HN今日4个新工具：白嫖AI全栈课，语音2美分

导语： 过去24小时，Hacker News上悄悄冒出一批新工具：有人把整条AI工程师学习路线做成了免费Colab笔记本（连信用卡都不用绑），有人给Agent的“联网搜索”装上了路由器和行车记录仪，还有人把电话语音Agent的成本打到2美分/分钟。这些项目目前Star数还很低、国内没有任何中文报道——这正是信息差最值钱的时候。本文带你逐个拆解：是什么、多少钱、为什么值得现在就上手。

一、AI Engineer Notebooks：一个GitHub仓库，装下整条AI工程师成长路线

链接： https://github.com/calmrocks/ai-engineer-notebooks 热度： 8月27日登上HN首页，49分 价格： 完全免费（MIT协议），全流程跑在Groq免费API上，无需信用卡

这是今天最值得收藏的项目。作者是位转型AI Engineer的后端老兵，把“应用LLM工程师/前置部署工程师（FDE）”这个岗位所需的全部技能，做成了12个章节、几十个可直接在Google Colab一键运行的Jupyter笔记本。

它和市面课程的三个本质区别：

1. 故意不用框架。 Agent循环、RAG、评估全部用裸API手写——先搞懂LangChain/LlamaIndex到底替你干了什么，再决定要不要用它们。作者的原话是：“模式是耐久的，包装层会不断更迭。”
2. 评估（Evals）是主线。 从第2章开始，“先测量、再调优”的习惯贯穿每一章——这是“搭过生产系统的人”和“只会做Demo的人”的分水岭。
3. 三个真实案例研究收尾： 一个在生产环境里被debug的客服助手、一场“流水线 vs Agent”的成本对决、一个红队鲁棒性基准（攻击者→目标→裁判的PAIR循环）。

学习路径一览：

flowchart LR
    A[00 环境·成本管控] --> B[01 模型API<br>提示词/结构化输出/工具调用]
    B --> C[02 评估I<br>黄金集·指标]
    C --> D[03 RAG<br>检索·重排·分块]
    D --> E[04 评估II<br>LLM裁判·回归测试]
    E --> F[05 Agent<br>裸写循环/护栏/MCP/Skills]
    F --> G[06 微调<br>LoRA vs RAG vs 提示词]
    G --> H[07 安全<br>提示词注入]
    H --> I[08 运维<br>可观测·降级·MLflow]
    I --> J[09 推理服务<br>vLLM/TGI/Triton]
    J --> K[12 案例+毕业项目<br>写进简历的仓库]

国内对比： 国内同类内容要么是¥1999的“AI工程师速成班”，要么是碎片化公众号文章。这个仓库把ML系统设计面试（QPS/显存/延迟估算）、客户需求拆解（FDE独门手艺）都覆盖了，而且是可运行的代码而非PPT。想转型AI应用层的朋友，这就是目前全网性价比最高的免费路径。

适用人群： 想从后端/全栈转型AI应用工程师的人；准备外企或海外远程岗位面试的人；带团队做LLM项目、需要给新人搭培训体系的技术负责人。

二、Telem：给Agent的联网搜索装上“路由器+行车记录仪”

链接： https://telem.ai 热度： 8月27日Show HN，8分 价格： 平台费$0——只按上游搜索服务商的原价收费，送$20免费额度（约4000+次查询）

这个项目解决一个所有做Agent的人都踩过的坑：你的Agent跑砸了，到底是模型笨，还是搜索结果烂？

作者是位做过信息检索的风投从业者。他给日常工作搭一个尽调Agent，第一版很拉胯，换了DeepSeek、Kimi、Qwen、改了几十版提示词都没用。后来他不看最终答案、改看执行轨迹才发现问题五花八门：有时是搜索服务商数据太旧导致Agent反复搜同一个查询；有时是检索结果本身就是错的；有时第1分钟就已经跑偏、却白白跑了10分钟才吐出一堆废话。

于是他做了两件事：

1. 搜索/抓取开放路由器：一个API网关聚合Exa、Parallel、Tavily、Brave、Linkup、SerpAPI等十几家搜索服务商，可单发可并发，返回统一格式；
2. 搜索可观测性：Agent（含子Agent）的每一次搜索都被记录轨迹，由评估器给相关性、多样性打分——一眼定位“是搜索的问题还是推理的问题”。

flowchart TD
    A[你的Agent发起搜索] --> B[Telem 路由网关]
    B --> C1[Exa]
    B --> C2[Tavily]
    B --> C3[Brave]
    B --> C4[SerpAPI]
    B --> C5[其他N家]
    C1 & C2 & C3 & C4 & C5 --> D[统一格式返回]
    D --> E[质量评分轨迹<br>相关性 / 多样性]
    E --> F{问题定位}
    F -->|搜索分低| G[换搜索服务商]
    F -->|搜索分高但答案烂| H[换模型/改提示词]

为什么值得关注： Agent基建正在从“拼模型”转向“拼底层供给质量”，搜索路由就是明年大概率会卷起来的赛道。而它$0平台费的打法直接对标OpenRouter的加价模式——官网原话：“routing、tracing、observability控制台不额外收费，上游费率永远原价。”对预算敏感的独立开发者非常友好。

国内对比： 国内做LLM网关的项目（如各类One-API分支）几乎都聚焦在模型路由上，还没有人认真做“搜索路由+质量归因”这一层。做Agent产品的团队可以直接借鉴这个思路自建。

上手： 官方提供一行安装脚本 curl -fsSL https://docs.telem.ai/alpha_install.sh | sh（alpha阶段，生产使用请自行评估）。

三、ThunderPhone v2：电话语音Agent，最低2美分/分钟

链接： https://thunderphone.com 热度： 8月27日Show HN 价格： 三档：Spark 2¢/分钟（创始人称是市面最低）、Bolt 5¢/分钟（最快）、Storm 9¢/分钟（旗舰，加3¢可开启“增强智能”）

市面上大多数语音Agent还是“三段式流水线”：语音转文字 → LLM生成回复 → 文字转语音。这套架构的老毛病：转写丢信息且无法恢复、只能用不带思考的快模型导致对话降智、噪音环境下一言难尽。

ThunderPhone v2的思路是“缝合怪”，但缝得很聪明：

• 同时跑多个转写模型，甚至把音频直接喂给LLM，多重信号交叉降低错误率（对数据录入、多语言电话这类场景尤其明显）；
• 思考模型与非思考模型混用：简单问题秒回，复杂问题时AI会说“稍等，我想一下”——像真人一样管理对话节奏；
• 一大群小模型组成的蜂群专门处理“嗯嗯”“等等”这类该不该打断的判断，嘈杂环境和免提场景也能稳住。

据创始人在HN自述，Storm开启增强智能后在Big Bench Audio基准上做到99.4%准确率（该数据为厂商自述，未经独立验证）。

国内对比： 国内语音外呼厂商大多按分钟收￥0.3~1不等且按线路打包，2美分（约¥0.14）/分钟的定价基本是“打穿地板”。做AI客服、电话预约、智能语音信箱的团队值得拿它的免费credits测一轮——创始人Alex在帖子末尾留了邮箱 [email protected]，回复即可领取。

四、快速过一眼：今天还冒出这些

周边快讯（同一批HN列表里的大厂动向）： 据CNBC报道，Anthropic于8月27日发布帮助AI Agent操控实体机器的新标准；据Wired报道，OpenAI正在开发“持久化”AI Agent；另据Business Insider披露的内部备忘录，Meta内部Agent工具“Hatch”已能供员工使用。大厂集体从“聊天”转向“常驻执行”，和上面这批小工具的方向完全一致——Agent基建层正在被快速补齐。

信息差总结

行动指南

1. 今晚就做： 打开 github.com/calmrocks/ai-engineer-notebooks，注册一个免费的console.groq.com账号，把Key填进Colab secrets，跑完第1章（约30分钟）；
2. 本周内： 如果你在做Agent产品，用Telem的$20免费额度把现有Agent的搜索轨迹跑一遍，看看有多少次搜索质量分不及格——结果可能会让你意外；
3. 有外呼场景的： 邮件联系ThunderPhone要credits，用真实业务话术测Spark档的2美分/分钟到底够不够用；
4. 顺手收藏： Sandy和Apronagents两个仓库先Star，等你开始并行跑多个Agent时，它们能救你的代码库一命。

参考来源

1. HN Algolia实时检索API（本文全部条目的时间与热度数据）：https://hn.algolia.com/api/v1/search_by_date?query=AI+agent&tags=story
2. AI Engineer Notebooks仓库README：https://github.com/calmrocks/ai-engineer-notebooks
3. Telem官网（定价与产品线）：https://telem.ai/
4. ThunderPhone创始人在HN的发布帖：https://thunderphone.com
5. Sandy仓库：https://github.com/kontext-security/sandy

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。