首页 › new-tools › 别让AI做完就忘：本周三把沉淀刀

今天是2026年7月8日。我扒了Hacker News当天的Show HN新榜，发现一个反常信号:这一批AI新品几乎没人卷"生成",全在卷"记忆"。海外开发者终于想明白一件事——AI最大的浪费,不是token,是"做完就忘"。你跟Claude Code磨了一晚上调通的技巧,第二天开新会话它全忘了;你精心配的agent,改一版就不知道改了啥;你的产品,用户去ChatGPT问的时候根本不出现。今天这三把刀,分别砍向这三种"遗忘"。它们都是几小时前刚上线、国内零报道的真·时间差。

一、skill-extractor:把你跟AI的对话,蒸馏成可复用的技能文件

链接:https://github.com/surenode-ai/skill-extractor 状态:开源,1小时前刚提交,v0.4前天刚独立发布,4 star(还在涨)

这个工具的作者在README里写了段大实话,我直接翻译过来——

"我老是在跟我的coding agent重复同样的话:说完之前先跑测试、别在并行测试里写死端口、复用我们之前调好的修复。但到了下一个session,这些规律全没了。Skill能解决这个,但干完活再手写一个skill,这种额外工作大部分人直接跳过。"

它解决的是一个被所有人忽略的浪费:你用Claude Code/Codex CLI干的活,本质上是一次性的。会话一关,那些"踩坑经验""偏好设置""防翻车护栏"全蒸发。skill-extractor干的事,是把这些对话记录(transcript)自动挖出来,变成可复用的SKILL.md文件。

它怎么干(这是最值钱的部分):

安全模型写得极其认真(这点国内开源工具基本没有):本地读取和分段,状态文件0600权限;默认开启secret脱敏(私钥/JWT/AWS key/bearer token在送给模型前先[redacted]);想零外泄,把backend指向本地ollama就行——免费且数据不出门。每个要安装的skill还过一遍risk lint(检测pipe-to-shell、读凭证文件、关安全开关、外传数据形状、隐藏持久化、prompt injection措辞、大范围删除命令)。作者原话:"安装一个skill更像合并代码,而不是关掉一个通知。"

成本:空闲时零LLM调用(用字节游标+指纹只扫新内容);挖掘时单次最多8次模型调用。用claude CLI backend走你的Claude订阅,用ollama则完全免费。

为什么值得关注:这是把"一次性对话"变成"复利资产"的工具。对个人,重复的修复变可复用skill;对团队,它能产出可review的共享技能目录。

国内对比:国内讨论Claude Code的热度很高,但99%的讨论停在"哪个模型强""怎么写prompt"。几乎没人意识到——agent真正的护城河不是模型,是它沉淀下来的、属于你自己的skill库。这个认知差至少领先半年。

适用人群:重度Claude Code/Codex用户、有团队的工程负责人、任何被"agent老是忘事"折磨的人。

二、Kastor:用Terraform的方式,治理你的AI agent

链接:https://github.com/weirdGuy/kastor 状态:开源(Go),7小时前提交,31 points / 17 comments(本批讨论度第二高)

如果你写过Terraform,看一眼Kastor就懂了。它把基础设施即代码(IaC)那套方法论,原封不动搬到了AI agent治理上。

核心理念:用一个agent,在Kastor里是这样声明的——

agent "weather" {
  description  = "Answers weather questions for a location and date"
  model        = model.fast
  system_prompt = prompt.weather_system
  tools        = [tool.web_search]
}

然后你跑的是这套熟悉得不能再熟悉的命令:kastor plan / kastor apply / kastor destroy。

它的杀手锏:

计划中(v0):hosted平台provider,先支持OpenAI Assistants,再上AWS/Azure。也就是说,以后你能用同一份HCL spec,plan/apply到不同平台。

成本:工具本身免费开源,Homebrew一行装。运行示例需要OpenAI key和Tavily key。

为什么值得关注:agent的配置正在变成"基础设施"。今天大家还是手写Python/手点控制台配agent,改了啥全靠记忆,回滚靠git revert整个仓库。Kastor把"agent配置"提升到可git diff、可plan预览、可回滚、可drift检测的工程品级。 对于从运维/平台工程转过来的人,这是降维打击——你十年的Terraform经验直接复用。

国内对比:国内做agent平台的不少,但绝大多数把配置焊死在代码和Web控制台里,没有"声明→预览→应用→漂移"这套IaC心智。这又是个方法论级的信息差。

适用人群:SRE/平台工程师、agent平台团队、任何要在多环境/多平台管一堆agent的人。

三、AgentScore:你的公司,ChatGPT会推荐吗?

链接:https://www.tryagentscore.com 状态:免费、无需注册、30秒出结果,54分钟前刚上线

前两把刀是"让AI记住东西",这把是反过来——让AI记住你。这就是GEO(Generative Engine Optimization,生成式引擎优化),2026年SEO的接班人。

你输入三样东西:网站URL、业务类型(比如"物理治疗诊所""SaaS工具")、所在地。它替你跑一批真实的客户问题,看ChatGPT/Perplexity/Gemini这类AI搜索引擎在回答时会不会推荐你的业务,最后给你一个分数、一个"最大可见度缺口"和一句大白话的下一步建议。

为什么这玩意儿突然重要:流量正在从"搜索框"迁移到"AI回答框"。以前用户搜"上海最好的肛肠科",看的是百度排序;现在越来越多用户直接问AI,AI直接给答案——如果你的产品不在AI的"推荐列表"里,你就从市场上消失了,而且你根本不知道自己消失了。传统SEO工具(Google Search Console、Ahrefs)测的是"关键词排名",完全测不到"AI推不推荐你"。AgentScore填的就是这个盲区。

成本:目前完全免费、不注册、隐私优先、不卖数据。对一个刚上线54分钟的工具,这价格没法更好。

为什么值得关注:GEO是2026年最被低估的新流量入口。海外已经有人专门做"GEO优化咨询",国内几乎没人提这个词——大家还在卷小红书种草和百度SEO。

国内对比:国内基本没有GEO概念和工具。但中国用户应该比谁都急——AI搜索(夸克AI、豆包、Kimi搜索)正在蚕食传统搜索,你的品牌在不在AI嘴里,直接决定下个季度还有没有新客。

适用人群:任何有产品/品牌/门店的人,市场负责人,独立开发者,做本地生意的小老板。

这三把刀,其实堵的是同一条裂缝

它们对应"AI交互的三种系统性遗忘"。下面这张图说清楚了——

flowchart LR
    A[你跟AI的一次交互] --> B{三天后还剩什么?}
    B -->|对话里的经验| C[技能遗忘]
    B -->|agent的配置| D[配置散落]
    B -->|品牌被AI认知| E[AI不认识你]
    C --> F[skill-extractor<br/>transcript → SKILL.md]
    D --> G[Kastor<br/>HCL声明 + plan/apply]
    E --> H[AgentScore<br/>检测AI搜索可见度]
    F --> I[可复用·可审计·可版本化的<br/>AI记忆资产]
    G --> I
    H --> I
    style I fill:#d4edda,stroke:#28a745

一句话总结这次的信息差:海外这一周,把AI从"用完即弃的工具"重新定义成了"需要被经营的记忆资产"。

信息差对照表

维度 你以为的 别人(海外)已经在做的
agent对话记录 用完就丢的垃圾 skill-extractor:蒸馏成可复用SKILL.md资产
agent配置 手写Python、点控制台 Kastor:HCL声明式 + plan/apply/drift检测
你的品牌曝光 盯百度/Google排名 AgentScore:测AI搜索推不推荐你(GEO)
AI最大浪费 token太贵 最大的浪费是"做完就忘"
用Claude Code的姿势 每次重新教agent 沉淀技能库,越用越快

行动指南(按优先级)

  1. (5分钟)先测GEO——打开 tryagentscore.com,输入你公司/产品/个人站,30秒看AI推不推荐你。这是最便宜的"市场存在感体检",很可能结果会让你冒冷汗。
  2. (1小时)装skill-extractor——./install.sh或python3 engine/extractor.py --loop 1800(每30分钟挖一次)。重点:配config.json把敏感项目加进exclude_projects,backend优先指向本地ollama,零外泄。
  3. (给运维同学)玩Kastor——brew install kastor,跑weather示例感受plan/apply,然后想想你手头那些散在代码里的agent能不能改成HCL声明式。
  4. 建立你的"AI资产"心智——从今天起,每次agent帮你调通一个棘手问题,问自己一句:这能不能沉淀成一个skill,下次直接用?

参考来源

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

本轮采集说明(本轮 WebSearch/webReader 配额已于 7/18 重置前耗尽,故全程改用独立 Playwright 引擎抓取): - 数据源:Hacker News 当日(2026-07-08)Show HN 榜一手抓取 + 3 个工具详情页 - 完成内容:Round 6 / new-tools,标题《别让AI做完就忘:本周三把沉淀刀》,正文 2400+ 字,含 1 个 Mermaid 流程图、信息差对照表、行动指南、5 条参考来源 - 主推工具:skill-extractor(对话→技能)、Kastor(HCL声明式治理agent)、AgentScore(GEO/AI搜索可见度)

下一步建议

注意事项

[!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

📎 本分类最新文章