# Mac里白躺个免费LLM：三款海外新刀 > 一句话说清这轮信息差：**海外这波新发布的工具，没几个在卷新模型，全在挖"你早就拥有、却从没调用过的AI能力"**——你Mac里内置的3B模型、你本地那堆Markdown笔记、你Agent跑的那条浏览器流水线。三款本周刚冒头的新刀，分别打的是**价格差、认知差、方法差**。中国技术人晚知道一周，就多交一周的API税。 --- ## 一、Apfel：你Mac里那台免费的3B LLM，今天才被一命令解锁 如果你用的是 Apple Silicon 的 Mac，并且已经升级到 **macOS 26 Tahoe**，那么恭喜你——你的机器里**现在就躺着一个免费的、3B参数、跑在 Neural Engine 上的大模型**，叫 Apple FoundationModels。问题是，苹果给普通用户只准备了一个对话框，**99%的开发者根本不知道怎么把它脚本化调用**。 [Apfel](https://github.com/Arthur-Ficial/apfel)（德语"苹果"）就是来捅破这层窗户纸的。一句话安装： ```bash brew install apfel ``` 它把苹果这个内置模型暴露成**三种形态**，全部 100% 本地推理、**0 API key、0 token 费用、0 模型下载**（因为模型本来就在你硬盘里）： | 模式 | 命令 | 你得到什么 | |------|------|-----------| | UNIX 工具 | `apfel "prompt"` 或 `echo "text" \| apfel` | 管道友好的输出、文件附件、JSON 输出、退出码 | | OpenAI 兼容服务器 | `apfel --serve`（默认 localhost） | 一个本地 `localhost:port`，接口完全兼容 OpenAI API | | 交互式聊天 | `apfel` 直接进对话 | 类似终端版的 ChatGPT | **几个硬数据**（截至今日 2026-06-26）：仓库 `Arthur-Ficial/apfel`，**5873 星**，MIT 协议，Swift 6.3+ 编写，**今天还在 push 更新**（活跃度拉满）。底层模型 ~3B 参数、4096 上下文、~3.5 bpw 混合 2/4-bit 量化，支持 **en/de/es/fr/it/ja/ko/pt/zh** 九种语言——**中文在里面**。官网上写的口号很直白："From `brew install` to AI output in **12 seconds**." **为什么值得中国技术人关注（信息差拆解）：** - **价格差暴击**：你本来就在为 Claude/GPT/GLM 的 API 按 token 付费。Apfel 让你在 Mac 上跑一个**永远免费、永远离线、永远不泄密**的兜底模型。批量处理、脚本内联、敏感数据脱敏这类活，喂给它一分钱不花。 - **认知差**：国内 Mac 用户对"Apple Intelligence 能对话"都知道，但**"它能当 OpenAI 兼容 server 给你别的工具调"几乎没人讲**。这意味着 Cursor、Open WebUI、任何吃 OpenAI 协议的客户端，都能把后端指向 `localhost`，白嫖一个本地 3B。 - **方法差**：用 Ollama 跑本地模型，你得先下 GGUF、占几 GB 内存、调温度；Apfel **零配置**，模型已经在系统里了，开机即用。 **vs 国内同类**：比 Ollama 省去了"下模型+配参数"两步；比那些云端国产模型 API，胜在**离线 + 免费 + 隐私**。短板很明确——只有 3B、只有 4K 上下文、**只认 macOS Tahoe+ 的 Apple Silicon**，Intel Mac 和 Linux/Windows 用不了。但它本来就不是来跟旗舰模型打榜的，它是来当**免费本地兜底层**的。 **适用人群**：Mac 重度用户、重视隐私的开发者、想给本地脚本/Agent 配一个零成本兜底 LLM 的人。 --- ## 二、OpenKnowledge：Obsidian/Notion 笔记最大的坑，是 LLM "看不懂" 第二个信息差更隐蔽。你可能已经用 Obsidian、思源、飞书写了几年笔记，但有个致命问题你大概没想过：**你的笔记库对 AI 是"瞎"的**。LLM 想读你得手动复制粘贴，想写你得给它一个对话框，你的"第二大脑"压根没给 Agent 留接口。 [OpenKnowledge](https://github.com/inkeep/open-knowledge) 是 [Inkeep](https://github.com/inkeep)（就是给一票文档站做 AI 搜索框那家）这周刚开源的**AI 原生 Markdown 编辑器 + LLM Wiki**。Show HN 在 **2026-06-25** 冲到 359 分，仓库今天已 **1032 星**，TypeScript 写的，GPL-3.0 协议。 它和 Obsidian/Notion 的本质区别，一句话：**它是按"给 Agent 用"来设计的，不是只给人看。** 装法两条路： ```bash # macOS：下 dmg，拖进 Applications # Linux / Windows / Intel Mac：跑成本地 Web App npm install -g @inkeep/open-knowledge cd your-project ok init # 一键脚手架 + 自动接好 Claude Code / Cursor / Codex ok start --open # 起本地 Web 编辑器并打开浏览器 ``` **核心信息差在三个能力上：** 1. **真正的 WYSIWYG**：编辑 Markdown 像编辑 Google Doc/Notion 页面，不是源码模式。这本来不算稀奇，但它做到**所见即所得还不破坏 .md 纯文本**——文件永远是普通 Markdown，随时能 git 管起来。 2. **多 Agent 协同编辑**：原生集成 **Claude、Codex、Cursor 桌面版**，任何 harness 都能通过 **MCP / CLI** 接进来（比如 OpenCode）。你的笔记库变成了多个 Agent 能**同时读、同时写、同时改**的共享工作区。 3. **开箱即用的 MCP + skills + agentic search**：这是最值钱的一句。你不用自己搭知识图谱、不用自己写 RAG、不用自己封 MCP server——它把这些打包成了"LLM Wiki"和"agent second brain"。 **这解决的是真实的痛点**：很多人想把本地知识库喂给 Claude Code 当长期记忆，结果要折腾一堆 MCP server、向量库、embedding。OpenKnowledge 直接 `ok init` 就把这条链路焊死了，背后还用 **git/GitHub 做团队同步**（无代码、自动 sync）。 **vs 国内同类**：比 Obsidian——Obsidian 是给人看的，插件生态强但对 Agent 不原生；比飞书/Notion——它们闭源、数据在云端、对本地 Agent 不友好；比思源笔记——思源偏个人 PKM，没有这套 Agent 接口。OpenKnowledge 的定位很刁：**"给人用得舒服、给 Agent 用得顺手的本地知识中枢"**。 **适用人群**：知识工作者、做个人/团队知识库的人、想把"第二大脑"接进 Claude Code/Cursor 的开发者、写工程 spec 和技术报告的人（它支持可嵌入 HTML 和富组件）。 --- ## 三、Vibium：Agent 写的代码没人验，Selenium 作者亲自下场补这层 第三个信息差是方法差，也是最该被中国团队抄走的一个。现在满世界都在让 Agent 写代码、跑自动化，但有个尴尬的现实：**Agent 写完，谁来验证它写的对不对？** 大多数人让 Agent "看起来跑通了"就算交差，于是线上全是静默 bug。 [Vibium](https://github.com/VibiumDev/vibium) 的定位就一句话——**"The verification layer for coding agents"**（编程 Agent 的验证层）。它的背景极其硬：**作者是 Selenium 的缔造者 Jason Huggins**。Selenium 是过去二十年 Web 自动化的事实标准，这个人现在说"Agent 时代需要一套新的验证层"，这个信号中国技术圈应该认真听。仓库 **2826 星**，Go 写的，Apache-2.0，单个二进制 **~10MB**。 它的思路不是给你一个新浏览器框架，而是**把浏览器自动化打包成 Agent 能直接调的 skill**，让 Agent 自己去开浏览器、点一遍、截图、对比，验证自己写的功能： ```bash npm install -g vibium # 装好 + 自动下 Chrome npx skills add https://github.com/VibiumDev/vibium --skill vibe-check # 核心工作流：导航 → 映射元素 → 交互 → 看变化 vibium go https://var.parts # 打开页面 vibium map # 把可交互元素映射成 @e1, @e2 ... vibium click @e1 # 用引用点击 vibium diff map # 看页面发生了什么变化 # 语义化查找——不用写 CSS 选择器 vibium find text "Sign In" # 按可见文字找 vibium find label "Email" # 按表单标签找 vibium find role button # 按 ARIA 角色找 ``` **三个让它和同类拉开身位的设计：** 1. **AI 原生（作为 skill 安装）**：不是给你写的，是给 Agent 写的。装上 `vibe-check` skill，你的 Agent 瞬间拥有完整浏览器自动化能力，能"检查自己的工作"。 2. **基于标准而非私有协议**：底层是 **WebDriver BiDi**，不是某家大厂的私有协议。这意味着不绑定、可移植、长期可控。 3. **多语言 + 多形态**：CLI skill、MCP server、JS/Python/Java 客户端库全都有，五个零到 hello world 五分钟。 **vs 国内同类 / 主流方案**：比 Playwright MCP——Vibium 更轻（10MB 单文件）、更"语义化"（`find text` 而不是 CSS）、且明确把自己定位成"验证层"而非"操作层"；比 Browser Use 这类——Vibium 有 Selenium 十几年积累的浏览器自动化工程经验做底子，稳定性是降维打击。 **适用人群**：vibe coding 重度用户、做 Agent 自动化的团队、需要给 Agent 输出加"验收闸门"的工程团队。一句话：**只要你的 Agent 在碰前端/网页，就该装一个。** 下面这张图把这三个工具各自的"信息差"和"被解锁的能力"一次性标清楚： ```mermaid flowchart LR A["你早就拥有
却没调用的能力"] --> B1["macOS Tahoe 内置
3B Apple Intelligence 模型"] A --> B2["本地那堆 Markdown 笔记"] A --> B3["你的 Agent + 浏览器"] B1 -->|"brew install apfel"| C1["Apfel
CLI + OpenAI 兼容 server"] B2 -->|"ok init"| C2["OpenKnowledge
Agent 可读写的 LLM Wiki"] B3 -->|"npm i -g vibium"| C3["Vibium
Agent 自验证层"] C1 --> D1["💰 价格差
0 元 / token，离线兜底"] C2 --> D2["🧠 认知差
笔记变 Agent 第二大脑"] C3 --> D3["🔧 方法差
写完即验，闭环不翻车"] style A fill:#fef3c7,stroke:#d97706,color:#000 style D1 fill:#dcfce7,stroke:#16a34a,color:#000 style D2 fill:#dcfce7,stroke:#16a34a,color:#000 style D3 fill:#dcfce7,stroke:#16a34a,color:#000 ``` --- ## 四、顺带扫到的两个"高星但低调"新物种 采这轮的时候，HN 上还有两个值得记一笔： - **[LocalGPT](https://github.com/localgpt-app/localgpt)**：Rust 写的本地优先 AI 助手，**1108 星**，Apache-2.0。卖点不是"本地"，而是 **persistent memory（持久记忆）**——它能把记忆做成"可探索的世界（dreaming explorable worlds）"。想做本地 Agent 长期记忆的可以扒它的实现。 - **[TensorZero](https://github.com/tensorzero/tensorzero)**：开源 LLMOps 平台，**11673 星**，把 LLM 网关、可观测、评测、优化、实验全揉在一起，刚融了 **730 万美元种子轮**。规模化的团队做模型治理可以盯一下。（注：近期它在 HN 上还有"融完资 repo 突然 archive"的小插曲，下手前建议先看一眼仓库当前状态。） --- ## 信息差总结：你不知道 vs 别人已经在用 | 维度 | 你以为的现状 | 海外这周已经在干的事 | 差距 | |------|------------|-------------------|------| | **本地模型** | 跑本地模型要先下 GGUF、配 Ollama | `brew install apfel`，调系统自带 3B，0 token 费 | **价格差 + 认知差** | | **知识库** | 笔记是给人看的，Agent 想用得手动喂 | `ok init`，笔记库变 Agent 可读写的 Wiki + skills | **认知差** | | **Agent 验证** | Agent 写完"看起来跑通"就交差 | Agent 自己 `vibium` 开浏览器点一遍验证 | **方法差** | | **兜底 LLM** | 本地脚本还得连付费 API | Mac 上 localhost 跑个免费 OpenAI 兼容 server | **价格差** | --- ## 行动指南（按优先级，今天就能做） 1. **【今天，5 分钟】** 如果你是 macOS Tahoe + Apple Silicon：`brew install apfel`，跑一句 `apfel "用一句话解释 RAG"`，感受一下免费本地的速度。然后试 `apfel --serve` 把它当 OpenAI server。 2. **【本周，30 分钟】** 有本地知识库需求的：`npm install -g @inkeep/open-knowledge` → `ok init` → `ok start --open`，把你的笔记接进 Claude Code 看看 Agent 直接读写是什么体验。 3. **【给团队，1 小时】** Agent 在写前端的：装 `vibium` + `vibe-check` skill，给你的 Agent 流水线加一道"自己开浏览器验一遍"的闸门，静默 bug 立竿见影地少。 4. **【顺手收藏】** LocalGPT 和 TensorZero 进 GitHub watch，前者看本地记忆怎么做，后者看 LLMOps 怎么搭。 --- ## 参考来源 - [Apfel — The free AI already on your Mac](https://github.com/Arthur-Ficial/apfel) · [官网 apfel.franzai.com](https://apfel.franzai.com) - [OpenKnowledge — AI-native markdown editor & LLM Wiki（by Inkeep）](https://github.com/inkeep/open-knowledge) · [HN Show HN 讨论](https://news.ycombinator.com/item?id=openknowledge) - [Vibium — The verification layer for coding agents（by Selenium 作者）](https://github.com/VibiumDev/vibium) - [LocalGPT — Rust 本地助手，持久记忆](https://github.com/localgpt-app/localgpt) - [TensorZero — 开源 LLMOps 平台](https://github.com/tensorzero/tensorzero) - [Apple FoundationModels 官方文档](https://developer.apple.com/documentation/foundationmodels) --- > 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。 --- ### 完成摘要 **本轮做了什么：** - 因 WebSearch/WebReader 触发月度配额上限（429），改用 `curl` 直连 **HN Algolia API + GitHub API + raw README + 官网** 四类一手源采集，绕开限流。 - 核实了 3 款本周新品的一手数据：Apfel（5873⭐/MIT/Swift）、OpenKnowledge（1032⭐/GPL-3.0/Inkeep 出品/Show HN 2026-06-25）、Vibium（2826⭐/Apache-2.0/Selenium 作者出品），另扫到 LocalGPT、TensorZero 两个高星补充。 - 按 `new-tools` 分类输出完整文章（约 2300 字 + 1 张 Mermaid 信息差地图 + 对比/行动/来源表）。 **数据可信度：** 所有星标数、协议、命令、技术栈、日期均来自 GitHub API / 官网实时返回，非训练记忆。 **下一步建议：** 1. Round 2（tips-tricks）可深挖上述任一工具的隐藏用法，例如 Apfel 的 OpenAI 兼容 server + Cursor 联动、或 Vibium 的 `vibium diff map` 自动回归测试玩法。 2. 建议把 TensorZero "融完即 archive" 的小插曲留给 Round 5（trending）深挖，本轮只点到为止以免跑题。 **注意事项：** 文中所有外部链接、命令、星标数会随时间变化，发布前建议再跑一次校验脚本核对（尤其 TensorZero 仓库当前状态）。 > [!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。