首页 › new-tools › HN刚上线：猜命令、记屏幕、按秒租VM

HN刚上线：猜命令、记屏幕、按秒租VM

导语：9月1日前后，Show HN 上冒出一批很有意思的新工具，国内社区几乎还没人提。这篇文章挑三个最实用的拆给你：一个让你在终端里“说人话就出命令”的 Rust 小工具 Watn，一个把 Rewind/Microsoft Recall 的“屏幕记忆”搬到普通电脑上全本地跑的开源项目 Clippy Vision，还有一个自称"Sandbox 界的 OpenRouter"的按秒计费 VM 聚合 API Reachpad Router。三个工具分别解决三个高频痛点：命令记不住、上下文说不清、算力不好租。全部免费或近乎免费，看完就能上手。

工具一：Watn — 在 shell 里按 Ctrl-W，把"人话"变成命令

一句话：你在终端里把想干的事直接敲进命令行，按 Ctrl-W，它把这句话替换成一条真正能跑的命令。

官网/仓库：https://github.com/buster/watn （已发布到 crates.io，cargo install watn 即装）
价格：工具本身开源免费（GPL-3.0），成本只有背后 LLM API 的 token 费。默认走 OpenRouter，默认模型是 claude-haiku 的 nitro 档——也就是说，日常查一条命令的成本不到一美分。
上线时间：2026年9月1日出现在 Show HN（作者 buster，帖子 ID 49518777）。

它解决了什么：你肯定遇到过这种时刻——"git 里怎么列出历史上最大的5个文件？""ffmpeg 怎么递归把 flac 转 mp3？"以前你要么翻 tldr，要么开网页问 ChatGPT 再复制回来。作者原本用 Kagi 的 ask 工具，发现停更了还绑死 OpenRouter 的固定模型列表，干脆自己写了一个 Rust 版。

最狠的一个设计是 Ctrl-W：在当前 shell 提示符下按 Ctrl-W，你敲的"find the top 5 largest files ever committed in this git repository"直接被替换成：

git rev-list --objects --all | git cat-file --batch-check='%(objecttype) %(objectsize) %(rest)' | sed -n 's/^blob //p' | sort -rn | head -n 5

回车即执行，不离开终端，不切窗口。

其他值得知道的点：

模型分层：watn -1 小模型（快、便宜），-2 常规，-3 思考型模型（适合"debug 这段 strace"这种复杂问题）。配置向导 watn setup 里三个档位各选一个模型，按问题难度切换，省钱逻辑和国内教程常讲的“路由分层”完全一致。
执行模式：加 -x 参数，生成命令后先问 Execute now? [Y/n] 再执行，适合 rm 这类危险操作。执行走的是 sh -c，行为可预期。
支持 stdin：printf "find all rust source files" | watn 也能出命令，方便脚本化。
回答模式：如果输入是疑问句而不是任务（“这个报错什么意思”），它直接回答而不是硬给一条命令。
换供应商：默认 OpenRouter，也支持 OpenAI 兼容端点。国内用户可以把 endpoint 指向任何 OpenAI 兼容的中转或本地 Ollama/vLLM，配置在 ~/.config/watn/config.toml，一个 TOML 文件全搞定。

和国内方案的对比：国内教程教得多的是装 tldr/cheat.sh 查静态模板，或者开网页问 DeepSeek/ChatGPT 再手动粘贴。Watn 的差异点是“零窗口切换 + 按难度分层调模型 + 本地校验配置”，体感接近给 shell 装了个条件反射。由于支持 OpenAI 兼容端点，接国产模型 API 也完全可行。

工具二：Clippy Vision — 普通电脑上的全本地“屏幕记忆”

一句话：它安静地记录你屏幕上发生的一切（活动窗口、剪贴板、打字节奏、截图），全部在本地用 Ollama 处理，之后你问“我周二下午在干嘛”，它能给出跨应用的完整还原。

仓库：https://github.com/protocorn/clippy-vision （MIT 协议，当前版本 v1.2.2，支持 Windows 10/11 和 macOS 双架构）
价格：完全免费开源，无 API Key、无云服务、无订阅。成本是一次性下载约 4.7GB 的 qwen3:8b 模型。
硬件门槛：最低 8GB 内存 + 核显就能跑（官方最低配），推荐 16GB 内存 + 4GB 显存；安装向导会先体检你的机器，不达标直接拦截。这正好补上了 Microsoft Recall 只能跑在 Copilot+ PC（带 NPU）上的遗憾——普通电脑现在也有开源平替了。

它的技术架构值得细看，因为这基本是一份“个人记忆 Agent”的开源参考实现：

flowchart TD
    A[后台捕获进程<br>窗口/剪贴板/打字节奏/截图] --> B{三级事件分类}
    B -->|Tier 0 规则| C[过滤系统进程等噪音]
    B -->|Tier 1 特征打分| D[打字偏离度/新颖度/剪贴板长度]
    B -->|Tier 2 LLM 兜底| E[qwen3:8b 判断 INTERESTING]
    E --> F[事件表 events<br>保留7天]
    F --> G[每60秒会话摘要<br>10分钟窗口合并]
    G --> H[会话表 sessions<br>保留90天]
    H --> I[每5个会话蒸馏一次长期事实<br>0.75余弦相似度聚类]
    I --> J[记忆簇 memory_clusters<br>永久保留]
    J --> K[提问时: MiniLM路由器分流<br>+ ReAct Agent 调工具检索]

几个对开发者特别有参考价值的设计：

三级分类省算力：不是什么都喂给 LLM。规则秒筛 → 特征打分（低于4分丢弃、高于7分保留）→ 中间地带才让 8B 模型裁决。自己搭任何“监听型” AI 应用都该抄这套。
屏幕取词不走视觉模型：优先用无障碍 API 读窗口文本，读不到才降级到 RapidOCR。官方明确说捕获链路里没有视觉模型——这是低配电脑能跑的关键。
分层记忆 + TTL：原始事件只留 7 天，摘要留 90 天，蒸馏出的事实永久保存。既控制了 SQLite 体积，又保留了“长期记忆”。事实之间有冲突时存进 memory_conflicts 表交给用户裁决，而不是悄悄覆盖。
隐私设计：自己的窗口在任何截图里先打码；数据全部留在本机 127.0.0.1；唯一的外联是每 12 小时检查一次 GitHub 更新，可在设置里关掉。
查询路由：一个微调过的 MiniLM-L3 小分类器先把问题分成 5 类（时间锚定/主题搜索/精确回忆/记忆问答/闲聊），并行预取上下文后再调 LLM。用 3 亿参数的小模型省掉大模型的工具调用回合，这是很聪明的省钱架构。

怎么和 Claude/ChatGPT 配合：官方的定位很清楚——Clippy 负责“还原你干过什么”，把还原出来的上下文粘给 Claude 做深度推理。它不抢云端模型的位置，补的是“你的个人活动史”这个谁都没有的上下文缺口。国内做“AI 工作日志”“数字分身”方向的同学，这个仓库比大多数教程都值得读。

适用人群：经常“我记得我看过一个东西但找不到”的研究者/开发者；想本地合规记录工作痕迹的自由职业者；以及想学习个人记忆系统架构的 Agent 开发者。

工具三：Reachpad Router — 给 Agent 用的“按秒计费 VM 聚合器”

一句话：一个云 VM 的 API——你只说"2核4G、us-west、最多花1.5美元"，它跨供应商找最便宜的一台开机，按秒按原始成本计费，TTL 到点或 DELETE 一发就自动销毁。

官网：https://reachpad.dev/router （API 基址 https://router.reachpad.dev/v1）
价格模式：按秒计费，价格是“原始供应商成本价”，只在充值时收一次 5% 手续费；支持 USDC 走 x402 协议支付（最低充 1 美元），也支持信用卡——网页登录注册送 5 美元免费额度，够白嫖不少次实验。
上线时间：2026年9月1日以 "OpenRouter for Sandboxes" 之名登上 Show HN（帖子 ID 49517909）。

为什么值得关注：现在海外 Agent 开发的标配是“模型层用 OpenRouter 一个 Key 调全场，执行层用 E2B/Daytona 这类沙箱”。但沙箱层的选型和比价还是手动活。Reachpad 把执行层也做成了聚合路由：

声明式开机：POST /v1/machines 只填 cpu/ram_gb/disk_gb/region，可选 ttl_seconds（默认4小时）、max_spend（花到即销毁）、max_rate（时薪上限过滤供应商）。也就是说，成本上限是开机参数的一部分，Agent 不可能失控烧钱——这个设计比多数云控制台都先进。
无 SSH 也能跑命令：access 选 exec，直接 POST /v1/machines/:id/exec 发一条 shell 命令，stdout/stderr/退出码原样返回（超时上限600秒）。给 Agent 用时连密钥管理都省了。
暴露端口：POST /v1/machines/:id/ports 可以把 3000/8080 之类的 HTTP 端口暴露成公网 bridge URL，临时 demo 一条命令搞定。
为 Agent 原生设计：官网首页放的不是注册按钮，而是一条 set up https://reachpad.dev/router/skill.md——把 SKILL.md 喂给你手头的 Agent，它就能自己完成开机器、执行、销毁全流程。client_ref 幂等参数还能防止重试时重复开机器。
区域覆盖：目前 us-west / us-east / eu-central 三区，对国内用户访问美西延迟尚可，拿来跑爬虫、编译、临时数据任务够用。

和国内方案的对比：国内云厂商的按量付费 ECS 起步按分钟/小时计，且要先自己选实例规格、配安全组；海外主流沙箱如 E2B 验证了“按秒计费 + API 开机”的模式，但通常绑定自家资源池。Reachpad 的差异在跨供应商比价 + 成本价转售 + 花费上限写进 API 参数 + x402 加密支付这套组合。需要提醒的是：它很新，稳定性未经大规模验证，生产环境慎用，拿来给 Agent 跑临时任务正合适。国内用户还需注意 USDC 支付的合规与渠道问题，建议直接走信用卡 + 免费额度路线。

顺带一提：同一天 Show HN 上还有这几个

Strunk（https://strunk.io）：让 Claude 直接修改 Google Docs 且不打乱批注——做英文内容协作的可以试试。
PromptLab（https://github.com/timgioh/PromptLab-Local-First-LLM-Prompt-Testing-in-Your-Browser）：本地优先的 Chrome 侧边栏，专门用来测试和对比 prompt，数据不出浏览器。
agents-workbook（https://github.com/softcane/agents-workbook）：给 Agent 一个“大声思考”的看板，实时观看它的决策过程——调试多步 Agent 时很好用。
Compute.cheap（https://compute.cheap/）：自称全球最便宜的 H100/H200 算力聚合页，租卡前可以拿来比价。

信息差总结

维度	你以为的	实际情况
终端命令	只能查 tldr 或问网页版 ChatGPT	Watn 按一下 Ctrl-W 原地替换成可执行命令，还分三档模型省钱
屏幕记忆	只有 Rewind/微软 Recall 这种商业方案	Clippy Vision 全开源本地跑，8GB 内存机器就能用，MIT 协议随便改
给 Agent 租算力	手动选机型、按时计费、怕烧钱	Reachpad 声明式开机，成本上限写进 API，按秒按成本价计费，TTL 自动销毁
上手成本	新工具一般要付费或排队	三个全部当天可用：cargo install / 下载安装包 / 送5美元额度

行动指南

今天就能做：cargo install watn，配一个 OpenRouter 或任意 OpenAI 兼容端点，跑 watn setup，把 Ctrl-W 绑上，体验一次“说人话出命令”。
本周末做：下载 Clippy Vision（Windows/macOS 安装包自带向导，自动装 Ollama 和模型），让它记录你两天的工作，然后问它“我周四上午在查什么”——体验过一次跨应用记忆还原，你就回不去了。
下周做：把 https://reachpad.dev/router/skill.md 喂给你的 Claude Code/Codex，用送的 5 美元额度让 Agent 自己开一台机器跑一个真实任务（比如批量编译或数据清洗），感受声明式算力。
长期跟踪：把 protocorn/clippy-vision 仓库 star 下来，它的分层记忆和查询路由架构是做个人 Agent 必抄的作业。

参考来源

Watn 仓库与文档：https://github.com/buster/watn （Show HN 帖：https://news.ycombinator.com/item?id=49518777）
Clippy Vision 仓库 README（架构与隐私章节）：https://github.com/protocorn/clippy-vision
Reachpad Router 官网与 API 文档：https://reachpad.dev/router （Show HN 帖：https://news.ycombinator.com/item?id=49517909）
HN Algolia Show HN 实时列表（2026-09-01）：https://hn.algolia.com/api/v1/search_by_date?query=Show+HN&tags=story
Compute.cheap：https://compute.cheap/ 、Strunk：https://strunk.io

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