你大概还在把 AI 当"侧边栏"——聊天框里问一句、编辑器里补两行。但 2026 年 6 月最后一周的 Hacker News，热榜几乎被另一类工具占领了：它们从第一天就把 AI 设成主角。有人凑钱投资一句 prompt，让 AI 全程公开把软件盖出来；有人把 AI agent 当成 Scrum 队友塞进看板、一起开早会；有人专门让 AI"教你"而不是"替你想"。这篇文章拆三款本周刚冲上 HN 头条的新刀，外加一款附赠。看完你会明白：信息差不是"哪个模型更强"，而是"谁先接受了 AI 该坐主位"这个设定。
官网：https://fablepool.com 出处：Hacker News「Show HN」526 分、276 条评论（截至 6 月底），背后团队署名 Barras Industries。
这是本周最让人脑洞大开的一款，也是我判断"国内基本没人知道"的典型。
它干的事一句话能说清：你在上面写一句 prompt（比如"做一个 AWS 的平替"），其他人觉得有意思，就往这个"资金池"里凑钱。钱攒到起付线，Fable（背后的 AI agent）就开始动手——全程公开构建，所有花销、每一步进度都对众筹者可见，最后产物交付给投过钱的人。
HN 评论区的真实数据很有意思：一个完工的样例，AI 自己估算成本 0.35 美元，实际花掉 0.52 美元，而池子里扣了 0.55 美元。有人调侃："这机器估项目，跟我本人一样不靠谱。"另一条高赞更狠——"为了一个完整的 AWS 平替，池子里已经堆了 516 美元，冲了冲了。"
为什么值得关注（信息差在哪）： - 这是软件生产方式的金融化。国内大部分人还在纠结"AI 能不能写完一个项目"，海外已经在试"AI 写项目能不能被陌生人众筹投资"。你买的是一句 idea 的"原始股"。 - 它把 agent 的运行成本透明化了。估算 vs 实花 vs 实扣，三笔账摆在台面上——这恰好是所有人在企业里推 agent 时最缺的一块：可计费、可对账。 - 当然风险也明牌：评论区立刻有人质疑团队几乎匿名、网上查不到 Barras Industries 的底细，"往一个小网站里塞钱之前，我想先知道背后是谁"。这是一把双刃刀，不是无脑推荐你梭哈，而是推荐你观察这个范式。
适用人群：独立开发者、想做 agent 产品的人、对"AI 经济模型"好奇的产品经理。即便你不投钱，把它当 case study 看，也比看十篇 agent 炒作文有价值。
官网/仓库：https://github.com/Paca-AI/paca 关键数据：约 1473 星、Apache-2.0、用 Go 写、可自托管（self-hosted）、永久免费。
一句话定位：AI-native 的 Jira/Trello/ClickUp/Monday 平替。但重点不在"平替"，在"AI-native"。
国内外的项目管理工具是怎么"加 AI"的？绝大多数是外挂一个聊天机器人——你在侧边栏问"我这个 sprint 还剩什么"，它帮你查。Paca 的设定完全相反：AI agent 是一等公民的队友，和人在同一块看板、同一个 sprint、同一个目标里干活。官方原话很直白——"Jira 给你 backlog，ClickUp 给你自动化，Monday 给你仪表盘，Paca 给你的 AI agent 一张桌子。"
具体到操作层面，Paca 让 agent： - 参与 sprint planning（ sprint 规划）； - 直接从看板上"领任务"（pick up tasks），而不是等人复制粘贴； - 写 BDD（行为驱动开发）规格说明； - 和人一起在实时里协作迭代。
而且它内置了 MCP Server 和 Claude Code Skill——也就是说你的 Claude Code / Cursor / Codex 这类 coding agent 可以直接接进看板领活。
价格差的杀伤力（官方对比表原文摘录）：
| 维度 | Jira/ClickUp/Monday | Paca |
|---|---|---|
| AI 集成 | 外挂聊天机器人 | AI 是 Scrum 正式队友 |
| 协作模型 | 默认只有人 | 人+AI 同一块看板 |
| 托管 | 厂商云（数据在他们服务器） | 自托管，数据全归你 |
| 价格 | 每座 $8–$20/月 | 永久免费 |
| 定制 | 企业版才解锁 | 配置 + 插件全开 |
| 开源 | 闭源 | Apache-2.0 全开源 |
为什么值得关注： - 认知差：国内中小团队用 Jira/飞书/钉钉做研发管理时，AI 还停留在"机器人助手"。Paca 把 agent 塞进流程的"组织结构"里——这其实是企业落地 agent 的真正难点（不是模型，是流程和权限）。 - 价格差 + 合规差：自托管 + 免费 + 开源，对数据不出境有硬性要求的中国团队（金融、政企、通信核心网）几乎是量身定做。 - 它用 Go 写、核心轻量、靠插件扩展，技术上也是干净的工程审美。
适用人群：技术 leader、DevOps/SRE、任何在头疼"怎么把 agent 真正塞进研发流程"的人。
官网/仓库：https://github.com/devenjarvis/lathe 关键数据：约 1554 星、MIT 协议、用 Go 写、6 月 27 日还在更新。
这是本周我个人最喜欢、也最反潮流的一款。
现在所有 AI 工具都在比"谁更快把答案怼到你脸上"——你问，它答，你不用懂。Lathe 的官方一句话反向立 flag："An experiment in using LLMs to teach you, rather than think for you."（一个用大模型来教你、而不是替你思考的实验。）
具体玩法：你在任意 coding agent 里（支持 Claude Code、Cursor、Codex、Gemini CLI、opencode、Cline、Windsurf）敲一句：
/lathe build a 3D Slicer in Erlang
它就给你生成分多部分的、动手实操的技术教程，然后你在一个专门为"愉悦地学习"打造的本地 UI 里，自己一行行手敲过一遍。需要时可以问问题、让 AI 验证教程对不对、或者追加一个新章节。
它把 LLM 当成"技能（skills）集合"+ 一个 Go 写的 CLI 来管理教程库；每篇教程都记录来源、用了哪个模型、什么 prompt 驱动了这篇教程的"语气"——可溯源，不胡编。
为什么值得关注： - 方法差：这是对抗"AI 让人变笨"焦虑的一把刀。对正在转行、学新栈、啃 3GPP 协议或啃底层的技术人，Lathe 的定位（AI 当手把手导师、逼你亲手做）比直接抄 ChatGPT 答案有效得多。 - 它是个纯本地、skill 化的范式，跟 Claude Code 的 skill 生态天然契合，迁移成本极低。 - 它还顺手解决了教程时效性的问题：传统教程会过时，Lathe 是按需即时生成，永远贴合最新技术栈。
适用人群：自学者、转行的人、技术培训/课程制作者、带新人的导师。
仓库：https://github.com/inkeep/open-knowledge（约 1622 星、GPL-3.0、TypeScript，由做文档搜索起家的 Inkeep 出品）
定位是 "Beautiful, AI-native markdown editor and LLM Wiki"——一个 AI 原生的 Markdown 编辑器 + 给大模型当知识库的 Wiki。如果你之前听过"笔记该重做成给 AI 读的第二大脑"这个思路，OpenKnowledge 就是把这个思路产品化的具体新货。Obsidian/Notion 的插件式 AI 是后加的，它是第一性原理从 AI-native 起步。限于篇幅不展开，但如果你在做个人知识库或团队 Wiki，值得 star 观察。
| 维度 | 国内多数人的认知（旧范式） | 海外本周在做的（新范式） |
|---|---|---|
| AI 的角色 | 侧边栏聊天框 / 补全插件 | 主位：包工头 / 队友 / 导师 |
| 软件生产 | AI 能不能写完项目 | 一句 prompt 能不能被众筹投资（FablePool） |
| 研发流程 | 给 Jira 外挂一个机器人 | AI agent 上看板、领任务、写规格（Paca） |
| 学习方式 | AI 直接给答案，省得你懂 | AI 当导师，逼你亲手做一遍（Lathe） |
| 笔记/知识库 | 往 Obsidian 里塞插件 | 从零按 AI-native 重做 Wiki（OpenKnowledge） |
| 计费/对账 | 一笔糊涂账 | 估算/实花/实扣三账透明（FablePool 模式） |
flowchart LR
P["有人提一句 prompt<br/>例：做个 AWS 平替"] --> POOL["社区往资金池凑钱"]
POOL --> Q{达到起付线?}
Q -->|没到| WAIT["继续众筹<br/>或放弃退款"]
Q -->|到了| BUILD["Fable AI 全程公开构建"]
BUILD --> SPEND["按真实花费扣款<br/>估算 $0.35 → 实花 $0.52"]
SPEND --> SHIP["产物交付给众筹者<br/>过程全程可审计"]
WAIT -.|钱攒够|. BUILD
下面这张图把三款工具的"位置"摆在一起，你能一眼看清它们取代的是什么：
flowchart TB
subgraph OLD["旧范式：AI 是侧边栏"]
O1[聊天框问答]
O2[编辑器补全插件]
O3[搜索框直接给答案]
end
subgraph NEW["新范式：AI 坐主位"]
T1["FablePool<br/>AI = 包工头<br/>众筹=投资软件"]
T2["Paca<br/>AI = Scrum 队友<br/>同一块看板"]
T3["Lathe<br/>AI = 导师<br/>手把手教你做"]
end
O1 -.取代.-> T1
O2 -.取代.-> T2
O3 -.取代.-> T3
/lathe build ...，逼自己手敲一遍。把"AI 替你想"切换成"AI 教你做"，这个习惯的转变，比换一个更强的模型值钱。这一周 HN 给我的最大信号不是"又出了个新模型"，而是产品形态在集体换挡：从"给现有工具加个 AI 按钮"，变成"假设 AI 本来就该坐主位，从零重造一遍"。FablePool 管"投资+生产"，Paca 管"组织+流程"，Lathe 管"学习+成长"，三者拼起来，恰好是一套"AI 当主角"的完整栈。
对中国技术人来说，真正的信息差从来不是哪个模型榜单第一——那东西大家都能查到。信息差是：当海外已经把 AI 塞进"组织结构、资金流向、学习路径"这些结构性位置时，我们很多人还在纠结 prompt 怎么写得更花。 这三把刀，建议先看懂范式，再决定要不要上车。
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。