首页 › new-tools › 今早爆火的3个AI新工具,一个比一个能打

今早爆火的3个AI新工具,一个比一个能打

导语

今天早上(2026-08-28),Hacker News 首页和 GitHub Trending 同时炸出好几个高质量新工具:一个号称“开源版 OpenRouter、还能把你的调用流量变成更好的模型”,一个一天涨了 4260 颗星的画图神器,还有一套全程零成本学完 LLM 工程师技能栈的免费课本。这三个工具国内技术圈几乎还没人写过,但每一个都能直接装进你明天的工作流。这篇文章给你:每个工具的官网链接、安装命令、价格、和国内同类产品的对比,以及适合谁用。看完至少省下一半的“画图、管模型、学 AI 工程”的时间成本。


工具一:Experiential —— 会“越用越聪明”的开源模型网关

官网/仓库:https://github.com/experientiallabs/experiential 热度:Show HN 发布仅 3 小时就冲到 76 points(HN 首页,2026-08-28),仓库当天更新

它是什么

一句话:一个开源的模型网关 + 路由器,让你通过一个 OpenAI 兼容 API 用上托管模型、自己的 API Key(BYOK)、本地模型,然后——这是最狠的一步——把你的生产流量变成一个针对“质量、速度、成本”优化过的自定义路由器,甚至微调出一个你自己的模型。

三个核心能力(来自官方 README):

  1. 统一 API:托管模型、BYOK、本地模型走一个 OpenAI 兼容接口,还兼容 Anthropic Messages 格式;
  2. 精细化管控:控制哪些用户、哪些 Agent 能用哪些模型、用于什么场景、能花多少钱(README 里默认就给身份设了 $50 的命令预算);
  3. 从流量里学出路由器:收集 OpenTelemetry trace,跑 exp build 就能基于你的真实用量模拟并优化出一套路由策略。

3 分钟上手

pip install experiential
exp   # 首次运行有设置向导,自动发一个一次性 key

export EXP_GATEWAY_KEY=...
curl http://127.0.0.1:8000/v1/chat/completions \
  -H "Authorization: Bearer $EXP_GATEWAY_KEY" \
  -H 'Content-Type: application/json' \
  -d '{"model":"opus-5","messages":[{"role":"user","content":"Help me"}]}'

注意那个 "model":"opus-5" —— 这是你自己起的公开别名,后端接什么模型随你换,上游模型换了客户端一行代码不用改。

进阶玩法(这是它和所有网关拉开差距的地方):

exp build support-agent      # 用你的 agent trace 构建模拟,优化路由器
exp optimize model support-agent  # 再用 Thinking Machines 的 Tinker 微调一个你own的开源模型

官方还放了一个公开的 terminal-tasks OTLP 数据集(HuggingFace 上),没有生产流量也能先跑通全流程。

价格

和国内同类工具对比

国内团队管模型用量,主流方案是 OneAPI / New API(渠道聚合+计费)或直接上 LiteLLM。它们解决的是“转发和记账”,但 Experiential 解决的是下一层问题:你的流量结构本身可以被优化。结合今天 HN 同时爆火的另一篇文章《Small Models Have Arrived》(calv.info,416 points)的观点——像 Segment 联合创始人 Peter 描述的,95% 的日常工作是"token spewer"型(响应快、推进事项),只有 5% 需要"IQ 180"的旗舰模型——路由器的价值就非常具体了:把便宜小模型用在 95% 的活上,旗舰模型留给 5% 的硬骨头,账单直接砍一个数量级。国内工具目前没有一个做到“从你的 trace 里自动学出这套分配策略”。

适用人群


工具二:Archify —— 一天 4260 星的“聊着天画架构图”Claude Skill

官网/仓库:https://github.com/tt-a1i/archify 热度:GitHub Trending 今日 +4,260 stars(总 22k+),今天全天增速第二名

它是什么

一个 Claude Skill:你用大白话描述系统或流程,它生成一张做工精细的技术图——输出是单个零依赖的 HTML 文件,浏览器打开就能切主题、复制到剪贴板、导出各种格式。支持 5 种图:

类型 适合画什么
Architecture 系统组件、云资源、服务边界
Workflow 审批链、CI/CD、工具调用、事故响应
Sequence API 调用链、缓存回源、鉴权时序
Data Flow 数据管线、PII 边界、数据血缘
Lifecycle 状态机、订单/部署/Agent run 生命周期

为什么它值得注意(而不只是“又一个画图工具”)

三个细节能看出作者功力:

  1. SVG 双主题自持:导出的 .svg 内嵌深浅两套 CSS 变量 + @media (prefers-color-scheme),贴进 GitHub README,读者切深色模式图会自己跟着切——不用再维护两张图用 <picture> 包起来;
  2. 4× 原生光栅化:v2.3 修掉了位图升采样的老 bug,PNG/JPEG/WebP 全部由浏览器在 4 倍源分辨率下原生渲染,投屏、打印都不糊;
  3. 聊天式迭代:“把 Redis 挪到左边”、“鉴权服务换成玫红”、“加个 Kafka”——改图像改代码一样自然。

怎么用(3 步)

# Claude Code 全局安装
unzip archify.zip -d ~/.claude/skills/

然后直接对 Claude 说:

用 archify 画一个 sequence diagram:
用户打开页面,前端请求 API,API 校验 JWT,读取 Redis,
缓存未命中则查 Postgres,返回结果并写入 trace。

生成 HTML 后按 T 切深浅色主题,按 E 打开导出菜单,Copy to clipboard 直接贴进 Slack / 飞书 / Notion / GitHub issue。

价格

MIT 开源免费。唯一门槛:需要 Claude Pro/Max/Team 订阅或 Claude Code(Skill 生态的运行环境)。

和国内同类工具对比

ProcessOn(模板好看但免费额度抠门)、draw.io(全能但手动拖拽累)、Mermaid(代码化但样式丑、导出糊)。Archify 的差异化:语义配色体系(前端青色、后端翠绿、数据库紫色、安全玫红,深浅色主题自动配套)+ AI 生成 + 单文件交付。写方案文档、答辩 PPT、技术分享的人,值得一试。顺带说一句,这个仓库 README 本身就是中文优先写的,对国内用户格外友好。

适用人群

后端/架构师(画设计文档)、技术管理者(画汇报图)、写技术博客的人、准备面试系统设计的人。


工具三:AI Engineer Notebooks —— 0 元学完 LLM 工程全栈,还是面试导向的

官网/仓库:https://github.com/calmrocks/ai-engineer-notebooks 热度:今天刚登上 HN 首页(Show HN 区),作者定位是 AI Engineer / FDE(Forward Deployed Engineer)技能转型

它是什么

一套可运行的 Colab 笔记本课程,覆盖从 prompt 工程到 RAG、Evals、Agent、微调、推理服务的完整应用层技能栈。三个设计决策让它和市面课程拉开差距:

  1. 故意不用框架:Agent 循环、RAG、评估全部先用裸 API 手写一遍——先搞懂 LangChain/LlamaIndex 到底替你做了什么,再决定要不要用它们。作者的原话:“模式是持久的,包装层是一直换的”;
  2. Evals 是主轴:“先测量再调优”的习惯从第二节贯穿到最后一节,这是“搭过生产系统”和“只做过 demo”的工程师之间的分水岭;
  3. 全程免费跑:所有笔记本跑在免费的 Groq API 上(无需信用卡),仅有的两个 GPU 主题(LoRA 微调、自托管推理)采用“概念优先 + 可选 Colab T4 附录”,且已在真实 T4 上验证过。

课程地图(12 个模块)

00 环境与成本卫生 → 01 模型 API(prompt/结构化输出/工具调用/流式/缓存)→ 02-04 Evals 三连(金标集、LLM-as-Judge、回归评估即 CI)→ 05 Agent(裸写循环、工具设计、护栏预算、MCP、Skills、Harness 工程)→ 06 微调 vs RAG vs Prompt 决策 → 07 提示注入与信任边界(OWASP LLM Top 10 实战)→ 08 可观测性与 LLMOps → 09 推理服务(vLLM/TGI/TensorRT-LLM 选型)→ 10 ML 系统设计面试 → 11 客户沟通手艺(FDE 差异化)→ 12 三个端到端案例 + 毕业项目。

上手只要 3 步

  1. 去 https://console.groq.com 免费领一个 API key(不要信用卡);
  2. Colab 里点任意笔记本的 "Open In Colab" 徽章;
  3. 左侧钥匙图标添加 GROQ_API_KEY secret,从头跑到尾。

价格与对比

方案 成本 内容
本项目 0 元(Groq 免费 API + Colab 免费 GPU) 12 模块 + 3 案例 + 毕业项目
国内某平台 AI 工程课 1000-3000 元 视频为主,动手环节少
海外某 MOOC LLM 专项 $49-79/月 偏理论,框架版本常过期

信息差就在这:国内知识付费还在卖“LLM 应用开发入门”的时候,海外已经把“面试导向 + 生产级调试案例”(案例 A 甚至包含一个‘上线后质量回退,你来诊断修复’的环节)做成免费开源了。

适用人群

想从后端/全栈转 AI Engineer 的人、准备 AI 岗位面试的人、带团队想统一工程方法论的 Tech Lead。



信息差总结

维度 你以为的 实际情况
模型网关 只能转发计费(OneAPI/OpenRouter) Experiential 能从你的 trace 学出省钱路由,BYOK 免费透传
画架构图 要么手动拖(draw.io)要么丑(Mermaid) Archify 聊天生成 + SVG 深浅色自适应 + 4× 清晰导出
学 AI 工程 要买千元付费课 免费 notebooks + 免费 Groq API + 面试导向全流程
信息时效 等国内公众号翻译 Show HN 3 小时 76 分、Trending 一天 4260 星,现在进场就是第一批

行动指南

  1. 今晚就做:pip install experiential,用官方公开数据集跑一次 exp build,感受 trace → 路由器的全流程(约 20 分钟);
  2. 本周做:下载 archify.zip 装进 ~/.claude/skills/,把你手头项目画成一张 Architecture 图贴进团队文档,代替下周的画图时间;
  3. 本月做:收藏 AI Engineer Notebooks,按 00→12 顺序每周啃 2 个模块,重点吃透 Evals 三连(02-04),这是面试和生产双收益的部分;
  4. 持续做:把 HN 的 Show HN 区和 GitHub Trending 加入每日晨读(各 5 分钟),新工具的窗口红利期通常只有 2-4 周。

参考来源

  1. Experiential 官方仓库(含 README 与 SETUP)— https://github.com/experientiallabs/experiential
  2. Archify 官方仓库(中文 README)— https://github.com/tt-a1i/archify
  3. AI Engineer Notebooks 官方仓库 — https://github.com/calmrocks/ai-engineer-notebooks
  4. Hacker News 首页(2026-08-28 快照,Show HN 排名与热度数据)— https://news.ycombinator.com/
  5. Small Models Have Arrived(calv.info,2026-08-26,小模型成本分析)— https://calv.info/small-models-have-arrived

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