# 海外四件开源新货，国内还没人讲透 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。 --- ## 一、Goose：大厂开源的"打工人 Agent"，免费还能本地跑 **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： - **CLI + 桌面端双形态**：终端里 `goose` 直接进交互模式，桌面版提供 GUI，适合不想碰命令行的人 - **MCP 原生支持**：Goose 是最早把 MCP（Model Context Protocol）当一等公民的框架之一，接个 MCP server 就能操作浏览器、读 Google Drive、连数据库 - **模型随便换**：Anthropic、OpenAI、Gemini 都能接，也支持通过 Ollama 接本地模型——这意味着你可以用它跑 Qwen、DeepSeek，**零 API 成本** - **自动化执行**：给一个目标，它自己拆任务、调工具、验证结果 **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。 --- ## 二、Onlook：设计师直接改 React 代码，改完是真代码 **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： 1. 连接你本地的开发服务器（比如 `localhost:3000`） 2. 设计师像用 Figma 一样点选页面上的任意元素，拖拽改布局、改颜色、改文案 3. **所有改动直接以真实的 React + Tailwind 代码形式写回源码** 4. 改完 git commit，走正常发版流程 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）。 --- ## 三、BAML：把 prompt 当函数写，输出强类型解析 **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： ```baml 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： - **类型校验**：模型输出不符合 schema 会自动重试修复，而不是崩掉 - **多供应商一行切换**：同一个函数从 GPT 换到 Claude 换到本地模型，改一个 `client` 字段 - **可视化测试面板**：VS Code 插件里有 playground，左边改 prompt 右边看所有测试用例的输出对比，prompt 迭代像跑单测 **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）。 --- ## 四、Onyx：外企范儿的企业知识库 AI，开源可自部署 **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。 --- ## 简讯两条 - **tldraw Make Real**（makereal.tldraw.com）：在画板上手绘一个 UI 草图，圈一下，直接变成可运行的真实网页。 tldraw 团队的实验项目，开源。适合快速验证界面想法。 - **Dyad**（dyad.sh）：2025 年上线的开源本地 App 生成器——类似 Lovable/Bolt 的"描述即生成全栈应用"，但**跑在本地、自带密钥、数据不进别人云**。想玩 vibe coding 但不想把代码交给云平台的人可以试试。 --- ## 信息差总结 | 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 | ## 工作流全景 ```mermaid flowchart LR subgraph 设计端 A[设计师 Onlook
可视化改 React] -->|git commit| B[代码仓库] end subgraph 开发端 B --> C[BAML 函数化 prompt
类型安全+回归测试] C --> D[生产 LLM 应用] end subgraph 运营端 E[Goose + MCP
自动化日常杂务] F[Onyx 自托管
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。 ## 行动指南 1. **今晚可做**：`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" 2. **本周可做**：拿一个 React 练手项目接上 Onlook，让不会写代码的朋友试着改两版首页，验证协作流程 3. **本周可做**：把现有项目里最难维护的那段 prompt 用 BAML 重写成函数，配三个测试用例跑 playground，对比可维护性 4. **本月可做**：如果团队用 Google 系工具，Docker 起一个 Onyx，接上 Drive 和 Slack 跑一周，看团队提问率 ## 参考来源 1. Goose 官方文档：https://block.github.io/goose 2. Onlook 官网：https://onlook.com 3. BAML 官网与文档：https://boundaryml.com 4. Onyx 官网：https://onyx.app 5. tldraw Make Real：https://makereal.tldraw.com > 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。