# AI长出眼睛和触手：本周三个海外新物种 > 你还在把截图丢给 Claude Code，再打半天字解释"我说的是右下角那个图标"；海外有人已经让 AI 自己"看"、自己"扒"、自己"嗅"了。今天这三个 6 月新物种，解决的是同一个被忽视的问题：**AI 长期以来只会动嘴，现在它终于开始长出感官。** 这不是又一波"agent 套壳"。下面三个工具分别给 AI 装上了**眼睛**（精确指向像素）、**触手**（把任何老旧系统逆向成 API）、和**情报雷达**（一眼看穿 4.9 万个新产品的真实技术栈）。国内几乎没人讨论，但每一个都对应着一个你能立刻拿来用、或拿来赚钱的具体场景。 --- ## 一、Pinpoint：给 AI agent 装上"手指"——点哪打哪 **官网**：[pinpoint-ashy.vercel.app](https://pinpoint-ashy.vercel.app) · **开源**：[github.com/croustibat/Pinpoint](https://github.com/croustibat/Pinpoint) · **价格**：MIT 协议，完全免费 · **平台**：macOS 15+（Swift/SwiftUI + ScreenCaptureKit） 这是本周 Show HN 上最让我眼前一亮的小工具。作者 croustibat 是个整天和 Claude Code、Codex 结对编程的开发者，他踩中了一个我们每个人都遇到过的坑： > 你截张图丢给 agent，然后得敲一大段话解释"我说的是哪个按钮、哪个对不齐的图标"。更糟的是，**大多数聊天 UI 只保留图片，把你复制的配套文字悄悄吞掉了**——于是你的一半上下文根本没传到 agent 那里。 Pinpoint 的解法粗暴有效：它是个常驻菜单栏的 macOS app，你按 `⌘⇧1` 框选屏幕区域，然后在你想让 agent 关注的地方**点几下，落下编号标记**（1、2、3…），还能加箭头和方框。最后按 `⌘C`，它复制出来的不是一张孤零零的图，而是**一张标注图 + 一段结构化 prompt**，每个标记都映射到一个坐标和一句备注。 ```mermaid flowchart LR A["⌘⇧1 框选屏幕区域"] --> B["点击落编号标记
1/2/3… + 备注"] B --> C["可加箭头/方框强调"] C --> D["⌘C 一键复制"] D --> E["标注图 + 结构化Prompt
标记↔坐标↔备注"] E --> F["粘进 Claude Code / Codex
agent 直接锁定目标"] style A fill:#e8f5e9 style F fill:#fff3e0 ``` **为什么这对中国开发者是信息差**：国内讲 agent 的教程，99% 还在卷"工具调用""MCP""提示词模板"，几乎没人碰**视觉对齐（visual grounding）**这个 2026 年的新主战场。当你的 agent 要改 UI、改设计稿、做 RPA 自动化时，"指不准"才是真正的瓶颈。Pinpoint 把这个成本从"打字解释 + 反复纠正"压到了"点一下"。 **适用人群**：用 Claude Code/Cursor/Codex 改前端、改设计、做自动化测试的人；做 RPA 的人。**门槛极低**，下载 dmg 拖进 Applications 就能用，完全免费开源，你甚至能改它适配自己的 agent 协议。 --- ## 二、Kampala / Zatanna：给 AI agent 装上"API 触手"——把任何老系统扒成接口 **官网**：[zatanna.ai](https://www.zatanna.ai) · **Launch HN**：100 赞（2026-04，YC W26） · **公司**：Zatanna，作者 Alex + Tarun，Alex 有 7-8 年"网页逆向工程"背景（球鞋发售、票务、体育博彩登录那一套） 这个故事更有意思。当所有人都在做"browser agent""computer use"——让 AI 像人一样点网页的时候，Zatanna 反其道而行：**别让 AI 操控浏览器，把浏览器背后的真实 API 直接扒出来给 AI 调用。** 它的产品 Kampala 本质是个 **MITM（中间人）代理**。你作为人类，把某个老旧系统（保险理赔后台、医院 EHR、牙科诊所管理软件、甚至某个移动 App）的操作流程**走一遍**，Kampala 在中间录制下所有底层网络请求——登录、会话、token、调用顺序、鉴权。然后它**重建出一条最优的请求流**，对外暴露成**一个稳定、参数化的 API 端点**。 它的官网原话很直白： > **"真正的 API 一直都在那里，我们只是把它暴露出来。"** The real API was always there. We just expose it. 为什么这比"浏览器自动化"强？因为浏览器自动化有三个致命伤：**慢**（要等渲染）、**脆**（改个 CSS 选择器就崩）、**不确定性**（同一操作两次结果不一样）。而 Zatanna 走的是请求层：**毫秒级响应，无 UI 依赖，无脆弱选择器，无 headless Chrome 开销**。它甚至能在系统更新、session 过期、鉴权流程变化时**自动检测并自我修复**——你集成一次，后续当基础设施用。 Zatanna 目前已做到**生产环境每小时 100 万+ 请求**，客户集中在医疗、物流、酒店——全是被老旧 portal 困住的行业。 **为什么这对中国出海团队是方法差**：国内做集成的痛，谁做谁知道。接一个海外 SaaS、一个政府系统、一个 ERP，要么对方没有 API，要么 API 文档残缺，最后全靠**人肉抓包 + 写脆弱的爬虫**。Kampala 把"7 年逆向工程师的手艺"产品化了。做**出海客服 agent、跨系统数据对账、RPA 替代**的团队，这是直接抄作业的路径。虽然它是企业级（Book a demo），但**它的方法论本身——MITM 录制 + 请求流重建——你可以用 mitmproxy 自己复刻一个低配版**，这是最大的信息差。 --- ## 三、StackScope：给你装上"技术栈 X 光机"——嗅穿 4.9 万个新产品的底裤 **官网**：[stackscope.dev](https://stackscope.dev) · **Show HN**：67 赞 · **作者**：Jonathan（.NET + Playwright，自有指纹库） 前两个是给 AI 装器官，这一个更狠——它把**整个海外独立开发者圈子的底牌**摊开给你看。 作者爬了 **49,000 个新产品发布**（数据源：Product Hunt + Show HN + PeerPush），对每个产品的公开站点做技术指纹扫描，告诉你**这些人到底是用什么 stack 把东西 ship 出来的**。它追踪的不止是框架和托管，还包括：**安全头、法律页面、邮件配置、DNS、以及——最骚的——"AI 生成信号"和"异常项（oddities）"**。 几个它直接抖出来的硬数据： - **49,000 个 launch 已分析**，5,414 个独立技术被识别，共 158 万次技术检测 - **39% 的产品用 Cloudflare** - **19% 的产品显示出强 AI 生成痕迹**（AI-built signals） 它还有一个**私有"上线前体检"功能**：你贴自己的 URL 进去，不用注册不用邮箱，立刻拿到一份同样的报告——告诉你正式发布前还缺什么（安全头、legal 页、合规项），修完可以重新爬验证。 **为什么这是视角差**：国内做选型、做技术调研，要么靠大厂博客（滞后半年），要么靠"某乎高赞"（拍脑袋）。StackScope 给的是**当下、此刻、真实在 ship 的人**的集体选择。你想知道"2026 年 6 月，独立开发者到底在用什么数据库、什么托管、什么框架趋势在涨"——这是唯一的一手数据源。做**技术选型决策、出海产品对标、写技术趋势报告**的人，这是金矿。 ```mermaid flowchart TB subgraph SRC["StackScope 数据源"] S1["Product Hunt"] S2["Show HN"] S3["PeerPush"] end SRC --> CRAWL["Playwright 抓取公开站点
自有指纹库(非Wappalyzer)"] CRAWL --> DETECT["技术检测
框架/托管/安全/法律/DNS"] DETECT --> SIGNAL["AI生成信号 + 异常项"] SIGNAL --> OUT1["全局趋势榜
39%用Cloudflare/19%有AI痕迹"] SIGNAL --> OUT2["你的上线前体检
贴URL→报告→修复→复爬"] style SIGNAL fill:#fff3e0 style OUT1 fill:#e8f5e9 style OUT2 fill:#e3f2fd ``` --- ## 信息差总结：你该知道的 vs 大多数人还不知道的 | 维度 | 大多数人以为 | 实际信息差（本周新物种） | |------|------------|------------------------| | **AI 看图** | 截图 + 打字解释，反复纠正 | **Pinpoint**：点屏落标记，自动生成坐标映射 prompt，agent 一次锁定 | | **系统集成** | 写脆弱的 browser 自动化 / 人肉抓包 | **Kampala/Zatanna**：MITM 录制一次，请求层重建，毫秒级稳定 API | | **技术调研** | 看大厂博客、社区高赞、滞后报告 | **StackScope**：4.9 万真实在 ship 的产品的一手 stack 指纹 | | **AI 算力** | 按申请量买 GPU，宁可多申请 | **Expanse**（雷达）：预测真实需求，某集群 59% 算力被浪费=$850 万/月 | ## 本周信息差雷达（一句话情报） - **Expanse**（YC P26, expanse.sh）：HPC/GPU 集群调度器，读源码+脚本+硬件预测 job 真实需求。实测某国家级集群 122k 个 job，**59% 算力被浪费，折合 $8.5M/月**——AI 训练算力紧缺的当下，这是被忽视的"内部矿场"。 - **Orchid**（github.com/mario-guerra/orchid-trace）：本地优先的 **agent 录制与回放调试器**。agent 不可复现的 bug，录下来逐帧回放。 - **ReflowPDF**（demo.reflowpdf.com）：浏览器 PDF 编辑器，**表格能自动重排**。处理含表格的 PDF 不再排版崩坏。 - **Sipp**（sipp.sh）：**浏览器内跑本地小模型，号称快 3 倍**，规避本地 ollama 卡顿的那部分用户。 - **Cascade**（HN Show HN）：**裸机 C++ 代理，砍掉 70% LLM API 账单**，成本党可关注其原理。 ## 行动指南：你今天能做的三件事 1. **立刻试 Pinpoint**（免费、5 分钟）：macOS 用户下载 dmg，下次让 agent 改 UI/设计稿时，用 `⌘⇧1` 落标记代替打字解释。你能直观感受到"视觉 grounding"对效率的提升。 2. **拿 StackScope 给自己产品体检**：把你的项目 URL 贴进它的 readiness check，看正式发布前还缺哪些安全头和 legal 页——同时蹭一眼 4.9 万个同行在用什么 stack，刷新你的技术选型认知。 3. **学 Kampala 的方法论**：哪怕不买它的企业服务，**装一个 mitmproxy，自己录制一次某个老旧系统的操作流程，把请求流固化成脚本**——这套"MITM 录制 + 请求重建"的本事，是做集成、做 agent 接入的硬通货。 **判断标准**：三件事做完，你应该对"AI 如何与现实系统交互"产生一个新的认知框架——**不再局限于文本提示，而是视觉定位 + 系统逆向 + 真实数据侦察**。这才是 2026 年中真正值得追的信息差方向。 --- **参考来源**（均为一手）： - Hacker News — Show HN / Launch HN 近期条目（经 Algolia API 检索，2026-06 数据） - Pinpoint 开源仓库：[github.com/croustibat/Pinpoint](https://github.com/croustibat/Pinpoint) - Zatanna / Kampala 官网与 Launch HN：[zatanna.ai](https://www.zatanna.ai) - StackScope 官网与 Show HN：[stackscope.dev](https://stackscope.dev) - Expanse Launch HN：[expanse.sh](https://expanse.sh) --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护。 > 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。