今天早上，Hacker News 首页挂着一件 728 分的小玩意：Whistle，一个只有 16.9 MB 的语音转文字工具（讨论页：news.ycombinator.com/item?id=50008427）。而在它旁边的 GitHub 上，四件刚冒头几天的开源工具正在悄悄爬星：一件让 Codex 摸到你口袋里的真 iPhone，一件把 AI 的长篇大论变成一页能看的“工程图纸”，一件让 agent 找代码的账单直降三成，还有一件干脆把“复刻一个 App”做成了 11 步流水线。四件全部 MIT 协议、分文不取，装上当天就能用。这篇就把它们逐个拆开：能干什么、怎么装、烧不烧钱、跟国内方案差在哪。
仓库：github.com/zhongerxin/iPhone-use，截至 10 月 9 日约 989 星，上线没几天。
一句话：用自然语言让 Codex 通过一根 USB 线操作真实 iPhone——打开 App、读取页面、点击、滑动、输入中文长文本、整理列表，同时在侧边栏实时直播手机屏幕，点什么、滑哪儿都带光效提示。
底下的工程比想象中扎实。它没有重新发明轮子，而是站在 Appium 生态的 WebDriverAgent（WDA）上——这是运行在手机里的自动化执行服务，项目把版本钉死在经过验证的 16.14.0 提交上，下载、签名、构建全部由安装流程代管。你不需要越狱，也不需要单独起一个 Appium Server，本地起一个 Python MCP 服务就够了。模型侧一共拿到 17 个工具：诊断环境的 pua_doctor、读控件树的 pua_observe、点击滑动的 pua_tap/pua_swipe、一次输入完整 Unicode 的 pua_type_text，还有把多步动作打包成一次调用的 pua_batch——专门用来减少模型来回往返的次数。
最见功力的是失败兜底：控件定位不到时，它不瞎点，而是返回截图让模型看图行事，用 pixel_to_point 把像素坐标换算成 iPhone 逻辑坐标再落指。安全设计也想得周到：输入和提交是分离的，默认不会替你按下发送；密码、验证码、Face ID 这些环节明确留给人。隐私方面，数据走本机回环转发（默认端口 18100，远程地址直接拒收），屏幕流不落盘；匿名遥测用 IPHONE_USE_ANALYTICS=0 就能关掉。
flowchart TD
A["你发一句中文任务"] --> B["Codex 规划动作"]
B --> C{"控件树能定位吗"}
C -->|能| D["直接点击与输入"]
C -->|不能| E["截屏兜底换算坐标"]
E --> D
D --> F["侧边栏实时预览"]
F --> G{"任务完成没"}
G -->|没| B
G -->|完成| H["输出结果清单"]
价格：开源免费。门槛在苹果侧——需要一台 macOS、完整版 Xcode（装 Command Line Tools 不够）、一个能签名的 Apple 开发者账号。免费 Apple 账号能试跑，但证书有效期很短，想稳定用基本绕不开 99 美元一年的 Apple Developer Program。另外需要 Node.js 20.19+ 和 Python 3.9+。安装两步：git clone 下来后跑 sh scripts/install.sh；作者还在 README 里放了一段“安装提示词”，直接贴给本机 Codex，它会自己读文档、查依赖、配签名，把自己装好。
为什么值得关注：国内做 iOS 真机自动化，路线长期是两难——要么越狱，要么上网易 Airtest、阿里 Macaca、腾讯 WeTest 云真机这类平台，共同点是都得写脚本。iPhone-use 换了个范式：你不写自动化脚本，你对 AI 说话，它自己看屏幕、自己点。“让 agent 长出手”这件事，国内工具圈基本还是空白。
适用人群：iOS 测试工程师、需要批量从 App 里采集整理数据的人、给爸妈远程处理手机问题的技术子女，以及所有想让 Codex 从终端里走出来的玩家。
仓库：github.com/QingYunA/answer-me-with-html，截至 10 月 9 日约 2399 星。
这是个 agent skill，解决一个你每天都在忍的问题：问 AI 一个复杂问题，它回你一堵文字墙。这个 skill 装上之后，你照常提问——“讲讲 TCP 三次握手”、“Redis 还是 Memcached？"——它回你的不是八百字，而是一页排版好的图文化页面：时序图、状态图、对比表，工程图纸风的 blueprint 主题，还能一键切 shadcn 卡片风。
聪明的地方在于架构分工：模型只写内容草稿，排版交给 CLI。作者跑过对比测试（同样的模型、同样的三个问题各三次，取中位数，Claude Sonnet 5.5）：直接让模型写 HTML，平均输出 6873 个 token、耗时 46 秒；走这个 skill，模型只写 923 个 token、13 秒出页面——输出 token 少 7.4 倍，快 3.6 倍，单次成本几乎持平（0.26 美元对 0.22 美元）。省下的是你的等待时间，这正是 Andrej Karpathy 说的那个趋势：模型产出越来越快，人读不过来才是新瓶颈。
更 unexpected 的是它还能出讲解视频：说一句“做个 3b1b 风格的 TCP 握手视频”，它生成一份 1.3 KB 的草稿，CLI 渲染成逐步动画——旁白念到第几步，图上就画出第几步，箭头自己生长，还能推镜头高亮某个节点。配音有 ElevenLabs 的 key 就用 ElevenLabs，没有就用系统语音（macOS 中文是婷婷）。加 --mp4 能导出 1080p 成品，本机需要 Chrome、ffmpeg 和 Node 22+。
还有个彩蛋值得单独说：它内置了一套源自 ASD-STE100（飞机维修手册的受控英语规范）的写作检查——步骤句不许超过 35 个汉字、一句话里“的”超过三个要警告、像“赋能”“闭环”这种黑话直接被点名，中文里“进行优化”会被建议改成“优化”。strict 模式下写得不达标直接拒绝渲染。
价格与安装：MIT 免费，Node 20+ 即可，没有 npm install 步骤。一行命令：npx skills add QingYunA/answer-me-with-html（装到 Claude Code、Codex、Cursor、OpenCode 都行）；Claude Code 用户也可以走 /plugin marketplace add QingYunA/answer-me-with-html。还有可选的 always-on 模式：以后每个结论、每份对比都自动配一张 2-4 面板的小图页，不弹窗，只在回复末尾给你路径。
为什么值得关注：国产模型（DeepSeek、Kimi、通义）你也完全可以让它“输出 HTML"，但每次都要它现场手写几百行 CSS 和 SVG 坐标，又慢又贵还容易画出悬空箭头。“模型写内容、代码管排版”这个分工思路，以及 vercel-labs/skills 这条 70 多个 agent 通用的 skill 分发通道，才是真正值得抄的认知。
适用人群：天天读 AI 长答案的人、写技术文档和教程的作者、想做知识付费视频但不会剪映的极客。
仓库：github.com/dzhng/jevgrep，截至 10 月 9 日约 2484 星，npm 包名 @dzhng/jevgrep。
编码 agent 干陌生任务时，相当一部分花销花在“找文件”上——grep 猜关键词、翻目录、读错文件，token 哗哗地烧。jevgrep 给了 agent 一个新姿势：用一句行为描述直接问仓库。比如 jg "How are telemetry events recorded and sent?" ./my-project，一次 stdout 就返回相关文件、阅读线索和带行号的源码摘录。底层是一个叫 Jev 的小模型，在文件夹、文件、声明三层上做相关性判断；Python、TypeScript/JavaScript、Go、Rust 支持声明级解析，其他语言走文本兜底。
它的卖点写得很克制："Same intelligence. ~30% lower cost."。作者用 10 个 SWE-bench 任务做了对照：带不带 jevgrep 都解出 8/10，智力不掉，但主模型成本从每任务 7.62 美元降到 5.44 美元，降了 28.6%；0.4.3 版把 Jev 调用费也算进去全成本复测，降 25.8%；0.5.0 把 Jev 自身成本再压 59%，但合计成本反超基线 2-3%——作者把这个回退也如实写在 README 里。这种敢把难看数字挂出来的做法，在开源项目里不多见。
价格与安装：CLI 本身 MIT 免费，需要 Node 22+，模型调用按你接的网关计费——支持 Vercel AI Gateway、OpenRouter、TypeSafe 等，国内用户走 OpenRouter 是现成路径。三条命令上路：npm install -g @dzhng/jevgrep → jg auth 存 key → jg skill 给你的 Claude Code/Codex 装上配套技能，之后 agent 会在该问的时候自己问。
一个必须说的提醒：搜索时会把符合条件的源码内容发给所接的模型服务。它默认遵守 ignore 规则、排除依赖目录和明显的凭证文件，还能用 jg files 预演“这次会读哪些文件”——但公司代码要不要过这道网关，先问过合规再说。
为什么值得关注：国内 coding agent（通义灵码、文心快码、CodeGeeX 这类）的仓库理解基本绑在 IDE 索引上，建索引、养向量库是不小的隐性成本；“免索引、按行为提问”的轻量路线国内还没人做。对重度用 Claude Code 的中国开发者来说，这是实打实的账单优化。
适用人群：天天让 agent 进陌生大仓库干活的人、管着团队 AI 开销的 tech lead。
仓库：github.com/Jakeschincariol/replica-skill，截至 10 月 9 日约 1168 星，作者 Jake Schincariol 是个 skills 高产户，手里还有 arena、X、LinkedIn 好几个同类仓库。
这是四个里面最有“生意味”的一件：11 个免费 Claude skills，组成一条从逆向到上线的完整流水线——/replica-recon 拿一个 App 的公开页面和你的账号走查，产出屏幕清单、流程图、推断的数据模型；/replica-architect 定技术栈和建表；/replica-design 从截图反推出设计 tokens；/replica-build 逐屏重建；/replica-backend 接登录、数据库、支付；/replica-test 按 Playwright 逐流程点测、按严重级清 bug；/replica-diff 和原版对比打 parity 分。
flowchart TD
A["recon 侦查摸底"] --> B["architect 定架构"]
B --> C["design build 重建"]
C --> D["backend 接支付"]
D --> E["test diff 打分"]
E --> F["读差评定定位"]
F --> G["brand 换皮清扫"]
G --> H["launch deploy 上线"]
最值钱的是中间那步 /replica-entrepreneur：它去读这款 App 的真实差评，把用户的怨气变成你的产品定位。README 里那个克隆预约排期工具的案例很说明问题：侦查出 18 个屏幕、7 条流程；差评分析读了 App Store、G2、Capterra、Reddit 共 140 条评论，揪出三大槽点——按席位涨价、没有短信提醒、客人被时区搞晕；对策一一对应：一口价、短信提醒、时区确认页；定位一句话："给痛恨按席位定价的小团队的预约链接"。这一步不花一分钱就能单独跑——你还在犹豫要不要做某个产品，先让它把竞品的差评读了，值不值当一目了然。
合规这块它做得比想象中严肃：只复刻功能和交互模式，clean-room 式全新实现，不碰对方的代码、logo、文案；只读公开页面和你自己的账号；/replica-brand 强制改名换皮，6 个纯 Python 标准库工具里有个 sweep.py 专门扫描残留的原品牌痕迹——扫不干净，/replica-deploy 拒绝上线。当然，README 也老实写了：上线前做商标检查、必要时咨询律师，这不是法律意见。
价格：MIT 完全免费，无需注册、无需 API key，工具只要 Python 3.8+；真正的成本是跑这些 skill 消耗的 Claude 订阅额度或 API 费。
为什么值得关注：复刻一个中等复杂度的 Web 应用，找外包市场价从几万起步；这条流水线把门槛压到一份 Claude 订阅。国内 agent 平台（扣子这类）走的是工作流编排路线，“skill 文件夹”这套生态基本没起来——而这恰恰是当下海外个人开发者出海跑得最快的路径之一。
适用人群：想做出海产品的独立开发者、想验证创业点子的人、接私活的小团队。
| 你以为的 | 实际上 | 差距价值 |
|---|---|---|
| 操作 iPhone 必须越狱或写 Appium 脚本 | iPhone-use 免越狱，中文一句话让 Codex 动手，还有截图兜底 | 自动化从"写脚本"变成"说人话" |
| 要 AI 画图解就得让它手写 HTML | answer-me-with-html 只让模型写 923 token，快 3.6 倍 | 每个答案少等半分多钟，token 省 7 倍 |
| Agent 找代码只能 grep 硬翻 | jg 用一句行为描述问仓库，同等智力省约 30% 成本 | 每个任务省约 2 美元，团队一个月可观 |
| 复刻 App 得外包几万块 | replica-skill 11 步免费流水线，还替你读 140 条差评定定位 | 个人出海的最低启动成本 |
npx skills add QingYunA/answer-me-with-html），拿“讲讲 TCP 三次握手”试第一问，感受一下 13 秒出图纸的速度。jg skill 挂进你的 Claude Code，周五拉一次 token 账单，亲眼看看那三成省在哪。/replica-entrepreneur，白嫖一轮差评洞察，再决定要不要投入。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。