翻这周 Hacker News 的 Show HN 新品流，我注意到一个明显的拐点：前排已经不怎么出现「又一个聊天机器人」了，取而代之的是一批给 AI Agent 配基建的工具。逻辑很好理解——当 Agent 从「聊完就散的会话」变成要干活的「数字员工」，它就需要员工的一切：一台电脑（算力）、一间厂房（开发平台）、一张排班表（调度系统）。就在 2026 年 9 月 9 日到 10 日这两天，这三样在 Show HN 上凑齐了。这篇文章把三款新货逐一拆开：tamga 式的按秒租机怎么玩、一个二进制塞下整个 DevOps 部门是什么体验、以及海外社区新造的词「loop engineering（循环工程）」到底指什么。国内平台暂时都没有对标物，这就是本轮的信息差。
官网：tama.computer ｜ Show HN 标题：「Agent Sandboxes with GPUs from $0.20/hr」（发布约 1 小时，还在榜单爬升期）
它的自我介绍只有一句话：「给你的 Agent 一台可以折腾的机器，按秒付钱」。定位是 coding agent、内核开发、推理优化这类机器承担的工作负载。
tama 最有意思的不是价格，而是「bursts」工作流——快照（snapshot）+ 分叉（fork）：
tama new base --gpu H100 # 开一台基础机
tama snapshot base # 做快照
tama fork base newton-inverse # 从快照分叉出新机器
tama stop newton-inverse # 停掉就停表
官网首页演示了一个真实的推理优化实验：从一台基础机分叉出 fp8-kv-cache、cuda-graphs、warp-specialised 等 10 个分支并行跑内核优化实验，最快的分支拿到 1.31 倍加速就「keep」，其余全停。算力账也是官网自己算的：包月独占一台 H100（$4.82/hr × 730 小时）要 $3,519，而且一次只能跑一个实验；改成按秒租机、10 台分叉并行、跑 30 轮 sweep，只要 $499。同样的总实验量，花了不到零头。
| 机型 | 显存 | 配置 | 价格 |
|---|---|---|---|
| 纯 CPU | — | 1–32 vCPU / 1–128GB | $0.017/hr |
| RTX 4090 | 24GB | 6 vCPU / 17GB | $0.54/hr |
| RTX 5090 | 32GB | 7 vCPU / 64GB | $0.88/hr |
| A100 80GB | 80GB | 28 vCPU / 120GB | $1.82/hr |
| H100 | 80GB | 28 vCPU / 180GB | $3.38/hr |
| H200（8卡节点） | 141GB×8 | 208 vCPU / 1.9TB | $43.20/hr |
计费公式：$0.0117/vCPU 小时 + $0.0055/GiB 小时，只对运行中的秒数收费，快照和停机状态免费。快照还分两档：热快照连内存一起存，恢复只要约 1 秒、进程从断点继续、端口绑定都还在；冷快照只存磁盘。顺带一提，它连英特尔 Gaudi 2（96GB×8，$11.88/hr）都上架了。
国内 GPU 租用平台（AutoDL、恒源云这类）的主流玩法仍是按小时计费，环境关机可能被回收、重配环境是常态，「快照—分叉—并行实验」这条工作流基本没有对标物。tama 的差异点不在单价，而在计费粒度和实验组织方式——它把云计算的弹性做成了「git for machines」。适合跑强化学习实验、内核调优、做多方案 A/B 的人；注意国内访问和付款可能存在门槛，短线更适合当作工作流思路去抄。
官网：kovanex.dev ｜ 当前版本 v8.4.0 ｜ Apache 2.0 开源
同一团队 19 分钟前刚在 Show HN 上发了衍生品 Kovavue（「让 AI Agent 像人类一样在一台租来的 Linux 机器上干活」），主站 Kovanex 本体则是一个更野的东西：自托管 DevOps 平台，一个二进制、4GB 内存，包含 Git 托管、CI/CD 流水线、Kanban 看板、密钥保险箱、容器镜像仓库，全部用 gRPC 通信（24 个 gRPC 服务、190+ RPC 方法，刻意不做 REST）。
1. AI Agent 是一等公民，不是插件。 内置 MCP Server 提供 42 个工具，Claude Code、Cursor、Copilot 可以直连操作仓库、任务、流水线和 Agent 记忆；Agent 之间有人类可读的消息频道，git push、PR、流水线事件会自动广播；代码评审自带 AI 评论。
2. 给「健忘的 AI 执行者」做了套项目管理。 名叫 Locia 的引导线程 PM 很有想法：一个目标（Star）→ 一条路线（Course）→ 一个焦点，WIP=1 由服务端强制执行，每次会话用 loci slice 给 Agent 重新「定位」——这是把「Agent 干活容易走神」当成了一等工程问题来解。
3. 部署门槛低到离谱。 两个容器、五分钟起服务，git push kovanex main 自动触发流水线。官网自带的对比表毫客气：GitLab 最低 8GB 内存且 AI 是付费附加项，Kovanex 4GB 起、AI 原生、协议还是类型安全的 gRPC。知识库兼容 Obsidian 的 [[wikilinks]] 并自动建反向链接图，语义搜索用嵌入式 HNSW—— embeddings 由你的 AI 提供，数据不出你的服务器。
国内小团队的常规操作是 GitLab CE + Jenkins + 禅道/Jira 三件套拼装，运维成本高、AI 能力要各自加钱。Kovanex 相当于把这套东西压缩成一个文件，还预留了 Agent 工位。适合想数据不出门的小团队、要给 AI Agent 开正经开发流程的独立开发者，以及研究「AI 原生研发平台」该长什么样的架构师。
官网：moadim.io ｜ Show HN 33 分、17 条评论（发布 1 天）｜ MIT 开源，完全免费
定义一个 loop = 一个 prompt + 一张时间表 + 一个 Agent（支持 Claude、Codex、Hermes、Pi），到点它就在全新的隔离工作台里把 Agent 拉起来干活，看门狗（watchdog）负责杀掉卡死的运行，会话结束即回收——上一次运行的状态不会泄漏到下一次。
几个设计细节很见功力：
moadim install 注册 launchd/systemd 服务，重启不丢；list_routines），又是带 OpenAPI 文档的 HTTP 端点（curl http://localhost:5784/api/v1/routines），还有内置 Web UI 和 iCal 订阅——你的排班表可以直接进日历；which python3。更值得注意的是它背后的词：官网引用了 MindStudio、explainx.ai 等多篇外文文章，标题清一色是「Loop Engineering: Beyond Prompt Engineering」「2026 年最好的 AI Agent 是循环造出来的，不是 prompt 堆出来的」。从「写好提示词」到「设计循环」，这个概念迁移值得国内做 Agent 的同学提前半年布局。
国内对标物（扣子/Coze、Dify 这类平台）把定时执行做成 SaaS 里的一个触发器，流程和数据都在别人云上；Moadim 是 cron+tmux 心智负担的本机守护进程。适合想让 Claude Code 每天自动巡检仓库、定时写周报、跑数据任务的开发者。
flowchart TB
subgraph SCHED["调度层 Moadim：排班表"]
G["goals 目标仓库"] --> R["routines 循环仓库"]
R --> T1["每个 tick 隔离工作台拉起 Agent"]
W["watchdog 看门狗"] --> T1
end
subgraph COMP["算力层 tama：按秒计费"]
SN["snapshot 快照"] --> FK["fork 分叉 N 台"]
FK --> EX["并行跑实验"]
EX --> BK["停机即停表"]
end
subgraph PLAT["平台层 Kovanex：自建厂房"]
MCP["MCP Server 42 个工具"] --> GIT["Git 托管"]
GIT --> CI["CI/CD 流水线"]
CI --> KB["Kanban 看板"]
end
T1 -->|"需要算力"| SN
T1 -->|"提交成果"| MCP
翻译成人话：Moadim 负责「什么时候干」，tama 负责「在哪台机器上干」，Kovanex 负责「干完活走什么流程」。三者都开源或开放 CLI，都强调数据自主——这和本周 Product Hunt 社区「别再泛泛做 Agent，要嵌进已有工作流」的讨论完全同频。
| 你以为 | 别人已经在用的 |
|---|---|
| 租 GPU 只能按小时包时段，环境说没就没 | tama 按秒计费、停机停表、快照免费，机器可以 fork 出 10 份并行实验 |
| 自建研发平台 = GitLab+Jenkins+Jira 拼装，8GB 内存起步 | Kovanex 一个二进制 4GB 内存全包，还内置 42 个 MCP 工具给 Agent 用 |
| Agent 定时任务必须挂在大厂 SaaS 上 | Moadim 本机守护进程、MIT 免费，每个循环同时是 MCP 工具和 HTTP 端点 |
| Agent 稳定靠提示词写得好 | 海外已经升级成「循环工程」：固定调度+隔离环境+看门狗，prompt 只是循环里的一个参数 |
curl -fsSL https://tama.computer/install | sh 装 CLI，开一台纯 CPU 机器感受「按秒停表」，再用官网计费器套你自己的实验算一笔 fork 并行的账；docker compose up -d 起 Kovanex，迁一个业余项目进去，把它的 MCP Server 接到 Claude Code，体验 Agent 直接读看板、提 PR；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。