# 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 ```bash 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）： ```bash 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 - **自托管**：Apache-2.0 开源，`pip install` 即用，零成本； - **托管版** platform.experientiallabs.ai：连接你自己的 OpenAI/Anthropic/Gemini/Azure/Bedrock/Fireworks/OpenRouter key 是**免费透传**，不赚差价； - 对比 OpenRouter 每笔请求约 5% 的抽成、LiteLLM Enterprise 按席位收费，这个定价对重度用户是真省钱。 ### 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 - Agent 产品开发者（多人多 Agent 调用，需要预算管控） - 模型用量大的创业团队（想压成本但不想手动调 prompt） - 想微调自有模型、又不想从零搭训练管道的团队 --- ## 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 `` 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） ```bash # 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。 --- ## 顺带一提：今天 Trending 上还有三个值得收藏的 - **DietrichGebert/ponytail**（113k stars）：“让你的 AI Agent 像屋里最懒的资深工程师一样思考——最好的代码是你永远不用写的代码”，治 Cursor/Claude Code 过度工程的一味药； - **calesthio/OpenMontage**（52k stars）：号称全球首个开源 agentic 视频制作系统，12 条制作流水线、100+ 工具、700+ agent skill，把编码助手变成视频工作室； - **freestylefly/awesome-gpt-image-2**（22.7k stars）：530+ 个 GPT-Image-2 案例逆向工程出的提示词引擎与模板库，中文项目，还提炼成了 Skills。 --- ## 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。