这期不聊模型、不聊榜单，聊四个海外圈热度在涨、但国内技术社区几乎搜不到像样中文教程的开源工具：Block（Square 母公司）开源的通用 Agent「Goose」、给设计师用的「Cursor」——Onlook、把 prompt 当函数写的 BAML，以及企业知识库 AI「Onyx」。它们的共同点是：开源、可自托管、免费起步，而且都卡在国内工具链的一个真空位置上。看完你至少能抄走两个进自己的工作流。
官网：block.github.io/goose ｜ GitHub：搜索 block/goose
Goose 是 Block（就是 Jack Dorsey 那家，Square 和 Cash App 的母公司）在 2025 年初开源的 AI Agent 框架。它的定位很微妙：不像 Claude Code 那样绑死一家模型，也不像 Manus 那样是云端黑盒——它是一个跑在你本地、随便接哪家模型的通用执行器。
核心能力：
goose 直接进交互模式，桌面版提供 GUI，适合不想碰命令行的人价格：完全免费开源。成本只剩你选的模型 API 费（本地模型则约等于电费）。
为什么是信息差：国内现在用 Agent 基本是两条路——要么排队等 Manus 的邀请码然后按量付费，要么在 Coze/扣子上搭流程但受制于平台的能力边界。Goose 是第三条路：能力上不封顶（MCP 生态随便扩展）、数据不出本机、成本自己控制。对一个出海小团队来说，把 Goose 接上 Ollama + Qwen，就是一个免费的内勤机器人。
国内对比：Coze 是"平台给你什么用什么"；Goose 是"你的机器上想要什么装什么"。前者上手快、后者天花板高。如果你有 Docker 和一台 16G+ 内存的机器，值得花一晚上试试。
适用人群：想自动化重复工作（整理邮件、抓数据、跑报表）的独立开发者；想给团队搭内部自动化但不想数据上云的后端工程师。
官网：onlook.com ｜ GitHub：搜索 onlook-dev
Onlook 的官方 slogan 就叫 "Cursor for Designers"。它解决的是前端协作里最老的一个扯皮问题：设计师改个按钮圆角，要经过"提需求→开发改代码→发版看效果"一整条流水线。
Onlook 的做法是把你的 React 项目跑起来后，直接在真实页面上可视化编辑：
localhost:3000）关键区别在这里：市面上大多数"设计转代码"工具（包括国内一票设计协同平台）生成的是一次性静态代码，而 Onlook 编辑的是你工程里活着的代码，改完就能上线。它还内置了 AI：选中元素用自然语言说"把这个区块改成三列卡片"，它调模型改代码。
价格：开源免费自托管；官方云服务/协作功能以 onlook.com 当前定价为准。
为什么是信息差：国内设计协同工具（即时设计、MasterGo、摹客）把功夫都花在"标注和交付"上，没人做到"设计师直接改生产代码"。对出海做独立产品的两三人小队——一人设计一人开发——这个工具能把"改一个字等半天"的沟通成本直接砍掉。
适用人群：独立开发者团队；接外包的前端（让客户自己在页面上指哪改哪）；想学 Tailwind 的新人（可视化改完看代码 diff，是最好的教材）。
官网：boundaryml.com ｜ GitHub：BoundaryML/baml
如果你写过调用 LLM 的业务代码，一定经历过这个场景：prompt 写在字符串里，返回的 JSON 靠 json.loads 硬解析，模型少输出一个字段，线上直接 500。BAML（Boundary Markup Language）就是冲着这个痛点来的——它把 prompt 变成有类型签名的函数。
写法大概是这个样子：
function ExtractResume(resume: string) -> Resume {
prompt #"
从下面这份简历里提取结构化信息：
{{ resume }}
"
}
Resume 是你定义的类型（BAML 语法，可生成 Pydantic / TypeScript 类型）。编译时它做三件事：
client 字段价格：开源免费（它收费的是企业版边角功能，个人用不到）。
为什么是信息差：国内讲 LLM 应用开发，教程清一色 LangChain，于是所有人都继承了 LangChain 的抽象地狱。BAML 代表的是另一条路线：prompt 是代码的一部分，该有类型、该能测试、该进版本管理。这个思路在国内社区（无论公众号还是掘金）都几乎没有成体系的介绍——你搜 "BAML" 中文结果聊聊无几，这就是时间差。
适用人群：在生产环境调 LLM API 的后端；被 LangChain 复杂抽象劝退过的人；做 AI 应用要跑 eval 的团队（配合测试面板做 prompt 回归）。
官网：onyx.app ｜ GitHub：搜索 Onyx（原名 Danswer）
很多老读者可能听过 Danswer——海外最火的 open-source 企业搜索 AI 项目之一，2025 年初改名为 Onyx。它干的事一句话说清：把公司散落在各处的文档连起来，让员工用一个聊天框问到答案，且答案带引用来源。
它最值钱的是连接器生态：Google Drive、Slack、Confluence、Jira、GitHub、Notion、网页爬虫……接上之后自动建索引、定时同步。员工提问时它做混合检索（关键词 + 向量）再交给 LLM 生成带出处的回答。模型同样随便换，支持本地部署——文档内容不出公司内网，这是和 SaaS 知识库产品最本质的区别。
价格：开源版免费自托管；企业版（SSO、权限审计等）需联系销售，价格以官网为准。
国内对比：MaxKB、Dify 的知识库功能国内用得很多，但 Onyx 的差异点在"连接器"——它天生是为用 Slack、Confluence、Google Drive 的出海团队设计的。如果你所在团队协作工具全套 Google 系，Onyx 几乎是唯一开箱即用的开源选择；反之如果你的文档全在飞书语雀，MaxKB 更顺手。
适用人群：出海团队的工程负责人；给外企/remote 团队做内部工具的乙方；有"文档散落十个地方"大病的中型团队。
| 维度 | 你可能知道的 | 海外在用的 |
|---|---|---|
| 通用 Agent | Manus（云端闭源按量付费）、Coze（平台边界） | Goose（开源、本地、MCP 无限扩展） |
| 设计↔代码 | 设计协同平台只做标注交付 | Onlook 设计师直接改真实 React 源码 |
| LLM 应用开发 | LangChain 一把梭，prompt 是字符串 | BAML 把 prompt 变成有类型的函数+测试 |
| 企业知识库 | MaxKB/Dify（国内工具链） | Onyx：连接器生态+数据不出内网 |
flowchart LR
subgraph 设计端
A[设计师 Onlook<br>可视化改 React] -->|git commit| B[代码仓库]
end
subgraph 开发端
B --> C[BAML 函数化 prompt<br>类型安全+回归测试]
C --> D[生产 LLM 应用]
end
subgraph 运营端
E[Goose + MCP<br>自动化日常杂务]
F[Onyx 自托管<br>全公司知识问答]
end
D --> F
E -.->|抓取数据| C
一个三五个人的出海团队，四个工具正好填满"设计—开发—自动化—知识管理"四个空位，总软件成本接近零。
npm install -g @block-xyz/goose（或按 block.github.io/goose 的安装指引）装 Goose，接 Ollama 里的 Qwen 模型，让它帮你整理一次浏览器书签或邮件，感受"免费 Agent"说明：本文四个工具均为开源项目，具体版本功能与定价以各自官网实时页面为准；文中未标注的数字均不构成官方口径。
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。