本周海外Show HN上有个有意思的信号：新冒出来的AI工具，几乎清一色在打"本地优先"这张牌——不订阅、不上云、数据不出本机。这背后有个被大多数人忽略的拐点：多模态小模型（比如Gemma 4 E2B这种2B参数、却能同时做视觉+音频+推理的模型）已经能在一张4GB显存的二手显卡上实时跑起来了。这意味着过去必须靠云端大模型才能做的事——看懂你的屏幕、听懂你的会议、给非工程师讲懂代码库——现在一台破电脑就能本地闭环。这篇拆三款6月底刚发布、国内还几乎没人提的免费新刀，每一把都对应一类你可能正在为它付费的场景。 ## 第一刀：ScreenMind——把你的屏幕变成"可对话的AI记忆"，全程本地 **官网/仓库**：https://github.com/ayushh0110/ScreenMind **价格**：完全免费，MIT协议开源 **热度**：6月29日上Show HN，由账号`alexkarpathy`提交（熟悉AI圈的人会联想到那位长期推动本地小模型教育的Karpathy，这类项目被带节奏几乎是必然），仓库已155星且仍在涨。 一句话概括它干的事：**截屏 → 用Gemma 4 E2B分析 → 存成可搜索、可对话的AI记忆，100%本地，零云端依赖。** 它最值得讲的是架构上的反潮流。微软的Recall（以及类似方案）路子是：截屏→明文存储→发遥测→被用户骂到回炉重做，而且要你买一台**1000美元以上的Copilot+ PC、带40 TOPS NPU、仅限Windows 11**。ScreenMind把整套逻辑压到了本地单模型： - **单模型扛三态**：Gemma 4 E2B这一个模型同时做视觉（看懂截图）、音频（语音备忘/会议转写，原生音频编码器，不依赖Whisper）、推理（摘要/对话/Agent）。 - **硬件门槛极低**：≥4GB显存GPU即可，或者纯CPU也能跑。作者拿一张GTX 1650（二手约¥几百）实测：Accurate模式~76秒/张、Balanced~40秒、Fast~12秒；换RTX 3060+只要1–4秒。 - **混合检索**：MiniLM语义向量 + FTS5关键词，融合搜索，能按"意思"找而不仅靠关键词。 - **能对话的RAG**：可以问"Alex在Discord上说了什么"，直接返回那条消息。 - **Agent系统**：丢一个`.md`文件到`~/.screenmind/agents/`就是定时Agent（如每日专注报告），开发者可写`.py`插件调SDK。 - **MCP Server**：把屏幕历史暴露给Claude/Cursor/VS Code，`search_screen`、`get_daily_summary`等工具可直接被调用。 - **隐私护栏**：自动脱敏信用卡/SSN/API key/密码，截图AES加密（Fernet+系统钥匙串），可一键隐身模式。 下面这张图是它本地闭环的流水线，也是"为什么它能脱离云端"的关键： ```mermaid flowchart LR A[屏幕截图] --> B[pHash去重
内容真变化才截] B --> C[EasyOCR
抽取文本] C --> D[(Gemma 4 E2B
视觉+音频+推理
单模型/本地)] D --> E[MiniLM
语义向量] C --> F[(FTS5
关键词索引)] E --> G[(SQLite WAL
纯本地库)] F --> G G --> H[可对话/可搜索/可回放] D -.MCP Server.-> I[Claude / Cursor / VSCode] style D fill:#ffd479 ``` **为什么值得关注**：它把"屏幕录制+OCR+AI理解+可对话+可做Agent"这一长串能力，压进了一个免费、MIT、跨平台（Windows/macOS/Linux，含Wayland）的项目里。国内类似工具多是"录屏+OCR+发云端API"的组合，要么吃订阅费、要么有隐私顾虑，很少有做到"端到端本地多模态理解"的。 **适用人群**：知识工作者、想给自己造"第二大脑"的人、做生产力/Agent开发的开发者、对Recall心动但不想花钱买指定PC又怕隐私泄露的人。 ## 第二刀：Bash4LLM+——一个.sh文件，让安卓手机秒变带记忆的LLM终端 **仓库**：https://github.com/kamaludu/bash4llm **价格**：免费，GPL v3 **版本**：v2.0.0（6月22日发），作者Cristian Evangelisti，42星 **HN热度**：55分、18条讨论 这条的核心信息差不是"又一个CLI"，而是它把"在手机上跑LLM"这件事的门槛打到了地板——**一个自包含的Bash脚本，Termux里跑，白嫖Groq的OpenAI兼容免费档**。 - **单文件、可审计**：整个工具就是一个Bash脚本，可读、可逐行review。安全设计上不用`/tmp`、绝不`eval`、权限收紧、provider校验严格——对"把API key交给黑盒程序"不放心的运维/安全党特别友好。 - **动态模型列表**：直接`GET /models`拉取，不硬编码模型名，provider出新模型自动跟上。 - **Termux/Android友好**：自动识别Termux环境，绕开Android内核/SELinux上不稳的`flock`，改用`mkdir`原子目录锁。这意味着你手机里一个Termux+一个`gsk_`开头的Groq key，就能得到一个能用的命令行LLM。 - **会话记忆**：靠`--session `开启，记忆存成NDJSON；不带session时默认无记忆，行为可预期。 - **批处理/模板/dry-run/流式**：`--batch`一行一个prompt批量跑，`--template`套模板，`--dry-run`空跑不烧token。 - **provider可插拔**：默认Groq，extras里可装Gemini、Hugging Face、Mistral等OpenAI兼容provider。**理论上换成任何OpenAI兼容端点（含本地llama.cpp或国内兼容网关）都能跑。** - **UI状态文件**：原子写JSON状态，方便接GUI或Home Assistant这类外部工具。 **为什么值得关注**：国内很多用户以为"手机上跑AI"=装一堆东西、或用某个厂商APP、或必然走云。Bash4LLM+证明：一个`.sh`+免费API档+Termux，就能在旧安卓上得到一个带会话记忆、能批处理、全程可审计的LLM CLI。对经常在终端干活、又想零成本试OpenAI兼容生态的人，这是当前最轻的入口。 **适用人群**：终端重度用户、安全/运维党、想用旧安卓当"随身LLM终端"的人、在搭OpenAI兼容网关想快速验证连通性的人。 ## 第三刀：Sonar——给非工程师看懂代码库的本地简报官 **仓库**：https://github.com/gautamdhameja/sonar **价格**：免费，MIT **状态**：5月26日首次提交、6月底刚上Show HN的alpha，贡献者里赫然有`@claude`（即Claude本身参与共建），1星——属于真正的"还在第一波"。 **形态**：Tauri桌面应用（TypeScript约86% + Rust约8.8%） 它的定位很刁钻：**"理解任何代码库，问该问的问题"——给产品经理、创始人、设计师、客服负责人、运营、高管这类"需要项目上下文、但不想订阅前沿编程模型"的人，生成带源码引用的代码库简报。** - **本地优先 + 源码接地**：只索引你在桌面UI里明确选定的GitHub克隆或本地文件夹；项目状态、记忆图、会话、简报全部存在本地`~/.sonar`的SQLite里。 - **可验证**：先做确定性仓库清点，再让模型抽查选定源文件，建一张"有源码支撑的记忆图"再写简报；追问时用精确查找+类grep词法搜索+图谱扩展+简报级排序，答案带**源码列表和引用校验诊断**（能点回去看原文）。 - **模型灵活**：本地llama.cpp/OpenAI兼容，或自定义云/本地OpenAI兼容端点；会用`n_ctx`动态调整喂给模型的上下文预算。 - **语言覆盖广**：TS/JS、Python、Rust、Go、Java、C#、Ruby、C++、PHP、Kotlin、Swift、Markdown/MDX等，外加常见JSON/Prisma。 - **可导出**：生成的简报能复制/导出为Markdown，直接贴进wiki。 **为什么值得关注**：国内"代码库问答"几乎被Cursor/通义灵码/Trae这类IDE插件垄断，绑定IDE、订阅制、且默认服务"写代码的人"。Sonar反过来——它是桌面App、面向"看代码但不写代码"的岗位、跑本地模型、简报带引用可导出。这个"非开发岗onboarding"的细分，目前基本是空白。一个空降的PM/外包，丢一个仓库给它，半小时拿到一份"这个系统干嘛的、核心工作流在哪、接下来该问谁"的简报，价值很直接。 **适用人群**：需要快速读懂陌生仓库的非工程岗、做技术尽调的人、给新人做onboarding的团队负责人、想用本地模型批量"读"开源项目的人。 ## 信息差总结：你知道的 vs 本周能白嫖的 | 场景 | 大多数人正在做的 | 本周免费新刀能做的 | |---|---|---| | 屏幕记忆/Recall替代 | 羡慕Recall但要买¥7000+指定Win PC，或用吃订阅、传云的录屏工具 | ScreenMind：二手¥几百显卡本地跑，跨平台、MIT、可对话可搜 | | 手机/终端跑LLM | 装APP或自建一堆依赖，担心key外泄 | Bash4LLM+：一个.sh+Groq免费档+Termux，可审计带记忆 | | 看懂陌生代码库 | 订阅Cursor/Claude，或让工程师口述 | Sonar：本地桌面App，给非工程师出带引用的简报，可导出MD | | 多模态小模型 | 以为"视觉+音频+推理"必须云端大模型 | Gemma 4 E2B：2B、4GB显存单模型本地全包 | ## 行动指南（按优先级） 1. **先试ScreenMind**（性价比最高）：准备一台有≥4GB显存GPU的机器（或先用CPU模式探路），`git clone`后`pip install -r requirements.txt`，`python main.py`，浏览器开`http://127.0.0.1:7777`，首次会自动下~5GB的Gemma 4 GGUF。先在Fast模式（~12秒/张）体验，再开Chat问"我昨天在干嘛"。 2. **想接进现有AI工作流**：把ScreenMind的MCP Server配进你的Claude/Cursor/VS Code，`search_screen`+`get_daily_summary`立刻让编程助手拥有"看过你屏幕"的上下文。 3. **想要随身LLM终端**：旧安卓装Termux，按Bash4LLM+的Fast Forward三步走（clone→`chmod +x`→`--refresh-models`），导出Groq key即可。想换provider就`--install-extras`。 4. **团队onboarding**：把核心仓库丢给Sonar，让它先出一份"系统全貌"简报，作为新人第一份读物的起点；追问时盯它的源码引用，确认没瞎编。 5. **别忽略底层趋势**：盯紧Gemma 4这批"小而全"的多模态本地模型——它们正在让一大批过去"必须上云"的产品，变成"本地免费就能跑"。 ## 参考来源 - ScreenMind（GitHub，MIT）：https://github.com/ayushh0110/ScreenMind - ScreenMind 的 Show HN 讨论帖：https://news.ycombinator.com/item?id=48718498 - Bash4LLM+（GitHub，GPL v3）：https://github.com/kamaludu/bash4llm - Sonar（GitHub，MIT，本地代码库简报）：https://github.com/gautamdhameja/sonar - Hacker News Show HN 榜单（本周新品源）：https://news.ycombinator.com/show - Google Gemma 模型官方页（多模态本地模型底座）：https://ai.google.dev/gemma --- > 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。