一句话信息差：过去一周（2026-06-24 到 06-29）Hacker News 的 Show HN 板块里冒出来一批值得关注的开源新工具，国内几乎还没人翻译。它们不是单个孤立的「又一个 AI 套壳」，而是恰好能串成一条本地、开源、可自托管的 AI 工作链：从「给 AI 造一个第二大脑」到「让 agent 半夜别睡死」，再到「一条命令把多个模型串成编排流水线」。本文带你逐个拆解，给链接、给价格、给国内同类对比、给动手步骤。
先放一张这五把刀的位置图，看完你就知道它们各自卡在 AI 工作流的哪个环节：
flowchart LR
A[你的原始素材<br/>笔记/文档/屏幕] --> B[OpenKnowledge<br/>AI原生第二大脑 GPL-3.0]
A --> C[ScreenMind<br/>本地屏幕记忆 MIT]
B --> D[WorkWeave Router<br/>每条prompt实时选模型<br/>省40-70%]
C --> D
D --> E[Agentic Orchestrator<br/>DoorDash开源<br/>多agent确定性编排]
E --> F[Adrafinil<br/>agent工作时保持Mac唤醒<br/>干完自动睡]
F -.长任务整夜跑通.-> E
这五款工具的共同点很明确：全部开源、全部本地优先、全部这一周才在 HN 上 Show HN。换句话说，它们代表的是 2026 年中海外技术圈「不想把数据交给云端、不想被单一模型绑死」这条主线最鲜活的一手实践。国内目前还停留在「讨论该不该用 Cursor」的阶段，这里面每一条都至少领先半步。
下面逐个拆。
仓库：inkeep/open-knowledge（TypeScript，GPL-3.0，1563 stars）
官网：openknowledge.ai HN 热度：376 分（2026-06-25）
这是这批里 star 涨得最猛的一个，背后的公司是 Inkeep——做 AI 站内搜索起家、专门服务文档站的那家，所以做「知识库 + AI」是老本行。
它的核心卖点用一句话讲：一个所见即所得的 Markdown 编辑器，但天生就是给 AI agent 读的。
具体能力清单（来自仓库 README）：
价格：本身开源免费。盈利模式是桌面 app 和团队云同步（官网有下载页）。
国内同类对比：
| 维度 | OpenKnowledge | Obsidian | 思源笔记 | Notion |
|---|---|---|---|---|
| AI 原生（MCP/skills） | ✅ 出厂自带 | ❌ 需插件 | ❌ 需插件 | ⚠️ 自带但闭源 |
| 本地优先 | ✅ | ✅ | ✅ | ❌ 云端 |
| 给 agent 当数据源 | ✅ 设计目标 | ⚠️ 靠社区插件拼 | ⚠️ 靠插件 | ❌ |
| 开源协议 | GPL-3.0 | 闭源内核 | AGPL-3.0 | 闭源 |
适合谁：天天和 Claude Code / Codex 打交道、想把零散笔记、技术 spec、wiki 真正喂给 agent 的开发者。注意是 GPL-3.0，意味着你要是基于它做商业产品二次分发，得遵守 GPL 条款——自用无影响。
动手：git clone 仓库后跑 Web 视图 + CLI（README 的 quickstart 有 Linux/Windows/Intel Mac 的 web 安装路径），macOS 用户直接下 DMG。
仓库：workweave/router（Go，601 stars，license: Other）
HN 热度：212 分（2026-06-26）
这个工具的商业描述非常直白，我直接引用原文：
Model router for agentic systems. Routes every prompt to the right model in <50ms. Cut costs 40-70% with just an endpoint change.
翻译过来就三条信息差：
为什么这是个真信息差：国内大家用 Claude Code 普遍是「一个模型怼到底」，要么全程 Opus 烧钱，要么全程降级。Router 这类工具解决的是「同一个 session 里动态切模型」——规划阶段用 Opus、改 typo 用 Haiku/GLM 之类。
国内对比：和 one-api / new-api 这类 API 聚合网关不是一回事。后者是「按 key/渠道分流」，Router 是「按 prompt 内容智能路由」，粒度细到单次调用。这一点 90% 的人会搞混。
注意：license 是 Other（非标准开源协议），商用前务必读它的 LICENSE 文件，别想当然当 Apache 用。
适合谁：Claude Code / Codex 重度用户，月 API 账单超过 100 美元、想压成本的团队和个人。
仓库：ayushh0110/ScreenMind（Python 3.10+，MIT）
模型：Gemma 4 E2B（视觉+音频），用 llama.cpp 本地推理
HN 热度：18 分（2026-06-29，刚发两天）
作者在 README 里直接挑明了对标对象：
Microsoft showed the world wants screen-aware AI with Recall. But Recall stores data in plaintext…
它的定位一句话：持续截你屏幕 → 用 Gemma 4 E2B 在本机分析 → 建成可搜索的「屏幕记忆」，100% 本地、零云依赖，且直接 MCP Ready（接 Claude / Cursor / VS Code）。
这把刀的信息差在哪：
llama.cpp，意味着 CPU 也能跑，不需要 CUDA。国内对比：国内 Mac 上没有官方 Recall；同类开源有 screenpipe 等，但 ScreenMind 选型更激进（直接用 Gemma 4 E2B 这种带音频能力的多模态小模型），且天然 MCP。
适合谁：想要「全局可搜索的屏幕记忆」、又死活不想把屏幕内容传到云端的隐私洁癖开发者；做 agent 想给 agent 一双「眼睛」回看历史操作的人。
动手：需要 Python 3.10+、llama.cpp、下载 Gemma 4 E2B 权重；按仓库 MCP_SETUP.md 接入 Claude/Cursor。
仓库：doordash-oss/agentic-orchestrator（Go harness，Apache-2.0，Homebrew 可装）
HN：2026-06 发布
这是 DoorDash 官方开源（注意是 doordash-oss 组织），含金量在于它把「跑长任务编码 agent」这件事的架构想清楚了。作者原话（精简）：
单一玻璃窗，编排编码 agent 完成复杂 feature。关键设计：在非确定性的 agent 之上做确定性编排——人审门、阶段切换、产物校验都由 Go 写的 harness 负责，agent 只做「小口」任务。
完整生命周期：需求澄清 → 研究 → 设计 → 多阶段规划 → 实现 → 评审。前半段（澄清到规划）需要人介入，后半段（多阶段实现/评审循环）可以挂机跑（AFK）。
最值钱的细节：它支持混用模型，作者自己就这么配的——
flowchart TD
P1[规划阶段] -->|claude / opus 4.7| H[harness Go 编排]
P2[实现阶段] -->|opencode / glm-5.2| H
P3[评审阶段] -->|codex / gpt-5.5| H
H --> G{人审门/产物校验<br/>确定性判断}
G -->|通过| N[下一阶段]
G -->|卡住| H
也就是说，规划用 Opus 4.7、实现用 GLM-5.2、评审用 GPT-5.5，每个阶段配最合适的模型，全程由 Go harness 把关阶段切换和产物校验。这正是上一条 WorkWeave Router 的思路的「重型版」——一个在单 prompt 级切，一个在工程阶段级切，两者理念同源。
依赖：装好 gh，外加至少一个编码 agent（OpenCode / Codex / Claude Code 之一）即可跑。
国内对比：对标 Devin、各类通用 orchestrator。区别在于 DoorDash 把「harness 必须确定性」当成第一性原理——这恰恰是国内很多「全 AI 编排」翻车的点（agent 自己决定流程，跑飞了没人兜底）。
适合谁：想让一个 feature 从需求到 PR 自动跑完、又要在关键节点卡人审的团队 leader 和独立开发者。
仓库：kageroumado/adrafinil（macOS Tahoe 26+，开源）
HN 热度：123 分（2026-06-27）
名字取自「阿屈非尼」（一种促醒药），定位是 机器的促醒剂。一句话：合上盖子后，只有当 agent 还在工作时才保持 Mac 唤醒，agent 干完立刻让它正常睡眠。
对比现有方案：caffeinate 和 Amphetamine 是「永久唤醒」，不管有没有活都醒着；Adrafinil 是「有活才醒」——agent 占用它时保持唤醒，释放后立刻放行系统睡眠策略。
为什么重要：跑上一条 Agentic Orchestrator 这种整夜长任务时，Mac 一睡 agent 就断；但又不想一直 caffeinate 把电耗干、把机器烤热。Adrafinil 正好填这个缝。
注意：要 macOS Tahoe 26+（也就是 2025 秋季那个大版本），老系统跑不了。License 我没在元信息里确认到标准开源标识，使用前看仓库 LICENSE。
| 环节 | 你现在大概率在用的 | 这周 HN 上的开源新刀 | 信息差类型 |
|---|---|---|---|
| 知识/第二大脑 | Obsidian + 插件 | OpenKnowledge（AI 原生 + MCP） | 认知差：笔记该为 agent 而设计 |
| 模型选择 | Claude Code 单模型怼到底 | WorkWeave Router（prompt 级路由省 40-70%） | 价格差 + 方法差 |
| 屏幕记忆 | 没有 / Recall（明文） | ScreenMind（本地 Gemma 4 + 加密） | 时间差：国内几乎无同类 |
| 长任务编排 | 手动切分 / Devin | Agentic Orchestrator（DoorDash，混用模型） | 方法差：harness 确定性原则 |
| 防 agent 睡死 | caffeinate 永久唤醒 | Adrafinil（有活才醒） | 认知差 |
这周 HN 给出的信号很清楚：2026 年中，海外开发者在用「开源 + 本地 + MCP」重新拼一遍 AI 工具链——第二大脑、屏幕记忆、模型路由、长任务编排、防睡死，每一环都有人开源了新轮子。国内的差距不在「能不能用 Claude」，而在「有没有把 agent 当成一个需要数据源、需要编排纪律、需要省钱的工程对象」。先装上 OpenKnowledge 和 Agentic Orchestrator 这两个，你就比同行快了不止半步。
参考来源（均可点击）
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。