# 浏览器里跑Agent：本周三个新物种 **导语（一句话信息差）**：就在过去 48 小时（2026-06-23/24），海外三款 AI 新工具同时登上 Hacker News 首页——一个把 SOTA 级图像模型开源了（Krea 2，12B），一个用 Ruby 三行依赖统一所有大模型 API（RubyLLM，HN 463 分），还有一个**直接把 Agent 的"大脑和手脚"塞进你的浏览器插件里**，不连后端、不留日志、密钥自己攥着（peerd）。这三件东西国内几乎没人讨论，但每一件都戳中了国内开发者的真实痛点：图像生成按张付费太贵、Python 生态切换成本高、Agent 工具不敢碰敏感数据。今天这篇，把三款工具的官网、价格、用法和"抄作业路径"一次讲透。 --- ## 一、为什么是这三个？信息差在哪 先说判断标准。我蹲守的是 2026 年 6 月 24 日当天 Hacker News 首页的全部热帖，从中筛掉新闻（OpenAI 自研芯片、Qualcomm 收购 Modular、GLM-5.2 这类已经被中文圈刷屏的）和纯理论帖，专门挑**"现在就能装、能跑、能省钱"的新工具**。最后留下三个，分别代表三类信息差： - **价格差**：Krea 2——本来按张付费的顶级图像模型，现在开源免费白嫖； - **认知差**：RubyLLM——同样的功能，Python 要装一堆依赖，Ruby 只要三个； - **方法差/视角差**：peerd——国内做浏览器自动化还在用 Playwright/八爪鱼思路，人家已经把"Agent + 浏览器安全沙箱 + 密钥保险柜"做成一个插件。 下面逐个拆。 --- ## 二、Krea 2：12B 开源图像模型，本地白嫖顶级画质 - **官网**：https://www.krea.ai/blog/krea-2-technical-report - **权重（HuggingFace）**：技术报告页底部已放出，许可证为 **permissive（宽松开源许可）**，可商用 - **代码**：GitHub 同步开源（报告页附 "GitHub Code & license"） - **HN 热度**：310 分，登上首页 **它是什么**：Krea 团队在 6 月 23 日发布的技术报告（58 分钟阅读量的硬核长文）里，把 Krea 2 定义为"兼顾**美学多样性**和**用户创作控制**的基础模型系列"，12B 参数，主打高分辨率、锐利写实、稳定结构、**密集文字渲染**（这是国内即梦、可灵都还在头疼的难点）和精准 prompt 跟随。报告还公开了数据清洗原则、模型架构、多阶段训练管线和分布式基础设施——等于把训练秘方也亮出来了。 **为什么值得关注**： 1. **真·开源**。权重放 HuggingFace，许可证宽松可商用。对比 FLUX/Midjourney，Krea 2 在美学和文字渲染上的实测口碑在 HN 一片叫好。 2. **本地免费**。12B 在量化后，一张 24G 显卡（4090/3090）就能跑，意味着**零 API 成本、零审核、数据不出本地**。 3. **可商用**。做电商主图、小说封面、游戏素材、自媒体配图的，可以直接接入自有产品。 **国内对比**：国内的即梦、可灵走的是云端订阅/按张计费路线；Midjourney 月费 10 美元起且不商用。Krea 2 等于把"每月几十到几百块的图像账单"一次性砍到本地电费。**适合人群**：独立开发者、电商运营、AI 画师、需要批量出图且在意数据隐私的团队。 --- ## 三、RubyLLM：3 个依赖，统一 GPT/Claude/Ollama - **官网/文档**：https://rubyllm.com/ - **代码**：GitHub 开源（star 增长中） - **当前版本**：v1.16.0（next 分支已开 2.0 dev） - **HN 热度**：**463 分**（本轮最高） **它是什么**：一句话——"一个优雅的 Ruby 框架，统一所有主流大模型供应商"。它解决的是一个被 Python 开发者忽视、但 Ruby/Rails 圈子受够了的问题：**每家模型厂的官方 SDK 都又臃肿、API 格式又各不相同**。RubyLLM 给你一套统一接口，无论背后是 GPT、Claude 还是本地 Ollama，代码长得一模一样。 最狠的是它**只有三个依赖**：`Faraday`（HTTP）、`Zeitwerk`（自动加载）、`Marcel`（文件类型检测）。对比 Python 那边的 LangChain（一拉一大串依赖树）、LiteLLM，RubyLLM 把"轻量"做到了极致。看段示例就知道多省心： ```ruby chat = RubyLLM.chat chat.ask "What's the best way to learn Ruby?" # 图像、视频、音频、PDF、代码，一个 ask 全吃 chat.ask "What's in this image?", with: "ruby_conf.jpg" chat.ask "Summarize this document", with: "contract.pdf" # 流式输出 chat.ask "Tell me a story" { |chunk| print chunk.content } RubyLLM.paint "a sunset over mountains in watercolor" # 生图 RubyLLM.embed "Ruby is elegant" # 向量 RubyLLM.transcribe "meeting.wav" # 语音转文字 ``` 聊天、画图、Embedding、工具调用、音频转写、内容审核——全在一套 API 里，5 分钟就能搭一个能跑的 AI 应用。 **为什么值得关注 / 信息差**：国内中文圈一提"统一多模型"就只会推 Python 的 LiteLLM。但**做电商、做 ERP、做后台系统的中国团队，Ruby on Rails 存量巨大**（很多外贸站、Shopify 生态都是 Rails）。对这群人来说，RubyLLM 是直接抄就能用的答案，省去了"Ruby 里硬塞 Python SDK"的别扭。 **国内对比**：功能上对标 Python 的 **LiteLLM**；国内尚无成熟的 Ruby 对标品。**适合人群**：Rails 全栈、外贸/电商独立站开发者、想用 Ruby 快速做 AI 原型的人。 --- ## 四、peerd：把 Agent 装进浏览器，密钥自己攥 - **GitHub**：https://github.com/NotASithLord/peerd - **官网**：https://peerd.ai - **许可证**：Apache 2.0；状态：**0.x 实验性 beta** - **HN 热度**：53 分（Show HN） **它是什么**：官方一句话定位——**"第一个原生跑在浏览器里的 AI Agent 工具链（harness）"**。它是一个 Chrome/Firefox 插件，把整个 Agent 循环（agent loop）跑在你**正在用的那个浏览器**里，直接驱动你已登录的标签页和会话。三大卖点直击痛点： 1. **BYOK（自带密钥）**：模型密钥你自己填，连的是你选的供应商（Anthropic、OpenRouter、Ollama，甚至**浏览器内 WebGPU 本地模型**）。 2. **零后端、零遥测**：数据路径里没有任何云组件，**不留任何日志**。 3. **浏览器即安全模型**：它不自己造加密和隔离代码，而是**复用浏览器几十年沉淀的硬核安全能力**——V8 隔离做沙箱、WebCrypto 做密钥保险柜、WebAuthn passkey 解锁、opaque-origin iframe、SRI（子资源完整性）。 **最巧妙的设计**是"权限分离"：持有你密钥的 Agent **永远不直接读取原始页面**；真正去读页面的是一个**"一次性 runner"（disposable runner）**——它没有密钥、没有网络，输出回来时被打上"不可信（untrusted）"标记；Agent 驱动的每个动作，都要**对照实时页面二次校验**才算数。这基本是"最小权限 + 零信任"在浏览器 Agent 上的工程化落地。 此外它还能在浏览器里**拉起沙箱算力**：JS Notebook、**编译成 WebAssembly 的完整 Linux 虚拟机**、客户端 App；预览版还支持 **P2P（WebRTC）的 agent-to-agent 去中心化通信（dweb）**。 **为什么值得关注 / 信息差**：国内做"浏览器自动化 + AI"，思路还停在 Playwright 脚本、八爪鱼、RPA 那一套，要么得搭后端、要么把账号密码交给第三方云端（数据安全是大坑）。peerd 的视角完全不同——**本地优先（local-first）、密钥不外传、不连云**。对处理登录态、内部系统、敏感数据的自动化场景，这是目前最干净的方案。**注意**：它仍是 0.x 实验 beta，**会驱动你的浏览器、会持有你的 API 密钥**，作者明确提示"使用需谨慎"，正式 V1 尚未承诺——先用小号/测试环境试水。 ```mermaid flowchart LR U[你的浏览器] --> EXT[peerd 插件
Chrome/Firefox] EXT --> VLT[WebCrypto 密钥保险柜
WebAuthn passkey 解锁] EXT --> AGENT[Agent 大脑
持有密钥 但不读原始页面] AGENT -->|派任务| RUN[一次性 Runner
无密钥 无网络 读页面] RUN -->|输出 fenced=untrusted| AGENT AGENT -->|对照实时页面
二次校验动作| U EXT --> MODELS[模型层 BYOK] MODELS --> A[Anthropic] MODELS --> O[OpenRouter / Ollama] MODELS --> W[WebGPU 本地模型] EXT -. 预览 .-> P2P[P2P WebRTC
agent-to-agent] style VLT fill:#e8f5e9 style RUN fill:#fff3e0 ``` **国内对比**：对标海外的 browser-use、Skyvern，但**多了"浏览器原生沙箱 + 密钥本地化"这层**；国内暂无同类。**适合人群**：做 RPA/自动化、安全研究、需要操作登录态敏感系统、重视数据隐私的极客和团队。 --- ## 五、信息差总结：你知道的 vs 别人不知道的 | 维度 | 国内主流认知（你知道的） | 本周新工具（别人不知道的） | 差距 | |---|---|---|---| | 顶级图像生成 | Midjourney 月订阅 / 即梦按张付费 | **Krea 2 开源 12B，本地免费可商用** | 价格差：月费→电费 | | 统一多模型 API | 只认 Python 的 LiteLLM | **RubyLLM，3 依赖、5 分钟出活** | 认知差：Ruby 圈红利 | | 浏览器 Agent | Playwright 脚本 / 云端 RPA 交密码 | **peerd 插件，密钥本地、零后端** | 视角差：local-first | | 数据安全 | Agent 数据上云留痕 | peerd 全程不连云、不可信隔离 | 方法差 | --- ## 六、行动指南（按身份对号入座） 1. **做电商/AI 画图的**：先去 HuggingFace 下 Krea 2 权重，在本地或 ComfyUI 里跑通，把每月图像 API 账单先砍掉一半；文字渲染和多图一致性是它的强项，优先测这两类需求。 2. **Rails 开发者 / 外贸独立站**：`gem install rubyllm`，用它替换掉你项目里临时拼的 OpenAI/Claude 调用代码；5 分钟把"对话 + 多模态读图读 PDF"接进现有后台。 3. **做自动化/敏感场景的**：拿测试浏览器装 peerd，体验"密钥本地 + 不可信 runner"的安全模型；别在主账号上直接上生产，先小号验证。 4. **想追热的**：这三个仓库 GitHub 都在快速涨星，现在关注等于在"中文圈还没开始讨论"时占位，第一时间把工具/教程内容做出来。 **优先级**：能直接省钱 → Krea 2（最高 ROI）；能立刻上手开发 → RubyLLM；最能刷"技术新知" → peerd。 --- > ⚠️ **注意**：peerd 仍是 0.x 实验 beta，作者明确说"会驱动浏览器、会持有密钥，使用需谨慎"，且无 V1 承诺。Krea 2 具体许可证细节以下方 HuggingFace/GitHub 页面为准（报告称 permissive）。动手前务必核对最新 License 条款，别在商用前偷懒。 --- ## 参考来源 - Krea 2 技术报告与开源（2026-06-23）：https://www.krea.ai/blog/krea-2-technical-report - RubyLLM 官方文档（v1.16.0）：https://rubyllm.com/ - peerd GitHub（Apache 2.0，0.x beta）：https://github.com/NotASithLord/peerd - peerd 官网：https://peerd.ai - Hacker News 当日首页热帖索引：https://news.ycombinator.com/ --- > 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。