你大概没听过"AI 锁定"（AI lock-in）这个词，但你每天都在为它付钱——卡在 ChatGPT/Claude 的对话限额里、被某个模型绑定按 token 烧钱、AI agent 悄悄给你的项目塞了一堆旧版本依赖。本周（2026 年 7 月初）Hacker News 的 Show HN 版块冒出一批新工具，不约而同指向同一件事：把 AI 主导的工作流里那些"被黑箱化"的东西，重新变成可移植、可审计、你能带走的资产。 我从中挑出三把最锋利的，全是开源、全是本周上线、全是中国用户应该提前知道的"反锁定"新刀。

先搞懂一个被忽视的概念：AI 锁定

传统软件时代，"厂商锁定"指的是你被某家的数据库/云绑死。AI 时代，锁定换了三张新面孔，而且更隐蔽：

国内讨论 AI 工具，几乎全在卷"哪个模型更强""怎么写 prompt"，没人系统讲"怎么不被锁住"。这正是本周这批海外工具的信息差所在。

第一刀：Kontext —— 把对话变成可随身携带的资产

一句话：遇到 ChatGPT/Claude 限额？一键把整个对话"蒸馏"成一份可移植的 kontext，搬到另一个 AI 里接着聊。

• 项目地址：https://github.com/anuragmerndev/kontext-ai
• 形态：Chrome 扩展（Manifest V3，TypeScript 严格模式）
• 价格：MIT 开源、完全免费；摘要用浏览器内置的 Gemini Nano（on-device），或填你自己的 key（BYOK，支持 OpenAI / Anthropic / Gemini / OpenRouter）
• 隐私：无账号、无 telemetry、数据不出本机，并自带 clipboard 兜底

它的聪明之处在于不是网页 DOM 抓取，而是通过平台自己的内部 API 读取完整对话的每一个 turn（包括当前分支），避免"复制粘贴丢上下文"的损耗。工作流只有三步：

CAPTURE（捕获完整对话）→ DISTILL（本地摘要 + 原始数据存入 library）→ HAND OFF（打开另一个 AI，自动填充输入框）

为什么值得关注：这是对"对话限额 + 单一 AI 锁定"最优雅的反制。你的对话不再是某个网站后台里的一坨数据，而是你机器里一个可以备份、迁移、复用的资产。作者有句话点题——"Your context is an asset. Kontext makes it portable."

国内对比：国内同类工具基本是"网页全文复制粘贴"或"截图 OCR"，没有任何一个能做到跨 ChatGPT/Claude 的保真一键迁移。对常需要跨模型比对、或者一份长 prompt 想喂给不同 AI 看哪个回答更好的研究者/独立开发者，这把刀直接省掉每月几十刀的重复订阅。

第二刀：role-model —— 把"该用哪个模型"做成一份可解释的契约

一句话：一个开源协议 + 参考路由器，让"这次请求该用本地模型还是云端大模型"这个决策变成显式、可解释、可移植的工程决策。

• 项目地址：https://github.com/try-works/role-model
• 形态：开源协议（capability-aware routing protocol）+ 参考实现路由器
• 价格：开源免费

每个 AI 应用迟早都要回答一个问题：这次请求，到底交给哪个模型？ 决策取决于任务类型、所需能力、成本、延迟，以及模型在本地还是云端。现在多数人的做法是——代码里写死一个 model 名字，拍脑袋。role-model 把它拆成四个稳定部件：

1. Request：描述任务类型、所需能力、模态、工具需求、约束
2. Endpoint profiles：描述具体的可路由端点（而非抽象的模型名）
3. Routing policy：应用 hard deny、偏好、预算（budget）、tie-break 规则
4. Observability：记录每次决策、trace、用量、观测到的性能

它原生支持三种混合路由形态，最香的是 Local / Cloud：简单任务甩给本地小模型（如通过 llama-swap 跑的本地 peer），只有需要重活时才升级到云端大模型。

为什么值得关注：这是对"模型锁定 + token 滥烧"的系统性反制。给路由器一份持久契约后，你不再被单一模型绑架——模型涨价、宕机、被墙，你只要换一个 endpoint profile，策略不动。更重要的是省钱可量化：每个简单请求走本地，账单立竿见影地降。而且它强调"为什么这么路由"的可解释性，这对合规和审计是刚需。

国内对比：国内开发者要混搭本地（如 GLM/Qwen 本地部署）和云端，目前基本是手写一堆 if/else，没有协议层的抽象。role-model 这种"能力感知路由"的思路，是把模型选择从玄学变成工程。

第三刀：Deptrust —— 给 AI agent 的依赖安装装一道安检门

一句话：一个 CLI（同时是 MCP server），AI agent 装包前先查它有没有已知漏洞，覆盖 13+ 生态。作者公开承认，这工具就是被"AI agent 老用旧版本"气出来的。

• 项目地址：https://github.com/clidey/deptrust
• 形态：CLI + MCP server（直接调公开包注册表和 OSV 漏洞库，无托管服务需要信任或配置）
• 价格：开源免费
• 覆盖生态：npm、PyPI、Cargo/crates.io、Go modules、RubyGems、NuGet、Maven、Packagist、pub.dev、CocoaPods、Hex.pm、Hackage、GitHub Actions 等

它不只是查 CVE，还会输出非 CVE 的风险信号——比如一个版本是过去 72 小时内刚发布的，就标记"需审查"，防止 agent 盲目装一个可能被投毒的全新包。输出是结构化的：

"should_install": false,
"risk_score": 80,
"recommendation": "block",
"next_action": "do_not_install; use suggest_safe_version ..."

安装极简，引导式向导，默认就给 Codex 和 Claude Code 装上依赖安全 hook：

npx @clidey/deptrust install

为什么值得关注：这是对"依赖锁定 + 供应链炸弹"的反制，也是个全新品类。当 vibe coding 让 agent 疯狂 npm install，谁来挡住恶意/有洞包？Deptrust 的答案是把安检左移到 agent 装包的那一刻，而不是等 CI 或生产被捅。对跑 AI agent 做自动化的团队，这是必备的护栏。

国内对比：国内基本靠 CI 阶段的依赖扫描（如各种 SCA 工具），属于"事后补救"，没有"agent 装包前置拦截"这一层。Deptrust 把它做成了 MCP，原生融入 agent 工具链。

三把刀，一张全景图

flowchart LR
    subgraph LOCK["🔒 你被锁住的三道闸"]
        L1["对话锁定\nChatGPT/Claude 限额\n上下文动弹不得"]
        L2["模型锁定\nAPI 写死\n按 token 烧钱"]
        L3["依赖锁定\nagent 瞎装包\n供应链炸弹"]
    end
    subgraph UNLOCK["🔓 本周三把反锁定新刀（全部开源免费）"]
        K["Kontext\n保真捕获→本地蒸馏→一键搬家"]
        R["role-model\n能力感知路由协议\n本地/云混搭省钱"]
        D["Deptrust\n装包前置查漏洞\nMCP 原生拦截"]
    end
    L1 -->|打破| K
    L2 -->|打破| R
    L3 -->|打破| D
    K --> OUT1["对话变资产\n省重复订阅"]
    R --> OUT2["路由可迁移\n省 token 费"]
    D --> OUT3["依赖可审计\n省安全债"]
    style LOCK fill:#2b2b2b,color:#fff,stroke:#e74c3c
    style UNLOCK fill:#1e3a5f,color:#fff,stroke:#3498db

信息差总结：你知道的 vs 别人不知道的

1. 5 分钟体验 Kontext：从 GitHub clone/下载扩展，加载到 Chrome，在下一个长对话里试着"搬到另一个 AI"，感受 context 可移植的爽感。
2. 给 agent 项目装上 Deptrust：在你的 AI coding 项目根目录跑 npx @clidey/deptrust install，默认就给 Codex/Claude Code 装好依赖安全 hook——零成本买到一道供应链闸门。
3. 用 role-model 思路重审你的路由：哪怕你暂不接入协议，也把"哪些请求走本地便宜模型、哪些才升级云端"写成一份显式的 policy 文档，光这一步往往就能砍掉三成 API 账单。

一句话收尾：模型可以换、对话可以搬、依赖可以审——只要你主动把"可移植性"设计进工作流，AI 就锁不住你。 这才是本周 Show HN 真正值得带走的信号。 参考来源 - Kontext — Persistent, portable context across AIs：https://github.com/anuragmerndev/kontext-ai - role-model — Capability-aware AI routing protocol：https://github.com/try-works/role-model - Deptrust — CLI/MCP to avoid vulnerable dependencies：https://github.com/clidey/deptrust - Hacker News Show HN 本周 AI 新品（数据来源）：https://hn.algolia.com/?tags=story,show_hn - AgentWatch（本周相关：预算拦截，同类 agent 治理信号）：https://agent-watch.dev

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（What was done）

下一步计划（What's next）

1. 优先级 P0：可对三把刀做一次本地实跑验证（npx @clidey/deptrust install、Chrome 加载 Kontext），把截图/实测输出补进后续版本，提升可信度。
2. 优先级 P1：第 2 轮（tips-tricks）可深挖其中一把刀的隐藏用法，例如 Kontext 的 BYOK summarizer fallback 链 / Deptrust 的 skill-only 模式。
3. 优先级 P2：建立"反锁定"主题系列，后续轮次继续追踪 OpenRouter、llama-swap 等生态工具，形成栏目复利。

注意事项（If applicable）

• WebSearch 与 webReader（MCP）配额已尽，本周内无法再用于联网核实；当前文章事实来自 HN 官方 API 与项目 README 原文，已尽量降低编造风险，但价格/功能细节以仓库为准，发布前建议再核一次 README。
• Bash 工作目录限制在 /home/gprshome，/tmp 写文件被拦，故全程用 curl | jq/grep 管道实时读取，未落盘。

[!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。