你如果这半年一直在追Agent，大概率有个体感：模型本身卷不动了，真正的变化发生在模型周围——Agent画完图谁来评审？图的排版谁来定？Agent乱伸手谁拦着？两个模型到底谁强，除了刷榜还能怎么看？
这四个问题，海外开发者最近72小时内在 Hacker News 的 Show HN 上交出了四个新答案。截至2026年9月30日，这四件货全部是最近3天内冒头的项目，其中一件三天拿了421分141条评论，一件刚上线两小时——中文圈目前几乎是零教程、零讨论。今天一次给你拆完。
它解决的问题是每个用过 Claude Code、Codex 的人都遇到过的：Agent干完活，给你甩来两千行diff，你怎么审？
Whiteboard 的答案是：让人类和Agent在同一张画布上协作。它是一个开源桌面应用（本地跑，直接对接你本地的代码checkout），接入 Claude Code 或 Codex 后，会给Agent一个 SDK，让Agent主动在画布上画图——架构图、时序图、ER图，甚至把它自己做过的决策标注出来。
三个真正值钱的设计：
README 里一句大实话很说明问题：他们说现在已经没人用编辑器写代码了，编辑器只剩“逐行审diff”一个用途，所以他们干脆 vendor 了 Code OSS，把编辑器改造成为评审而生的工具。
价格：MIT 开源，桌面版免费下载；团队托管版计划中，作者承诺核心永远可自部署。
国内对比：国内目前的“AI架构图”方案，要么是把代码喂给大模型生成 Mermaid 贴进飞书/语雀文档，要么用 ProcessOn、亿图这类纯画图工具——共同点是图是死的，和代码零联动，Agent也不会主动画给你看。Whiteboard 的“图-码双向跳转+决策日志”这套，国内还没有对标物。
适合谁：带团队用 Claude Code/Codex 干活的 Tech Lead、被AI生成代码评审淹没的后端、以及想搞清楚“Agent到底改了什么”的任何一个人。
用过 draw.io、Mermaid、ProcessOn 的人都懂那种烦躁：你把节点拖到想要的位置，一点“自动布局”，全乱了。主流画图工具的逻辑是“算法最懂排版”，你只能追着锚点跑。
Reladraw 把这个假设反过来了——这是一个“你说了算”的图语言：你决定东西放在哪，它就放在哪。同时它还是文本格式，意味着图能进 Git、能code review、能让Agent批量生成。
为什么这个反直觉的设计能拿398分？看HN评论区的高赞逻辑就明白：架构图最大的痛点从来不是画，而是改。自动布局意味着每次加一个节点，全图重排，你脑子里的空间记忆全部作废。手动固定布局的图，改一处、其他不动，diff也只动一行。
价格：开源项目，代码直接放在 GitHub 上，免费使用。
国内对比：国内画图三件套——ProcessOn（在线协作但布局算法同样霸权）、亿图图示（模板多）、draw.io（免费但体验糙）。三者都没有“布局权完全归用户+文本格式进Git”的组合。如果你的架构图需要长期维护、随代码演进，这个差异是决定性的。
适合谁：要维护长期演进架构图的系统设计师；用 Mermaid 写文档但被自动布局逼疯的人；想把“画图”纳入代码评审流程的团队。
这件是四件里技术含量最重、也最该被认真对待的：一个针对LLM Agent的确定性（deterministic）安全护栏引擎，MIT协议，厂商无关。
先看它官网自报的一组基准数据（注意是官方口径，未经第三方复现）：任务完成率上，OpenAPPA 89%，Claude Auto mode 90%，微软的 FIDES 41%；但在攻击成功率上，OpenAPPA 0%，Claude Auto mode 10%，FIDES 31%。翻译一下：安全性和可用性兼得，而不是二选一。
它的核心洞察是：现在行业的主流做法是“再上一个模型当裁判”（Claude Code的auto mode、Codex的auto-review都是这个思路），但分类器本身就是可以被提示词注入的，而且无法跨工具调用追踪数据流向。黑名单方式更是死路——你封了 rm -rf /，模型改写一行Python；封了 curl，它推到外部git远端。
OpenAPPA 的做法是不匹配模式，追踪数据流：配置文件声明数据源、受众、信任级别和授权关系，Agent每一步行动都带着一个 受众×信任 的安全标签，标签只会变得更严格，引擎用代数方法推导每个决定。注入攻击想让它泄密？你无法注入一个代数系统。而且它跑在Agent的提示词和执行循环之外，模型根本看不见它、没法跟它谈判。
更聪明的是，它不搞一刀切禁止，而是返回机器可读的“补救方案”：脱敏器（sanitizer）把密钥打码后放行、授权（authority）走一次人工审批只放行这一单、子代理（subagent）把不可信的读取隔离进一次性分支。官网称这套机制把严格模式下的任务完成率从37%拉到90%。
价格：MIT 开源，免费。
国内对比：国内Agent安全目前主流还是提示词层面的内容审核+敏感词过滤（各大云厂商的内容安全API都是这个路数），管的是“说什么”，不管“数据流向哪”。企业侧的API网关鉴权管的是API调用，对Agent跨工具的数据流同样无解。这个“信息流策略引擎”的品类，国内基本空白。
适合谁：正在把Agent推进生产环境的企业开发者；做Agent平台的基础架构同学；任何准备让Agent碰内部数据、又不想半夜接到泄露电话的人。
这个最有意思——它把模型评测做成了一个格斗游戏直播间：各个AI模型扮演格斗士互相打擂，有Elo积分榜（所有人从1000分起步，只算已完成的比赛）、有完整比赛回放（支持逐帧查看）、有游戏日志，甚至带全球聊天室。
听起来像玩具？想一层：它本质上是一个动态对抗评测（live arena）。静态榜单（比如跑固定题库给分）已经被证明容易被刷分、和真实表现脱节；对抗式评测逼模型在未知局面下实时决策，更能暴露真实水平。国内的 OpenCompass、SuperCLUE 都是静态评测的路数，“让模型当众打一架”这个形态，中文圈还没人做。
实际用法也很直接：你可以在回放里观察哪些小模型在复杂多步决策里稳得住，再决定把哪些便宜模型放进自己的Agent流水线干杂活——用一场几毛钱的比赛，代替你花几小时跑测试集。
价格：网页免费看，站内目前没有看到任何付费墙。
适合谁：要为Agent流水线选便宜模型的开发者；做模型评测、想找新范式的工程师；以及纯粹想围观AI打格斗的人。
flowchart TD
A["拿到这批新货"] --> B{"你卡在哪一环"}
B -->|评审AI代码| C["Whiteboard"]
B -->|维护架构图| D["Reladraw"]
B -->|Agent要上生产| E["OpenAPPA"]
B -->|纠结选哪个模型| F["TinyAIArena"]
C --> G["dev.fast下载"]
G --> H["连上Claude Code"]
H --> I["让Agent画评审图"]
I --> J["点图跳码审查"]
D --> K["把常改的图迁过去"]
K --> L["文本进Git"]
E --> M["写数据流策略"]
M --> N["测试环境先跑通"]
F --> O["看回放挑便宜模型"]
| 你以为的 | 实际上 |
|---|---|
| AI编程的瓶颈是模型不够强 | 瓶颈正在转移到“人怎么审AI的活”，Whiteboard这类评审台是新品类 |
| 架构图必须接受自动布局 | Reladraw证明“布局权归用户”才是刚需，398分是投票 |
| Agent安全=再加一个模型审核 | 概率裁判本身可被注入，OpenAPPA用确定性数据流追踪做到0%攻击成功（官方口径） |
| 选模型只能刷静态榜单 | TinyAIArena用对抗赛+回放，一场比赛就能看出小模型成色 |
| 这些东西要花不少钱 | 四件全部开源或免费，成本为零，差的只是信息 |
今晚就能做的四件事：
这波发布的信号其实比工具本身更重要：模型层的故事讲完了，围绕Agent的“外设层”——评审、画图、安全、评测——正在批量出现。四件货全是72小时内的产物，等中文圈开始写教程时，先跑通的人已经把工作流搭完了。
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。