## 别再让 AI 当"临时工"了——它该有自己的工位 如果你还在这样用 AI：让 Claude 写完代码手动 `git commit`，把生成的内容复制粘贴进 Notion，半夜守着 MacBook 不让合盖怕 agent 跑死——那你的 agent 还是个"临时工"，借人类的工具用。 但本周海外有三个新物种，把一件事情讲清楚了：**Agent 要转正了，得给它发工牌、配工位。** 一个给了它专属的版本控制（Oak），一个给了它专属的知识库（OpenKnowledge），一个给了它专属的服务器（machine0）。三件套凑齐，agent 就从"借工具的外挂"变成"有自己基础设施的正职员工"。 这是 2026 年中海外最明显的一条信息差：**你还在给 AI 装插件，别人已经开始给 AI 发工牌。** 国内绝大多数讨论还停在"Cursor 哪个快捷键好用"，而海外开发者在重写 git、重写笔记软件、重写云主机——让 agent 成为这些工具的"一等公民"。 下面逐个拆。 --- ## 一、Oak：Git 被重写成给 Agent 用的样子 **官网**：https://oak.space/oak/oak **HN 讨论**：https://news.ycombinator.com/item?id=48631726 （215 赞 / 189 评论） **状态**：开源，刚发布 v0.100.0 先说痛点。现在你让 agent 在一个大型 monorepo 里干活，第一件事往往是 `git clone`——几十 GB 的代码、几百万个文件全拉下来，agent 光是"看仓库"就烧掉一堆 token 和时间，磁盘也炸。然后 agent 开分支、改代码、提交，人类的 git 分支列表里瞬间多出一堆乱七八糟的 `claude-xxx`、`codex-fix-yyy`，谁也分不清哪个能合并、哪个该删。 Oak 的核心思路就是：**git 这套流程，是 2005 年给人设计的，不是给 agent 设计的。** 它重写了三个关键原语： - **`oak mount`（懒挂载工作树）**：agent 不再"克隆整个仓库"。Oak 让 agent 只挂载它真正要碰的那部分文件（lazy working tree），要哪块拉哪块。对动辄几十 GB 的 monorepo，这意味着 agent 的启动成本从"分钟级 + 几十 GB 磁盘"降到"秒级 + 几十 MB"。 - **`oak space`（多仓库 agent 工作空间）**：现实里一个任务往往横跨好几个 repo（前端、后端、文档）。Oak 把多个仓库打包成一个 "space"，agent 在一个上下文里就能跨仓改动。 - **分支即"工单"（agent-facing review/triage JSON）**：Oak 把每个 agent 分支当成一个带元数据的单元，对外暴露成结构化 JSON。人类 reviewer（或另一个 agent）可以直接读这个 JSON 来 triage（分类、合并、驳回），不用再去翻一堆 commit message。 更狠的是它内置了 **"agent action contracts"（agent 行为契约）** 和 **n10/n100 规模门控**——说白了，Oak 从设计第一天起就是为"10 到 100 个 agent 同时干活"准备的，而不是给人单线程敲命令准备的。 > **信息差点**：国内基本没人讨论"git 对 agent 不友好"这个问题。但只要你的团队 agent 数量上双，`git clone` 全量拉取 + 分支洪水 + review 混乱，会立刻变成真实瓶颈。Oak 是目前唯一正面解决它的项目。 **适合谁**：在大型 monorepo 上跑多 agent 的工程团队；做 agent 编排平台、想给 agent 配版本管理底座的人。 --- ## 二、OpenKnowledge：Notion 被重写成 Agent 能直接读写 **官网**：https://openknowledge.ai **GitHub**：https://github.com/inkeep/open-knowledge （1320 ★，GPL-3.0） **HN 讨论**：https://news.ycombinator.com/item?id=48675435 （372 赞 / 170 评论，本周 Show HN 顶流） **作者**：Inkeep, Inc.（就是给一堆大厂文档站做 AI 搜索 widget 的那家） **创建时间**：2026-06-03（不到一个月，火箭式增长） 痛点继续。你团队的决策记录、runbook、standup 笔记全躺在 Notion / 飞书 / Confluence 里——这些东西**对人类友好，对 agent 是黑盒**。agent 想知道"我们当初为什么选了这个数据库"，它要么去爬网页、要么你手动复制给它。而且 agent 改完文档，你根本不知道它动了什么、什么时候动的——没有审计，没有溯源。 OpenKnowledge 的定位一句话：**一个给你和你团队里所有 agent 共用的、AI 原生的 markdown 知识库。** 关键能力： - **"Agent Skills"机制**：Claude Code、Cursor、Codex 这些 agent 通过内置 skill **直接读写知识库**，不用你复制粘贴。Claude 说一句"把这个记成决策文档"，它就自动建好 `decisions/api-strategy.md` 并写进去。 - **Activity Timeline（活动时间线）**：每个文档都挂着一条时间线，清楚显示 `claude-code · 18 分钟前 · 给 runbooks/db-migrations 加了迁移手册`。**agent 改了什么、谁改的、什么时候，全留痕。** 这条对国内团队尤其值钱——合规和审计压力下，"agent 改动可追溯"几乎是刚需。 - **Token 计数器**：每个文档实时显示 `76 words · 385 chars · ~97 tokens`。为什么重要？因为**你喂给 agent 的上下文是按 token 收钱的**。把知识库里的长文喂给 agent 前，你能直接看到要花多少 token，这是省钱的元数据。 - **底层就是 markdown**：UI 像 Notion（callout、accordion、tabs、Mermaid 图、可嵌入 HTML），但文件全是 `.md`。意味着**你可以 git 管理、可以迁移、不被锁死在某个 SaaS 里**。 > **信息差点**：国内普遍还在讨论"怎么把 Notion 接给 AI"。OpenKnowledge 的思路是反过来的——**别接了，AI 本来就该是知识库的原生作者**。它把"AI 写文档"从"对话式生成"升级成"agent 直接维护结构化知识库 + 全程留痕"，这是认知差。 **适合谁**：想把团队知识真正交给 agent 维护的小团队；做 AI-native 内部工具的人；需要 agent 操作可审计的团队。 --- ## 三、machine0：云主机被重写成 Agent 用 MCP 自己开的 **官网**：https://machine0.io **HN 讨论**：https://news.ycombinator.com/item?id=48543245 （96 赞 / 37 评论） **背景**：Y Combinator 背书 **价格**：按分钟计费，最低 $0.013/小时（1 vCPU/1GB）；可暂停省费 第三个痛点最费钱。agent 要跑长任务（编译大型项目、跑测试套件、训练微调、批量推理），你在自己 Mac 上跑？合盖就睡、风扇狂转、还没 GPU。去开个云主机？手动 SSH、忘记关机一晚上几十刀、环境每次还要重配。 machine0 把这件事重写成了 **"agent 自己会开的云主机"**： - **远程 MCP 服务器**：这是最关键的——machine0 暴露了一个 MCP 接口，**agent 可以通过 MCP 自己创建、暂停、恢复、销毁 VM**。每个操作都是带 `--json` 的 CLI 命令，agent 能程序化驱动。你的 agent 可以说"我要编译这个项目，给我开一台 8 核机器，跑完自动关"。 - **持久 + 可暂停（Suspend/Resume）**：VM 可以"冻结状态"——暂停后**停止计费**，只收镜像存储费（$0.078/GB/月），随时恢复。跑一个要断断续续搞几天的 agent 任务，这个能省下大量空转费用。 - **快照 + 克隆（Golden Image）**：把一台配好环境的 VM 存成黄金镜像，以后一键克隆。agent 要"再来一台一样的"，秒级起。 - **可复现环境**：NixOS flakes 或 Ubuntu+Ansible，环境即代码，确定性构建、一键回滚、不漂移。Ubuntu 镜像还**预装了 Docker、Node、Python、Claude Code、Codex**——开机即用。 - **规格 & GPU**：最高 60 vCPU / 240GB RAM，可选 GPU：H100、H200、L40S、MI300X。4 个区域（美/英/欧/亚）**同价**，99.99% 可用性。每台 VM 还自带公网 IP 和 HTTPS 端点（`.mac0.io`），不用折腾 NAT 和隧道。 价格表我直接抄官网（$/小时）： | 规格 | CPU | RAM | 磁盘 | $/小时 | ~$/月 | |------|-----|-----|------|--------|-------| | small | 1 vCPU | 1 GB | 25 GB | $0.013 | $9 | | medium | 2 vCPU | 2 GB | 60 GB | $0.034 | $25 | | large | 2 vCPU | 4 GB | 80 GB | $0.052 | $38 | | xl | 4 vCPU | 8 GB | 160 GB | $0.104 | $76 | | 6xl | 60 vCPU | 240 GB | 900 GB | $3.714 | $2,711 | > **信息差点**：国内讨论 agent 算力还停在"买张 4090"或"租个 GPU 实例"。machine0 代表的新玩法是 **agent 自己按需开机器、跑完自己关、按分钟收钱**——把"云资源调度"也变成 agent 的一个 skill。这是方法差 + 价格差。 **适合谁**：跑 agent 长/重任务的独立开发者；做 agent 平台需要弹性算力的团队；需要可复现 GPU 环境做微调/推理的人。 --- ## 三件套怎么串起来：Agent 的完整"工位" 这三件不是孤立的，它们正好补齐了一个 agent 员工的完整基础设施。我用一张图说明它们怎么协作： ```mermaid flowchart LR subgraph Agent["🤖 Agent 员工（被发工牌）"] A1[接到任务] end subgraph Compute["计算环境 = 工位/电脑"] M["machine0
MCP 开 VM
暂停省费 / GPU"] end subgraph VCS["版本控制 = 工单系统"] O["Oak
懒挂载 / 分支即工单
JSON triage"] end subgraph KB["知识库 = 团队大脑"] K["OpenKnowledge
Agent 读写 / 留痕
Token 计数"] end Agent -->|"要干活
自己开机器"| M M -->|"改代码
开分支提工单"| O O -->|"沉淀决策/runbook
给后续 agent 复用"| K K -.->|"下次任务
直接读取上下文"| Agent style Agent fill:#e8f5e9,stroke:#2e7d32,stroke-width:2px style Compute fill:#e3f2fd,stroke:#1565c0 style VCS fill:#fff3e0,stroke:#ef6c00 style KB fill:#f3e5f5,stroke:#6a1b9a ``` 一个完整闭环：**agent 接到任务 → 通过 machine0 自己开一台配好环境的 VM → 用 Oak 懒挂载拉代码、开"工单分支"干活、干完提交结构化 review → 把决策和 runbook 写进 OpenKnowledge 留痕 → 下一个 agent 接手时直接从知识库读上下文。** 整个过程人类只在关键节点做 review，agent 不再"借工具"，而是"用自己的一套"。 对照一下国内的现状：大多数人还在 **Mac 上跑 agent + 手动 git + Notion 粘贴**。差距就在于，海外已经在构建"agent 原生的操作系统级基建"，国内还在给人类工具打 AI 补丁。 --- ## 信息差总结：你知道的 vs 别人已经用的 | 环节 | 你可能还在做（旧） | 海外已经在做（新） | |------|--------------------|--------------------| | 版本控制 | agent `git clone` 全量拉取，分支洪水 | **Oak**：懒挂载，分支即工单，10-100 agent 并发设计 | | 团队知识 | Notion/飞书，agent 看不见、改无痕 | **OpenKnowledge**：agent 原生读写 + 活动留痕 + token 计数 | | 计算资源 | 自己 Mac 跑或手动开云主机、忘关烧钱 | **machine0**：MCP 让 agent 自己开/暂停 VM，按分钟计费 | | 思维方式 | 给人类工具装 AI 插件 | 给 agent 配专属基建，把它当正职员工 | 一句话概括这条信息差：**工具的位置反了。** 过去是"AI 适应人类的工具"，现在是"工具重新长成 AI 原生的样子"。 --- ## 行动指南：你可以现在做什么 1. **先开 Oak 试水（零成本）**：去 https://oak.space/oak/oak 看文档，在一个中型 repo 上用 `oak mount` 体验"懒挂载"，对比 `git clone` 的耗时和磁盘占用。哪怕只为了这个特性，对大仓库团队都值。 2. **用 OpenKnowledge 沉淀 agent 决策**：如果你团队已经有多 agent 在跑，把"为什么这么改"这类决策让它写进 OpenKnowledge 的 Timeline——一周后你会发现，"agent 到底动过什么"这个问题终于有答案了。开源 GPL，本地部署，没数据出境风险。 3. **把重活外包给 machine0，别烧自己的 Mac**：下次 agent 要跑长编译/测试，开一台 small（$0.013/h）跑完就暂停。算笔账：跑 10 小时约 1.3 毛币量级（$0.13），比让你的 MacBook 风扇转一晚 + 占用你日常机器划算得多。先充 $5 起步（最低充值 $5，未用可退）。 4. **组合拳留给进阶**：等三件都熟悉了，尝试把它们串成上图闭环——让 agent 自己开机器、提工单、写知识库。这才是"发工牌"的完整形态。 **优先级建议**：个人开发者先试 machine0（立竿见影省钱省机器）；带 agent 的团队优先 OpenKnowledge（留痕和审计刚需）；大型 monorepo 团队才需要啃 Oak（学习曲线最陡，但规模化收益最大）。 --- ## 注意事项 - **Oak 很新**（v0.100）：功能迭代极快（一周合并了二三十个 PR），生产环境用要做好"频繁更新"的准备，别指望它像 git 一样稳定到老。 - **machine0 是云端服务**：虽然是 YC 背书，但 VM 里有你的代码和密钥，敏感项目要评估数据出境和合规——好在它支持 NixOS flakes 本地定义环境，可把敏感配置留在本地。 - **OpenKnowledge 是 GPL-3.0**：注意 GPL 的传染性条款——如果你想拿它做商业闭源产品的底座，得确认许可证是否兼容（个人/团队内部用没问题）。 - 这三件都是 **2026 年 6 月的新货**，海外也才刚火，中文资料几乎为零——这恰好就是你要的信息差窗口期。 --- ## 参考来源 - Oak 官网与仓库：https://oak.space/oak/oak - OpenKnowledge 官网：https://openknowledge.ai ｜ GitHub：https://github.com/inkeep/open-knowledge - machine0 官网：https://machine0.io - HN 讨论：Oak https://news.ycombinator.com/item?id=48631726 ｜ OpenKnowledge https://news.ycombinator.com/item?id=48675435 ｜ machine0 https://news.ycombinator.com/item?id=48543245 --- > 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。