你大概已经习惯了这套剧本：你掏钱订阅AI、你给AI搭框架、你求着AI别把代码改崩。这一周海外 Hacker News 上连冒出三个新工具，方向却完全反过来——AI 被你当函数一样
import进来即用；AI 老老实实读你的代码给你画"哪里会爆炸"的地图；甚至 AI 还会因为你问了个好问题，反过来给你打钱。本文就拆这三个 7 月初刚上线、国内还没人聊的"反向基建"，给你一张能立刻照着抄的信息差地图。
过去两年的 AI 工具叙事，本质都是"人围着 AI 转"：你要学 LangChain、学 agent 编排、学 prompt 工程，搭一堆胶水代码，就为了让一个 LLM 跑起来。海外这周集中冒头的一批新东西，思路是反的——让 AI 围着你已有的工程结构转。
我从 HN 近一周（7 月 2 日之后）的真实帖子 + 各工具落地页 + GitHub 源码里，挑出三个方向最锋利、又完全没被国内转述的。下面一个一个拆。
AI as Function. Prompt as Code.（AI 当函数，prompt 当代码）mock: true 模式离线零成本。它 README 里有一句话点透了信息差：
80% 的真实 AI 需求其实很朴素：文本进、结构化数据出，无状态、无记忆。那就是一个函数。
可现实是，绝大多数团队为了这 3 行核心逻辑，要学新框架、学 agent 抽象、学 prompt 工程、写胶水代码、研究怎么换模型——一周的活，只为 3 行逻辑。AIFunc 的做法是直接把这层废话砍掉：
# 装 CLI
brew tap aifunc-dev/aifn && brew install aifn
# 一行装好一个"AI 函数包"
aifn install github:aifunc-dev/aifunc-packages/summarize
装完之后，在 TypeScript 里就是这么用：
import { summarize, AIFuncConfig } from './aifunc/summarize';
// mock 模式：不要 API key，离线就能跑，CI 里零成本
const config: AIFuncConfig = { mock: true };
const result = await summarize(config, { text: '一大段文本', maxLength: 30 });
// result.summary、result.wordCount 全都有类型，IDE 自动补全
几个关键特性，每一项都踩在国内开发者的痛点上：
mock: true 离线跑通，CI 里不需要 API key、不花一分钱。api.json + package.json + prompts/）同时编译出 TypeScript 和 Python，行为一致。前后端通吃。官方注册表已经备好 18 个现成包：summarize、analyze-sentiment、recognize-intent、classify、extract-json、extract-entities、translate、generate-reply、score-quality 等。
国内做 AI 应用开发，主流是 Dify、扣子（Coze）、FastGPT 这类重型 agent/workflow 编排平台——功能全，但侵入性强、学习曲线陡，适合从零搭一个 AI 产品。
AIFunc 走的是另一极端：极简函数原语，适合"我只想在已有代码里塞一个小 AI 能力、又不想引入一整套框架"的场景。两者不是替代，是互补——大编排用 Dify，零散小功能用 AIFunc。
适用人群：全栈/后端开发者、想在既有项目里低成本加 AI 能力的团队、要把 prompt 沉淀成团队资产做版本管理的平台负责人。
Know what breaks before you merge.（合并前就知道什么会崩）多仓库、多语言的大型工程，最贵的 bug 不是"某段代码写错"，而是"你改了 A 仓库的一个接口，没料到 C 仓库的某个消费者会炸"。这种跨仓库爆炸半径，靠人脑根本算不清。
CodeRadius 的打法是先把架构画成一张图：
npm install -g coderadius
# 分析整个仓库群
cr analyze https://github.com/your-org/your-monorepo.git
# 你的改动会波及谁？
cr blast <branch>
# 把图导出成一个 HTML，丢 Slack、发新人、浏览器直接开
cr ui
# 把这张图喂给你的 AI agent（MCP）
cr mcp configure
官方 demo 的输出很能说明价值——分析一个微服务 demo，它直接报出：
| 维度 | 数量 |
|---|---|
| Services | 12 |
| APIs | 247 |
| Databases | 8 |
| Message queues | 5 |
| GraphQL types | 85 |
| SPOF（单点故障） | 3 ⚠ |
最妙的是第三类消费者——AI agent。cr mcp configure 会自动探测你装了哪些 MCP 客户端（claude / cursor / cline / zed 等），一键写好配置：
✓ Detected claude · cursor · cline · zed
✓ Wrote MCP config for 4 clients
12 services exposed · auto-restart pending
意思就是：Cursor、Claude Code、Devin、Copilot Workspace 这些 agent 以后改你的代码前，能先看一眼整张架构图，知道动了什么会牵连什么，而不是靠猜。
国内目前没有直接对标的跨仓库架构图谱工具，最接近的是海外的 Sourcegraph。这是个实打实的信息差：大多数人重构前还在靠"全局搜索 + 脑补"判断波及面，而海外已经把这件事做成了一行 cr blast 命令 + MCP 喂给 agent。
适用人群：微服务/多仓库团队的技术负责人、做大型重构的架构师、重度使用 Cursor/Claude Code 且希望 agent 改代码别乱来的开发者。注意它是本地优先、静态分析、代码不出你的机器——对数据合规敏感的国内企业尤其友好。
The AI assistant that pays you back.（反过来给你钱的 AI 助手）这是三者里最反直觉、也最吸睛的。逻辑是：高质量的 prompt 本身就是值钱的 AI 训练数据——与其平台花钱雇人标注，不如把这笔钱直接发给愿意提好问题的人。
它给每条消息按 5 个维度打分：复杂度（complexity）、新颖性（novelty）、结构（structure）、领域专业度（domain expertise）、深度（depth），然后按分数给你算钱：
| 档位 | 分数区间 | 每条消息收益 |
|---|---|---|
| Bronze 铜 | 0 – 24 | $0（不够售卖门槛） |
| Silver 银 | 25 – 49 | $0.006 – $0.012 |
| Gold 金 | 50 – 74 | $0.025 – $0.037 |
| Platinum 铂 | 75 – 100 | $0.064 – $0.085 |
也就是说，一条 Platinum 级的高质量 prompt 最高能换约 0.085 美元。逻辑闭环是：你的高质量问答被打包成微调数据集卖出去，平台把收益分给你。
国内最接近的是数据标注众包平台（海天瑞声、龙猫数据、Toloka 等），但那些要你"专业标注"，门槛高、任务机械。Argutum 把这事降维成"日常聊天"——门槛归零，谁都能薅。
但要冷静算笔账：单价很低，这是"薅羊毛/副业种子"级别，不是养家工具。它的真正价值在于示范了一种新商业模式：prompt = 可定价的资产。这个认知，对做 AI 产品、做数据生意的人比"赚那几毛钱"重要得多。
提醒：把你的对话当训练数据出售，意味着隐私让渡，敏感业务问题别往上丢。
flowchart LR
subgraph 旧["旧范式：你围着 AI 转"]
A1["你掏钱订阅 AI"] --> A2["平台控模型与数据"]
A3["每个AI功能都要搭框架"] --> A4["一周只为3行核心逻辑"]
A5["agent黑盒自己跑"] --> A6["炸了才知道波及谁"]
end
subgraph 新["这三把刀：AI 围着你转"]
B1["AIFunc<br/>prompt当函数包"] --> B2["import即用 mock零成本"]
B3["CodeRadius<br/>代码画架构图"] --> B4["合并前就知道爆炸半径"]
B5["Argutum<br/>你的prompt是矿"] --> B6["AI反过来付你钱"]
end
A2 -.反转.-> B6
A4 -.反转.-> B2
A6 -.反转.-> B4
style 新 fill:#0d2b1a,stroke:#34C97B,color:#fff
style 旧 fill:#2b1115,stroke:#CD7F32,color:#fff
| 维度 | 大多数人以为的 | 这周海外已经在用的 |
|---|---|---|
| 加 AI 功能 | 必须上 Dify/扣子，学编排、写胶水 | AIFunc：aifn install 一个包，import 就用，mock 零成本 |
| prompt 复用 | 复制粘贴、存笔记、各写各的 | AIFunc：prompt 打包成 Git 仓库，像 npm 包一样版本管理、PR 审查 |
| 跨仓库重构 | 全局搜索 + 脑补波及面 | CodeRadius：cr blast 秒算爆炸半径，SPOF 直接标红 |
| agent 改代码 | 让它自己猜依赖关系，经常改崩 | CodeRadius：cr mcp configure 把架构图喂给 Cursor/Claude Code |
| AI 聊天 | 我付月费给平台 | Argutum：高质量提问反过来给我打钱 |
| prompt 价值 | 用完即弃 | Argutum：prompt = 可定价的训练数据资产 |
| ## 七、行动指南（今晚就能动手） |
按性价比和上手难度排序，给你三步可执行路径：
【10 分钟 / 零成本】先把 AIFunc 当"prompt 整理箱"用起来。
brew install aifn，把团队里散落的摘要、分类、抽取 prompt 用 aifn create 各打成一个小包，丢进一个私有 Git 仓库。光这一步，你团队的 prompt 就从"复制粘贴黑魔法"变成了"有版本、能 review、能跨 TS/Python 复用"的资产。
【半天 / 周末项目】给一个你最熟的多仓库项目跑一次 CodeRadius。
npm i -g coderadius → cr analyze <你的仓库> → cr ui 看那张图。重点看它标出来的 SPOF（单点故障） 和爆炸半径——八成会挖出你不知道的隐患。然后 cr mcp configure 接到你的 Claude Code/Cursor，下个让 agent 改代码的活，先让它读图。
【副业试水】把 Argutum 当"提问练习场"。 注册体验它的 5 维打分（complexity/novelty/structure/depth/expertise），把它当成提升自己 prompt 质量的免费教练——哪怕不图那点钱，知道"什么样的 prompt 被评为 Platinum"本身就是认知升级。注意别聊敏感内容。
别再问"我怎么把 AI 用起来"，这周海外在问的是"怎么让 AI 适配我已有的东西"。函数化（AIFunc）、地图化（CodeRadius）、资产化（Argutum）——三个动作，都在把 AI 从"被供奉的魔法"拉回"听话的零件"。
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。
rm 被沙箱拦截，未清理（不影响交付）[!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。