Common Core、英国国家课程等等。科学和数学的知识点另外配了 1051 条教学研究：怎么教、做什么活动、怎么评估，带出处。官网上可以点任何一个知识点，往回追它所有的前置知识。

适合做 AI 家教、学习路径规划、自适应练习的产品团队，拿来当知识图谱的骨架，比自己从零拆省太多事。

坑：课标全是欧美的，跟国内教材对不上，内容也是英文。教学研究只覆盖科学和数学，剩下 540 个知识点没有。协议分了三层：数据库本身是 ODbL，文字内容是 CC BY-SA 4.0，课标那个文件归各课标原来的协议。用它做产品不用开源你的产品，但你改了数据集本身再发出去，就得按同样的协议开放。知识点里的测评题带一个孩子名字的占位符，展示前记得替换掉。

5. strelov1/freehire：岗位直接从公司招聘系统里抓

freehire 演示

约 1460 星，MIT，Go。17 号写过的 ai-job-search 帮你改简历，这个解决前面一步：岗位从哪来。它直接去各家公司自己的招聘系统抓，Workday、Greenhouse、Lever、Ashby 这些，链接指回原始岗位，同一个岗位发在几个地方会合并成一条。README 写的快照是 330 万个在招岗位、29 万多家公司、225 个来源。

搜索可以按地区、远程与否、职级、技能、薪资筛，这些字段是按词典推出来的，不是让模型猜。岗位库之外还做了一整套：符合招聘系统格式的简历模板、简历和岗位的匹配打分、不编内容的简历改写、投递看板，还能把招聘方的回信挂到对应的投递上。另有免 key 的公开 API、命令行和给 Claude 用的 MCP 服务。

适合找海外工作、被中介转帖和过期岗位烦透了的人，也适合想拿真实岗位数据做分析或者做求职产品的开发者。

坑：来源基本是海外的招聘系统和招聘站，也有 trudvsem、Yandex 这类俄罗斯来源，README 里我没找到国内招聘平台，找国内工作帮不上忙。项目 6 月才建，星也不多。自己部署的话，一条 make up 会起 API、前端、Postgres、Meilisearch、Redis、S3 一整套服务，JWT_SECRET 不配起不来；AI 相关功能要你自己配模型接口，不配就是关着的。

6. darrylmorley/whatcable：这根 USB-C 线到底能干嘛

WhatCable 菜单栏弹窗

约 8900 星，Swift。抽屉里一堆长得一模一样的 USB-C 线，有的只能充电走 USB 2.0，有的是 240W、40 Gbps 的雷电线，肉眼根本分不出。WhatCable 是个 Mac 菜单栏小工具，读的是 macOS 自己就有的 IOKit 信息，用大白话告诉你每个口上插的是什么：线能跑多快、能过多大电流，充电慢的时候是线拖了后腿、还是电脑本来就只要这么多。它还能列出充电器支持的每一档电压，标出当前协商的那一档。

带认证编号的线会显示 USB-IF 认证厂商；线芯片报出来的数值不太对劲时会亮一张橙色提示卡，作者措辞很克制，只说看起来不寻常，不说是假线。所有读取都在本机完成，不主动往外发数据。自带命令行，可以输出 JSON。

适合线多到分不清的 Mac 用户，也适合总觉得充电慢、想找原因的人。

坑：只支持 Apple Silicon，macOS 14 以上，Intel Mac 的系统根本不暴露这层数据。Mac mini 和 Mac Studio 前面板的 USB-C 口是内部集线器后面的普通口，看不到线的信息，要插后面的雷电口。协议不是纯 MIT：默认是 MIT，但 Pro 功能的代码是闭源的。Pro 是 9.99 英镑一次买断，两台 Mac 能用，实时功率监测这些在 Pro 里，命令行默认会在结尾提示一句 Pro。装法：

brew install --cask darrylmorley/whatcable/whatcable
Like(0) 打赏
未经允许不得转载：AIPMClub » 10/20 开源速递：Mac 上跑虚拟 iPhone、自己干活的 CRM 和看懂 USB-C 线
Share To

相关推荐

热门文章

快讯

  • 10/20 开源速递：Mac 上跑虚拟 iPhone、自己干活的 CRM 和看懂 USB-C 线

    今天日榜前排几乎全是这周写过的：AI 求职、OpenCode、Orca、ai-memory、CLI-Anything、graphify、OpenUI、Claude 插件目录，我都没跟。周榜第一的 rea 一周又涨了二十万星，这种曲线我照旧不追；dsh-purge 是给模型破甲的提示词，LinkSwift 是网盘直链，都不写。Cloudflare 的 security-audit-skill 又冲上来了，但 9 月 17 号写过，九月中旬之后也没新提交，没什么新东西可讲。

    剩下挑了六个，偏实用：在 Mac 上跑一台虚拟 iPhone 的 vphone-cli，让 Agent 自己维护客户资料的 CRM，Datawhale 给产品人写的 Vibe Coding 教程，一张给孩子学习用的知识依赖图，直接从公司招聘系统抓岗位的 freehire，还有一个告诉你手上这根 USB-C 线到底行不行的菜单栏小工具。

    星数是 10 月 20 日上午 GitHub API 的快照。

    1. Lakr233/vphone-cli：在 Mac 上开一台虚拟 iPhone

    在 macOS 上运行的虚拟 iPhone

    约 1.57 万星，MIT，Swift。9 月 17 号写过一次，这回值得再看，是因为上手方式变了。现在主推一个叫 Launchpad 的图形界面：下载、打补丁、恢复系统、开机都在里面点完，10 月 18 号的 2.10.1 有苹果公证过的版本。新建的虚拟机默认换成两个开源的引导 ROM，OpenAVB 和 OpenSEP，按 README 的说法，iBoot 和 SEPOS 之前跑的已经没有苹果写的代码了。README 还给了一段提示词，丢给 Claude Code 或 Codex 让它帮你装，提示词里明确写了不许它改 SIP，遇到要你本人操作的步骤就停下来问。

    它跑的是真的 iOS，用的是苹果的 Virtualization.framework 和 PCC 研究虚拟机，不是 Xcode 模拟器那一套。能在 Mac 上直接操作虚拟机的屏幕、截屏录屏，导出和克隆虚拟机，还能开一个本地 HTTP 和 WebSocket 接口给自动化脚本用。

    适合做 iOS 安全研究、逆向和调试的人，也适合想让 Agent 端到端测 iOS App 的团队。想多开一台日常用的 iPhone 刷 App，不是这个东西。

    坑：必须是一台真的 Apple Silicon Mac，macOS 15 以上，放在 macOS 虚拟机里跑不了。要进恢复模式放宽调试限制，SIP 本身还是开着的：

    csrutil enable --without debug
csrutil allow-research-guests enable

    每台虚拟机默认就要 64 GB 磁盘，固件另算；恢复系统时要联网拿签名。不是每个版本都有公证包，2.9.4 和 2.9.5 就没有，下载时认准带 notarized 的那个。旧版本建的虚拟机还用苹果的 ROM，想切到开源 ROM 并重新恢复，需要 VPhone.bundle 2.10.1 以上。

    2. trycompai/crm：CRM 成了 Agent 记笔记的地方

    Comp AI CRM 产品截图

    约 1.15 万星，MIT，TypeScript。多数 AI CRM 是在表单旁边加个聊天框，这个反过来：Agent 是一个独立部署，有自己的任务队列和调研预算，自己决定下一个查谁、什么时候回头复查，预算花完就停，你关掉浏览器它照样在跑。底层用的是 Vercel 的 eve 框架，就是 10 月 8 号写过的那个。

    最值得看的是它的一条规矩：关于一个人的信息一律不许猜。工具里没有置信度这个参数，只报告自己看到了什么，再由一个证据账本给证据打分，证据够硬才写进客户记录，证据弱就变成一条建议，留给人来定。README 里有句话我很认同：一个错得很自信的客户信息，比空着还糟，因为没人看得出它是错的。

    不配任何外部 API key 也能用，它先读你自己的邮件往来、会议记录和邮件签名，每多配一个 key 就多一个能查的地方。

    适合想试试让 Agent 维护客户资料的小销售团队和 BD，也适合做 Agent 产品的人，单看它怎么设计证据和复查就值回时间。

    坑：整套是 Vercel 那一套技术栈，AI Gateway、Sandbox、Blob 都用上了，本地开发可以用 Docker 顶替沙箱，但正式部署要拆成前端、API、Agent 三个服务再加一个 Postgres，两边的 BETTER_AUTH_SECRET 对不上不会报错，只会无限重定向。LinkedIn 和公司品牌数据走的是 Context，也就是 README 顶上那个赞助商。默认分支是 release，最近一次提交是 9 月 11 号，节奏不算快。

    3. datawhalechina/easy-vibe：给产品人的 Vibe Coding 入门课

    Easy-Vibe 交互式教程

    约 2.0 万星，Datawhale 出品。这不是工具，是一套从零做到上线的教程，十种语言，中文原生。第一阶段 8 月刚重写过，从找真实问题、选方向、做用户访谈开始，一路到做原型、接 AI、做出一个能拿给人看的项目，这个顺序对产品经理很友好。第二阶段讲全栈，前端、数据库、后端、部署、支付都有，大作业是一个用 Supabase 搭的文案生成网站，也讲了 Stripe 和微信小程序后端。第三阶段讲 Claude Code 的 MCP、Skills、Agent Teams 这些进阶玩法。

    附录里有八十多个交互式小专题，比如点着走一遍 RAG 的数据流、看 AI 怎么一步步生成图片，比读文字直观得多。仓库还放了 llms.txt，可以让 AI 助手直接读懂教程结构帮你找章节。

    适合完全没写过代码、想自己做 MVP 的产品经理和创业者，也适合想把 AI 协作流程补系统的初级开发。

    坑：内容用的是 CC BY-NC-SA 4.0，不是开源软件协议，所以 GitHub 页面上看不到协议标识。非商业是硬条件，拿去做付费课或者公司收费培训不行，转载改编也得用同样的协议。AI 编程工具的界面更新很快，教程截图跟你手上的版本对不上很正常，按思路走就好。

    4. withmarbleapp/os-taxonomy：一张孩子该先学什么、后学什么的图

    Marble 知识点依赖图

    约 6200 星。教育公司 Marble 开放的一份数据集，没有代码要跑，就是几份 JSON。它把小学阶段要学的东西拆成 1591 个很细的知识点，每个都有白话描述、怎样算掌握的判断标准、适合的大概年龄；再用 3225 条依赖关系连成一张有向图，每条边标了是硬依赖还是软依赖，还附一句理由，比如先得懂振动产生声音，才能去找音量的规律。

    每个知识点还对到了它来源的课标，NGSS、Common Core、英国国家课程等等。科学和数学的知识点另外配了 1051 条教学研究：怎么教、做什么活动、怎么评估，带出处。官网上可以点任何一个知识点，往回追它所有的前置知识。

    适合做 AI 家教、学习路径规划、自适应练习的产品团队，拿来当知识图谱的骨架，比自己从零拆省太多事。

    坑：课标全是欧美的，跟国内教材对不上，内容也是英文。教学研究只覆盖科学和数学，剩下 540 个知识点没有。协议分了三层：数据库本身是 ODbL，文字内容是 CC BY-SA 4.0，课标那个文件归各课标原来的协议。用它做产品不用开源你的产品，但你改了数据集本身再发出去，就得按同样的协议开放。知识点里的测评题带一个孩子名字的占位符，展示前记得替换掉。

    5. strelov1/freehire：岗位直接从公司招聘系统里抓

    freehire 演示

    约 1460 星，MIT，Go。17 号写过的 ai-job-search 帮你改简历，这个解决前面一步：岗位从哪来。它直接去各家公司自己的招聘系统抓，Workday、Greenhouse、Lever、Ashby 这些，链接指回原始岗位，同一个岗位发在几个地方会合并成一条。README 写的快照是 330 万个在招岗位、29 万多家公司、225 个来源。

    搜索可以按地区、远程与否、职级、技能、薪资筛，这些字段是按词典推出来的，不是让模型猜。岗位库之外还做了一整套：符合招聘系统格式的简历模板、简历和岗位的匹配打分、不编内容的简历改写、投递看板，还能把招聘方的回信挂到对应的投递上。另有免 key 的公开 API、命令行和给 Claude 用的 MCP 服务。

    适合找海外工作、被中介转帖和过期岗位烦透了的人，也适合想拿真实岗位数据做分析或者做求职产品的开发者。

    坑：来源基本是海外的招聘系统和招聘站，也有 trudvsem、Yandex 这类俄罗斯来源，README 里我没找到国内招聘平台，找国内工作帮不上忙。项目 6 月才建，星也不多。自己部署的话，一条 make up 会起 API、前端、Postgres、Meilisearch、Redis、S3 一整套服务，JWT_SECRET 不配起不来；AI 相关功能要你自己配模型接口，不配就是关着的。

    6. darrylmorley/whatcable：这根 USB-C 线到底能干嘛

    WhatCable 菜单栏弹窗

    约 8900 星，Swift。抽屉里一堆长得一模一样的 USB-C 线，有的只能充电走 USB 2.0，有的是 240W、40 Gbps 的雷电线，肉眼根本分不出。WhatCable 是个 Mac 菜单栏小工具，读的是 macOS 自己就有的 IOKit 信息，用大白话告诉你每个口上插的是什么：线能跑多快、能过多大电流，充电慢的时候是线拖了后腿、还是电脑本来就只要这么多。它还能列出充电器支持的每一档电压，标出当前协商的那一档。

    带认证编号的线会显示 USB-IF 认证厂商；线芯片报出来的数值不太对劲时会亮一张橙色提示卡，作者措辞很克制，只说看起来不寻常，不说是假线。所有读取都在本机完成，不主动往外发数据。自带命令行，可以输出 JSON。

    适合线多到分不清的 Mac 用户，也适合总觉得充电慢、想找原因的人。

    坑：只支持 Apple Silicon，macOS 14 以上，Intel Mac 的系统根本不暴露这层数据。Mac mini 和 Mac Studio 前面板的 USB-C 口是内部集线器后面的普通口，看不到线的信息，要插后面的雷电口。协议不是纯 MIT：默认是 MIT，但 Pro 功能的代码是闭源的。Pro 是 9.99 英镑一次买断，两台 Mac 能用，实时功率监测这些在 Pro 里，命令行默认会在结尾提示一句 Pro。装法：

    brew install --cask darrylmorley/whatcable/whatcable

  • 10/19 开源速递：代码知识图谱、命令行管 Google 全家桶和手机变电脑

    今天日榜前排还是 AI 求职、Claude 插件目录、OpenCode、Orca、ai-memory、CLI-Anything、VoiceStudio、Google 的安卓技能包这一串，全是这周写过的，我都没跟。周榜第一的 rea 一周涨了二十多万星，10 月 7 日我写它的时候还不到一万，这种曲线我不追；AnyPS5 继续法律灰色；Jasna 是去马赛克工具，不写；Cursor 官方插件仓库没有许可证；rtk 和 16 号写的 caveman 同一个赛道，引擎部分还是 BUSL，也先放着。

    剩下挑了六个：把代码库变成可查询图谱的 graphify，命令行管 Google 全家桶的 gws，让模型直接吐界面的 OpenUI，模拟一家交易公司开会的 TradingAgents，让 AI 在 KiCad 里画板子的 Konnect，还有把安卓手机变成 Linux 电脑的 DroidDesk。

    星数是 10 月 19 日上午 GitHub API 的快照。

    1. Graphify-Labs/graphify：别再让 Agent 满仓库 grep 了

    graphify 把 FastAPI 代码库画成的图谱

    约 12.8 万星，Apache-2.0，Python。Agent 接手一个陌生仓库，头几轮基本都在 grep 和读文件，token 烧得心疼。graphify 的思路是先把整个项目画成一张知识图谱，代码、文档、PDF、图片甚至视频都进同一张图，之后 Agent 查图，不再翻文件。

    代码部分用 tree-sitter 解析，覆盖四十来种语言，不调大模型，也不出你的机器。每条边都标了来源：EXTRACTED 是源码里明写的，INFERRED 是它推出来的，看图时能分清哪些靠谱哪些是猜的。跑完给你三个文件：能点开的 graph.html、一份 GRAPH_REPORT.md 讲核心概念和意外关联，还有一个 graph.json 供后续查询。

    uv tool install graphifyy && graphify install

    适合刚接手大仓库的人、经常让 Agent 做跨文件改动的人，也适合想给新同事一张项目地图的技术负责人。

    坑：PyPI 上的包名是 graphifyy，两个 y，别的 graphify 开头的包跟它无关，装错了就是给自己埋雷。文档、PDF、图片这类非代码内容要走一遍模型语义解析，会花你助手的额度或者你配的 API key，内容也会发出去。README 里 Graphify Cloud 的广告不少，开源版本地就够用，别被试用按钮带走。基准数据是作者自己跑的，参考就好。

    2. googleworkspace/cli：一个命令行管 Drive、Gmail、日历和表格

    gws 仓库预览

    约 3.2 万星，Apache-2.0，Rust。命令叫 gws。它没有写死命令列表，而是运行时去读 Google 的 Discovery Service，按接口自动生成整套命令，Workspace 新增了接口它自己就能跟上。输出全是结构化 JSON，每个资源都有 help，还带 dry-run 预览和自动翻页。仓库里还按服务配好了 SKILL.md 技能文件，装给 Agent 就能直接操作你的 Workspace。

    适合天天跟表格、文档、日历打交道又想写点自动化的人，也适合想让 Agent 帮你整理邮件、批量建文档的人。凭据默认用 AES-256-GCM 加密，密钥放系统钥匙串。

    坑：README 第一屏就写了这不是 Google 官方支持的产品，而且 v1.0 之前会有破坏性改动。你得先有一个 Google Cloud 项目和 OAuth 客户端，还要把自己加进测试用户，不然登录只会报一个笼统的 Access blocked。更隐蔽的是权限范围：未验证的应用大约只能申请 25 个 scope，默认推荐的预设有 85 个以上，个人 Gmail 账号基本必挂，按服务挑着授权才过得去：

    gws auth login -s drive,gmail,sheets

    另外，给 Agent 开了邮箱和网盘的写权限，删错东西就是真删了，先用 dry-run 看清楚再放手。

    3. thesysdev/openui：让模型直接吐出界面，不只是文字

    OpenUI

    约 1.2 万星，MIT，TypeScript。做 AI 产品的都遇到过这个问题：模型回答里本来该是一张表、一个表单、一张图，结果只能给一大段 Markdown。OpenUI 定义了一门很紧凑、边生成边渲染的小语言 OpenUI Lang。你先声明允许用哪些组件，它据此生成系统提示词，模型按这门语言输出，前端一边收 token 一边把界面画出来。

    核心层不绑框架，官方有 React、Vue、Svelte、Angular 四套运行时，React 还自带图表、表单、表格组件和现成的聊天界面。组件的属性用 Zod 定义，模型只能用你注册过的组件，不会凭空造一个出来。

    适合在做 Copilot、AI 助手、数据问答产品，想让回答直接变成卡片和表单的产品和前端团队。

    坑：这是一门新语言，团队要多学一层；模型能不能稳定按格式输出，还是看你用哪个模型。README 说比 JSON 省最多 67% 的 token，七个场景合计大约省一半，而且是作者自己测的，对比对象里还有他们公司自家的 C1 格式。另外 README 专门提醒，OpenUI 没有任何官方代币，打着这个名字的币都跟项目无关。

    4. TauricResearch/TradingAgents：让一群 Agent 模拟交易公司开会

    TradingAgents 角色分工

    约 11.2 万星，Apache-2.0，Python。它把一家交易公司拆成几个角色：基本面、情绪、新闻、技术面四个分析师并行出报告，多空两派研究员拿着报告辩论，交易员给方案，风控团队评估，最后组合经理拍板，订单发到模拟交易所执行。背后有论文，十月刚发了 0.7.0，能直接用 ChatGPT Plus 或 Pro 订阅跑，回测也改成从每次决策后的第一个收盘价开始算。

    模型选择很宽，OpenAI、Claude、Gemini、Grok 之外，DeepSeek、通义千问、GLM、Kimi、MiniMax 都有国内区的配置，也能接 Ollama 跑本地模型。

    适合想研究多 Agent 辩论怎么落地的人，也适合把它当成一个结构清楚的 LangGraph 编排样例来拆。

    坑：README 写得很直白，这是研究框架，不是投资建议，结果受模型、温度、数据质量影响很大，同一只股票跑两次结论可能不一样。一次分析要调很多轮模型，用按量计费的 API 记得盯账单；行情和新闻数据靠 Yahoo、Alpha Vantage 等外部源，README 里就提到过 Yahoo 新闻源挂掉要绕路。千万别直接拿它的输出下单。

    5. mixelpixx/Konnect：让 AI 在 KiCad 里画原理图、布 PCB

    Konnect 标志

    约 1300 星，AGPL-3.0，Rust。星不多，但今天最想推荐给做硬件的朋友。它是 KiCad 10 的原生插件，一个 Rust 单文件，通过 MCP 让 Claude、Codex 这类助手直接动你的工程：放元件、按引脚连线、布局走线、跑 ERC 和 DRC，最后导出 Gerber、钻孔、BOM 和贴片坐标。还能在本地 250 万个零件的 JLCPCB 目录里查有货的料，内置 USB-C、LDO、降压、STM32 这类参考电路。

    它是作者前一个项目 KiCAD-MCP-Server 的继任者，从 Python 加 TypeScript 的多层调用换成单进程，PCB 编辑走 KiCad 10 官方的 IPC 接口，改动能跟 KiCad 自己的撤销重做连起来。228 个工具按需加载，起步只占两千来个 token 的上下文。

    适合用 KiCad 画板子、想让 AI 先干苦力活的硬件工程师和创客。

    坑：作者自己标了 BETA，只支持 KiCad 10。macOS 二进制还没签名，第一次运行要手动清隔离标记。konnect init 会覆盖你改过的技能文件，改过的先备份。AGPL 协议，想把它包进商业服务的先问法务。最要紧的一条：AI 画的板子，打样前一定自己过一遍，DRC 通过不代表电路是对的。

    6. orailnoor/DroidDesk：旧安卓手机接上显示器，就是一台 Linux 电脑

    DroidDesk 演示

    约 4300 星，GPL-3.0，Kotlin。它借 Termux 和 Termux:X11 在手机上装一整套桌面，XFCE4、LXQt、MATE、KDE 任选；TUR 仓库里没有的软件，就进 Proot 里的 Ubuntu、Debian 或 Kali 用 apt 装，装完自动同步到桌面菜单。作者实测能跑 LibreOffice、完整版 VS Code、Claude Code，本地大模型每秒五个 token 以上，Blender 能开但会卡。手机支持 USB-C 视频输出就直接插 HDMI，不支持的可以用一块树莓派 Zero 2W 做桥。也有独立 APK，不用另装 Termux。

    适合抽屉里有台闲置旗舰机的折腾党，也适合出差想随身带一台 Linux 环境的人。

    坑：只支持 ARM64；Termux 必须装 F-Droid 版，Play 商店那个过时了用不了。MIUI、One UI 和 Android 13 以上的原生系统会杀后台进程，桌面会话说断就断，要去开发者选项里关掉子进程限制。GPU 加速主要照顾骁龙的 Adreno，其他芯片退回软件渲染，会慢不少。作者自己在 README 里写了，二进制发布的合规清单还有没完成的项，跟 Termux 官方也没有关系。

  • 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。

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