## Agent长出手脚：本周四把没人转的新刀 如果你这一周还在刷"哪个模型又把跑分刷爆了"，那你已经慢了半拍。 翻翻 7 月 7 日到 11 日 Hacker News 真正被顶上首页的 AI 帖子，你会发现一个反常现象：**这一周几乎没人发新模型。** 被狂顶到几百上千分的，全是另一类东西——给 Agent 装"手脚"的工具。一个让 AI 当剪辑师逐帧剪视频，一个让 AI 改 Word 还省掉一半 token，一个让 AI 的爬虫不被 Cloudflare 封号，一个把任意网站变成干净结构化数据。 这篇就拆这四把基本没人往国内转的新刀，外加两个彩蛋。看完你会明白一个更大的信号：**海外已经不卷"大脑"，开始卷"最后一公里"了。** 而中国技术人手上的信息差，恰恰卡在这一公里上。 ### 先说个反常识：为什么这周这类工具突然扎堆？ 答案藏在四个工具的共性里——**它们要么直接说 MCP，要么自带一个 MCP server，要么按 Agent Skill 格式打包。** - FableCut：把整条视频时间线暴露成 JSON，对外说 MCP/REST； - Fortress：自带一个 **29 个工具的 MCP server**； - docx-cli：直接按 [Agent Skill](https://agentskills.io) 开放格式打包，Claude Code、Codex、Pi 都能直接读； - Context.dev：YC S26 新鲜出炉，定位就是"给 AI Agent 喂 Web 上下文"的 API。 翻译成人话：**MCP + Agent Skill 这套"插头标准"一旦成熟，模型驱动一个真实软件的成本就塌下来了。** 以前你想让 Agent 剪个视频，得自己写一整套胶水；现在只要你的工具暴露成 MCP，任何 Agent 都能像调函数一样调它。 这才是真正的信息差：**与其再训一个模型、再搭一个 Agent 框架，不如做一个"让所有 Agent 都能操控你这一行"的 MCP 工具。** 视频剪辑、改合同、爬数据，全是还没被占满的坑。 ### 第一把刀：FableCut —— 让 Agent 当剪辑师，逐帧剪视频 - **官网**：https://github.com/ronak-create/FableCut - **价格**：开源免费，MIT 友好；`git clone` 后 `node server.js`，开在 `localhost:7777` - **HN 热度**：95 分（7 月 9 日） 绝大多数"AI 视频"工具的套路是：你输一句 prompt，它黑箱吐一段片子。FableCut 把这个逻辑整个反过来——**项目文件就是接口。** `project.json` 描述了所有媒体、片段、轨道、特效、关键帧、转场，任何能写 JSON 的进程都能改视频，浏览器 UI 还会通过 SSE 在约 150ms 内热重载。**人和 Agent 可以同时改同一条时间线。** 它本身是个 Premiere 级的非线性编辑器：4 条视频轨 + 3 条音频轨、12 个一键滤镜、绿幕抠像、**浏览器内 AI 抠人像（MediaPipe）**、变速曲线（含导出音频的时间重映射）、17 种转场、动态字幕（打字机/逐字弹出/karaoke）、甚至能加载动画 SVG 当贴纸。 最骚的是 **"复刻参考视频"** 功能：丢一个你喜欢的 reel 给它，`node analyze.js ref.mp4`，它吐回一份"剪辑蓝图"——镜头切点、音乐 BPM、响度曲线、每段能量、drop 在哪，连参考视频的背景音乐都帮你抽出来塞进素材库，你拿自己的片子照着重剪。ffmpeg 做解码，节拍检测是纯 Node 实现，零额外依赖。 **对标国内**：可灵、即梦、剪映 AI 都是"prompt→成片"黑盒；剪映根本没有让程序逐帧操控时间线的接口。FableCut 这种"把时间线暴露给 Agent"的思路，国内一个对标品都没有。 **适合谁**：做短剧/带货切片/批量出片的团队，想把"剪辑"这一步变成 Agent 能跑的流水线。 ### 第二把刀：docx-cli —— 让 Agent 改 Word，还省一半钱 - **官网**：https://github.com/kklimuk/docx-cli - **价格**：开源免费；`bun add -g bun-docx` 或下载预编译二进制（带 SHA256 校验） - **HN 热度**：70 分（7 月 8 日） 这是这周四把刀里**最该被法务、合同、HR 关注**的一个，因为它顺带把账单也砍了。 默认 Agent 改 Word 的方式是：解压 `.docx`，手写里面的 OOXML。这要求模型够强、烧 token，而且经常生成 Word 打不开的损坏文件。docx-cli 反过来——给 Agent 几条**人话命令**加一份带标注的 Markdown 视图，让它永远不用去碰 XML。Agent 用**稳定定位符**（比如 `p3:5-20` 表示第 3 段第 5–20 字符）来定位，原地改 XML，自定义样式、主题色、嵌入对象全部存活。 作者做了一个硬核的 A/B 实测（6 个真实任务：填 NDA、填发票、改简历样式、合同红线、合同定稿、从零写期刊，同一个独立评委按 Word 渲染页打分，每档模型各跑 3 次）： | | Haiku（弱）docx-cli / 默认 | Sonnet（强）docx-cli / 默认 | |---|---|---| | 完成任务（满分6） | **4.3** / 0.7 | **6.0** / 4.0 | | token 消耗 | **2.4M** / 6.1M（**2.6×**） | **1.6M** / 3.6M（**2.2×**） | | 耗时 | **924s** / 1882s（2.0×） | **1175s** / 2029s（1.7×） | | 文件被搞坏 | **0** | 约 1 次/轮 | 最狠的一句：**默认技能的 36 份产出里，Word 有 5 份直接打不开；docx-cli 的 36 份全部一次打开成功。** 弱模型上的差距最大（约 6 倍），旗舰模型也追不平——默认技能在 Sonnet 上封顶 4/6，每次都输在合同红线和简历上。 它还支持"留批注 + tracked changes"，人最后在 Word 里点接受/拒绝。也就是说，**Agent 只提建议、人来拍板**——这正是法务/合同场景最需要的姿势。 **对标国内**：WPS AI、各种"AI 写公文"都是整篇重写；遇到"这份合同只能改三个字、还得留痕给人审"的场景，它们全废。国内没有一个把 Word 暴露成 Agent 命令行的工具。 **适合谁**：做合同审查、批量填表、简历/发票处理的团队；以及任何想用便宜模型（Haiku 档）干文档活的——光 token 这一栏就能砍掉六成。 ### 第三把刀：Fortress —— 让 Agent 的爬虫不被封号 - **官网**：https://github.com/tiliondev/fortress - **价格**：BSD-3 开源免费；`pip install -U tilion-fortress` 或 `docker run tilion/fortress:latest` - **HN 热度**：43 分（7 月 8 日） 做爬虫、做自动化、做 Agent 联网的人，最痛的就是**被 Cloudflare、被各种 bot 检测封**。市面上的"指纹浏览器""stealth 插件"基本都是在 JS 层打补丁，高级检测一眼看穿。 Fortress 的做法更狠：**直接在 Chromium 的 C++ 源码里改指纹。** 34 个单一职责的小补丁，让浏览器在指纹层面表现为一个正常的 Chrome 安装。所有被伪造的 getter，`toString()` 都老老实实返回 `[native code]`，而且跨主帧、iframe、Web Worker 都一致。 实测战绩（作者用 `tools/gauntlet.py` 跑的，有未剪辑录屏）：**CreepJS 检出 0% headless**，过 sannysoft 全绿，BrowserScan 读成 "Normal"，**真刀真枪过了在线的 Cloudflare Turnstile 挑战**。 工程上也很干净：nodriver 风格的原始 CDP 开在 `:9222`，**没有 `Runtime.enable` 泄漏**；TLS 的 JA3/JA4 形状和 user-agent、引擎栈保持自洽；每月 rebase 上游；版本可复现、过 "gauntlet" 才发版。你原来的 Playwright/Puppeteer 代码一行都不用改，换个浏览器指向它就行。 **对标国内**：做爬虫的多在用 `undetected-chromedriver`、比特浏览器、AdsPower 这类指纹浏览器/JS 注入方案。Fortress 在 C++ 层改，比 JS 注入稳一个量级，而且开源可审计。对做自动化采集、Agent 联网的人来说，这是降维打击。 **适合谁**：所有要让 Agent/爬虫去碰"有反爬的网站"的人——电商比价、舆情、自动化注册、数据抓取。 ### 第四把刀：Context.dev（YC S26）—— 把任意网站变成干净数据喂给 Agent - **官网**：https://www.context.dev - **价格**：付费 SaaS API（有免费额度），YC S26 新批 - **HN 热度**：115 分（7 月 9 日，Launch HN） 这是这周商业化最成熟、信号最强的一个——**YC 这一批投的就是"给 Agent 喂 Web 数据"这个赛道。** 一句话：抓取 + 爬取 + 结构化提取 API，专门为 AI Agent 设计。支持 markdown/HTML/sitemap/搜索/全站爬取，能用 **JSON schema** 从任意站点抽结构化数据。它还有几个别家没有的杀手锏： - **品牌数据**：logo、配色、字体、styleguide、公司描述、社交账号、地址——一行 API 拿走； - **Logo CDN / 图片抽取**：从任意 URL 拉图、logo、截图； - **分类**：NAICS、SIC 行业码、交易识别； - **网站变更监控（Monitors）**：盯一个网站，变了就通知。 客户案例很能说明问题：文档工具 **Mintlify** 用它把任意 GitHub 仓库 URL 变成一套带品牌的文档站，集成只花了不到 10 分钟；AI 客服平台 **SiteGPT 从 Firecrawl 迁过来**，一天搞定；学术工具 **Sourcely** 用它大规模爬期刊和 PDF，团队评价"比替代品更快更准"。 **对标国内**：类似 Firecrawl 的开源平替有 Crawl4AI；国内爬虫服务一大把。但 Context.dev 多了"品牌资源抽取"和"变更监控"这两个 Agent 圈刚需，加上 YC 背书和现成大客户，是"付费但省心"的那一档。 **适合谁**：做 RAG、做 Agent 联网、做企业信息 enrichment、做"输入一个网址就出一套品牌物料"产品的人。 ### 一张图看懂：一个 Agent 用这周的工具链怎么干完一单活 ```mermaid flowchart LR U[需求: 给某品牌做一条带货短视频] --> F[Fortress 闯反爬] F -->|不被封地打开目标站| C[Context.dev 抽数据] C -->|logo/配色/文案 结构化| D[docx-cli 写分镜脚本] D -->|留批注 给人审| V[FableCut 剪视频] V -->|Agent 逐帧剪时间线| O[成片 MP4] K[Kastor 用 HCL 声明式\n管理上面整条流水线] -.编排/版本/drift检测.-> F K -.编排.-> V style F fill:#ffe0e6,stroke:#d63384 style C fill:#e7f5ff,stroke:#1971c2 style D fill:#fff4e6,stroke:#e8590c style V fill:#ebfbee,stroke:#2f9e44 style K fill:#f3f0ff,stroke:#6741d9 ``` 这条流水线的关键：**每一步都是"Agent 能调用的真实工具"，而不是一句 prompt 黑箱。** 这就是海外这周在卷的方向。 ### 两个彩蛋（顺手收下） - **Kastor**（https://github.com/weirdGuy/kastor，33 分）：用 Terraform 的思路管 Agent——HCL 声明 `.agent/.tool/.prompt`，`kastor validate/build/plan/apply/destroy`，能生成 LangGraph 代码、做三路 diff 和漂移检测。还是早期 PoC，但"像管服务器一样管一堆 Agent"这个方向极有想象力。国内扣子 Coze、Dify 都是 UI 配置、没法 git 版本化，Kastor 正好补这块。 - **Lucid**（https://lucid.earthpilot.ai，33 分）："读模型的心"。用 Jacobian lens 逐层看模型在开口前脑子里装了哪些概念，能看见**模型明明想到、却没说出口**的东西。底层用的是 Anthropic 提出的 "J-space"（类全局工作空间）。想搞可解释性、想看模型"藏了什么"的研究者，这是个玩具级的好入口。 ### 信息差总结：你以为的 vs 海外这周在做的 | 维度 | 你在国内圈子里看到的 | 海外这周真正在卷的 | |---|---|---| | AI 视频 | 可灵/即梦"prompt→成片"黑盒 | FableCut：时间线暴露成 JSON，Agent 逐帧剪 | | AI 文档 | WPS AI 整篇重写 | docx-cli：原地改、留批注、省 2.5× token | | Agent 联网 | undetected-chromedriver 被封到怀疑人生 | Fortress：C++ 层改指纹，0% CreepJS 检出 | | Web 数据 | 自己写爬虫 + 清洗 | Context.dev（YC S26）：一行 API 拿结构化数据 | | Agent 管理 | Coze/Dify 拖 UI | Kastor：HCL 声明式 + plan/apply/drift | | 共性盲点 | 还在卷"哪个模型最聪明" | 在卷"让模型能操控真实世界的工具" | ### 行动指南：你接下来可以做什么 1. **今晚就装两个**：`docx-cli` 和 `Fortress` 都是开源、一条命令的事。先用 docx-cli 拿一份你手上的合同跑一遍"AI 留批注"，亲手感受 token 账单砍半；再用 Fortress 替换掉你爬虫里的浏览器，看 CreepJS 是不是归零。 2. **给团队定个规矩**：以后凡是让 Agent 碰真实软件（视频/文档/浏览器/数据库），**先问一句"有没有现成的 MCP / Agent Skill"**，别让模型从零手搓 XML 或写胶水。 3. **找你这一行的坑**：你是做财务的、做法律合规的、做电商的？把你这一行"人还在手动操作、但规则明确"的软件，包成一个 MCP 工具发出来——这周的趋势说明，**这类工具正处于"谁先做谁占坑"的窗口期**。 4. **盯紧 YC S26 这批**：Context.dev 只是开头，"给 Agent 喂真实世界数据/操作真实世界软件"是这批 YC 的明确主题，下半年会密集出。 ### 参考来源 - [Show HN: FableCut – A browser video editor AI agents can drive](https://github.com/ronak-create/FableCut) - [Show HN: Docx-CLI: agents read/edit Word docs using 1/2 the time and tokens](https://github.com/kklimuk/docx-cli)（含 A/B 实测：https://kklimuk.github.io/docx-cli/） - [Show HN: Fortress – a stealth Chromium so your agents stop getting blocked](https://github.com/tiliondev/fortress) - [Launch HN: Context.dev (YC S26) – API to get structured data from any website](https://www.context.dev) - [Show HN: Kastor – Terraform-style specs for AI agents](https://github.com/weirdGuy/kastor) · [Lucid — Read the machine's mind](https://lucid.earthpilot.ai) > 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） ### 注意事项 - **限流风险**：Z.ai 内置 web_search / web_reader 本周已耗尽配额；本文全部数据来自公共 API 直连，无第三方摘要失真，但若后续需要抓取登录态页面（如完整 Product Hunt 列表），需等额度恢复或换 web-access skill。 - **工具成熟度**：Kastor 自述为"早期 proof of concept"，建议在文中已如实标注，读者若用于生产需自行评估；其余四把（FableCut/docx-cli/Fortress/Context.dev）均有实测或真实客户背书。 - **去重确认**：已逐条比对近 3 天 70+ 已覆盖主题，本文主题（Agent 的"手脚/执行器"工具层 + MCP/Agent Skill 是爆发催化剂）与既有"Agent 看不见世界/断网/喂数据"（偏输入感知）、"MCP 长成平台"（偏协议本身）角度均做了明确区隔。 > [!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。