别把AI留在云上：三把本地新刀

首页 › new-tools › 别把AI留在云上：三把本地新刀

导语：本周HN票王，把AI的"算力"搬回了你家硬盘

如果你以为AI就是开个网页、把代码和文档粘进对话框，那这周Hacker News的票王会刷新你的认知。排名第一的 OpenKnowledge（381赞、173条评论）做的事很反潮流：它不把你喂给Claude/Codex的笔记和spec上传到任何云端，而是让AI agent直接住进你本地的markdown编辑器里干活。

这不是孤例。同一周，peerd把整个agent循环塞进Chrome/Firefox扩展、零后端零遥测；ParseHawk把文档OCR+结构化解析做成了100%本地的API/CLI。三把刀指向同一个被国内严重低估的方向——AI的执行正在从云端"搬回家"。本文拆解这三把刀怎么用、为什么值得关注，以及它们为什么是中国技术人该补上的信息差。

信息差在哪：云AI的三个隐形成本

国内同行普遍把"AI"等同于"调用云端API"。但云端模式有三笔你没算清的账：

隐私账——你公司的架构文档、客户合同、内部代码，每喂一次都过一次别人的服务器。OpenKnowledge作者直言它"Private, local, and free"，peerd标榜"no backend · no telemetry"，这是海外这波工具的集体诉求。
成本账——云端按token/按量计费，长文档反复处理是吞金兽。本地执行买断后边际成本为零。
可用性账——云API要网络、要key、对国内部分用户还要额外的网络通路。本地工具拔了网线也能跑。

这三把刀就是针对这三笔账设计的。先看它们在本地架构里的分工：

flowchart LR
    subgraph You["你的设备（数据不出本地）"]
        Editor["OpenKnowledge<br/>AI原生markdown编辑器<br/>agent直接改你的文档"]
        Browser["peerd<br/>浏览器扩展内跑agent循环<br/>WASM沙箱算力"]
        Docs["ParseHawk<br/>文档→JSON本地解析<br/>API/CLI/Web"]
        Editor <-.协作.-> Browser
        Docs ==结构化数据==> Editor
    end
    Editor -.BYOK.-> Claude["Claude/Codex/Cursor<br/>（你自己的key）"]
    Browser -.BYOK.-> Claude
    Cloud["☁️ 公有云AI服务<br/>数据上传/按量计费"]:::cloud -.被替代.-> Docs
    classDef cloud fill:#fdd,stroke:#c33,color:#900;
    class You fill:#e8f5e9,stroke:#2e7d32;

关键点：模型可以还是Claude/那几家大厂的（BYOK，自带key），但你的数据和中间产物不再经过任何SaaS的存储。这就是这周的信息差核心。

第一刀 OpenKnowledge：AI原生的"第二大脑"编辑器

一句话：像Notion一样所见即所得，像Obsidian一样本地存markdown，但AI agent是"原住民"——不是插件，是骨架。

官网：https://openknowledge.ai

仓库：https://github.com/inkeep/open-knowledge

出品方：inkeep（做AI文档问答那家）

协议：GPL-3.0（开源）｜语言：TypeScript｜Stars：约1800+（截至采集）｜创建于2026-06-03

价格：完全免费

它到底解决了什么

国内写技术文档/知识库的人基本在三个选项里反复横跳：飞书/腾讯文档（云WYSIWYG，但数据在云上、AI是附加功能）、Obsidian（本地markdown，但AI要靠社区插件、体验割裂）、VSCode里硬写md（够本地够原生，但没有文档化体验）。

OpenKnowledge一刀切在中间：全量WYSIWYG + 真本地markdown文件 + AI agent一等公民。它最狠的设计是——你的Claude、Codex、Cursor桌面客户端可以直接在OpenKnowledge的编辑器里"动手改文档"，左右并排，改了能undo/redo、有版本历史。

三个值得抄的具体能力

双向无损markdown：底层用ProseMirror的AST，但做了CRDT双向同步，保证你看到的富文本和磁盘上的.md文件字节级对应——Obsidian用户被坑过的"格式漂移"它声称已解决。
自带MCP + skills + agentic search：开箱即用就能搭"LLM Wiki"和"agent第二大脑"。也就是说它不只是编辑器，还是给agent喂知识库的RAG底座。
git驱动团队协作：分享和自动同步直接走git/GitHub，不用再为团队文档买SaaS席位。

三步跑起来（非macOS，Linux/Windows/Intel Mac）

npm install -g @inkeep/open-knowledge
cd your-project
ok init          # 初始化项目并自动接好 Claude Code / Cursor / Codex
ok start --open  # 启动本地web编辑器并打开浏览器

macOS用户直接下DMG。适用人群：写工程spec的技术leader、做开源文档的维护者、想用本地知识库给AI agent喂料的开发者。

第二刀 peerd：把agent塞进浏览器的"无服务器"运行时

一句话：第一个"浏览器原生"的AI agent框架——agent循环、计算、沙箱全在你浏览器的扩展里跑，没有后端、没有遥测。

官网：https://peerd.ai

仓库：https://github.com/NotASithLord/peerd

协议：Apache-2.0｜语言：JavaScript｜Stars：约300｜创建于2026-06-22

价格：免费（BYOK，自带模型key）

它颠覆了什么常识

国内做浏览器自动化/爬虫的人，路径基本是：写脚本 → 部署到云服务器跑（影刀、八爪鱼这类RPA是桌面/云混合）。peerd反着来：一个Chrome/Firefox扩展，里面跑着完整的agent循环，它自己驱动你的标签页、在WASM Linux虚拟机和JS notebook里起沙箱计算、还能把构建出来的东西点对点（P2P）分享给别人。

这意味着什么？零部署、零服务器费、零数据外泄。你让agent帮你"打开这三个标签页，把价格抓下来做成表格"，整个过程的数据和中间代码都不离开你的浏览器进程。

为什么值得中国技术人关注

隐私+合规：处理敏感页面（内网系统、付费数据）时，数据不进任何第三方服务器。
BYOK：模型key是你自己的，可以直接接国内外各种兼容OpenAI格式的端点，灵活度极高。
P2P分享：agent搭出来的小工具可以不挂服务器直接分享，对独立开发者是低成本的发布路径。

适用人群：做浏览器自动化/数据采集的开发者、关注隐私的agent玩家、想零成本发布轻量工具的独立开发者。

第三刀 ParseHawk：文档解析彻底本地化

一句话：把PDF/图片/文档变成结构化JSON的AI解析层，100%本地运行，同时给你API、CLI、Web UI三种入口。

官网：https://www.parsehawk.com

仓库：https://github.com/parsehawk/parsehawk

协议：Apache-2.0｜语言：Python｜Stars：约37（很新，2026-06-25刚建）｜创建于2026-06-25

价格：免费（开源）

它替代的是谁

国内做文档OCR/解析，主流是云API：腾讯云OCR、百度OCR、合合信息TextIn——都按量计费、都要求把文档上传。一旦量大（比如几万份合同、财报），一是钱哗哗地花，二是合规审查过不去。

ParseHawk把这件事做成了本地优先（local-first）的工程组件：跑在你自己的机器上，提供REST API给你后端调用、CLI给你脚本批量处理、Web UI给你人工核验。对标的是海外的Marker、Docling那批开源文档解析，但它把"API+CLI+Web"三件套打包得更开箱即用。

典型用法

后端服务：本地起API，替代云OCR endpoint，按结构化JSON schema抽取字段。
数据管道：CLI批量处理一目录的扫描件，输出可入库的JSON。
一次性任务：Web UI拖拽上传，快速验证解析效果再决定要不要进生产。

适用人群：做RAG/知识库后端的工程师、处理敏感文档（合同/票据/病历）的团队、想砍掉云OCR账单的中小公司。

信息差总结：你知道的 vs 别人不知道的

维度	国内主流认知	本周三把刀的信息差
AI笔记/知识库	飞书/Notion云文档，或Obsidian+插件	OpenKnowledge：本地WYSIWYG+AI原生+git协作，免费开源
浏览器自动化	云端RPA/服务器脚本	peerd：agent循环跑在扩展里，零后端零遥测
文档OCR/解析	云OCR按量计费，数据上传	ParseHawk：100%本地，API/CLI/Web全套
模型	必须用大厂云端API	BYOK：模型可云端，数据/计算/中间产物留在本地
成本	持续按token/按量付费	一次性部署，边际成本为零
隐私	数据默认过别人服务器	"no backend, no telemetry"成为标配

一句话概括信息差：模型可以云端，但你的数据和执行正在变成"本地优先"的。海外这周用三个高赞项目把这件事钉死了。

行动指南：你今天就能做的三件事

先试OpenKnowledge（最高性价比）：npm install -g @inkeep/open-knowledge → ok init → ok start --open，把你现有的markdown项目目录丢进去，30分钟就能判断它能不能替代你现在的文档工作流。这是本周最值得花时间的一把刀。
做隐私敏感自动化的，看peerd：装扩展、配上你自己的模型key，先用一个"抓三个网页做对比表"的小任务验证它在你工作流里的可行性，尤其是你不想让数据出本地的场景。
在为云OCR账单发愁的，评估ParseHawk：拿一批有代表性的真实文档跑CLI，对比你现在云API的字段抽取准确率。注意它很新（star还少、6月底才建），生产前务必做准确率回归测试，别直接顶替关键链路。

避坑提醒：三把刀都很新（都在2026年6月创建），功能迭代快、稳定性需自己验证；GPL-3.0的OpenKnowledge若你要做闭源商业产品集成，需注意协议传染性，Apache-2.0的peerd/ParseHawk则无此顾虑。

参考来源

Hacker News: Show HN: OpenKnowledge — open source AI-first alternative to Obsidian/Notion（本周票王，381赞）：https://news.ycombinator.com/item?id=48657403（直达讨论）｜仓库 https://github.com/inkeep/open-knowledge
Hacker News: Show HN: peerd – AI agent harness that runs entirely in your browser：https://github.com/NotASithLord/peerd ｜官网 https://peerd.ai
Hacker News: Show HN: ParseHawk – 100% Local Document AI with API, CLI, and Web UI：https://github.com/parsehawk/parsehawk ｜官网 https://www.parsehawk.com
HN Algolia API（本情报采集数据源）：https://hn.algolia.com/api/v1/search
同周相关本地/隐私向项目（延伸阅读）：off-grid-ai（Mac离线跑chat/image/vision/voice）https://github.com/off-grid-ai ；PMB（MCP本地记忆）https://github.com/oleksiijko/pmb

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。

51学通信知识星球海报-扫码加入