# 拆vibe-wise：AI代写时代配个陪练 ## 概述 本期新星首发扫了一遍上架不久的新面孔，挑出三件最值得 early adopters 盯住的货：**nykooi1/vibe-wise**（684星）、**openai/mcp-extensions**（725星）、**firelex/jeff**（1350星，截至10月4日的 GitHub 数据）。三件有个共同的气质：**都不再争做Agent，改做Agent栈里的三个空位**——vibe-wise 占「人的位置」，教你在AI写码时别把本事写丢；mcp-extensions 占「平台的位置」，给 ChatGPT 补上插件层；jeff 占「小模型的位置」，用一颗0.8B的微模型替 Agent 做毫秒级选择题。技能货架的边界正在松动：插件框架、微模型都开始挤进这个原本只放 SKILL.md 的货架，这是本期最值得记住的信号。 ## 三件速览 | 仓库 | 星数（10-04） | 上架时长 | 一句话定位 | |------|------|------|------| | nykooi1/vibe-wise | 684 | 45天内新架 | AI写码时教你搭的 Claude Code 插件 | | openai/mcp-extensions | 725 | 一周内新架 | 给 ChatGPT 造「原生感」插件的官方框架 | | firelex/jeff | 1350 | 一周内新架 | 0.8B 开源「系统1」模型，毫秒级替你选选项 | ## 评测对比表 | 维度 | vibe-wise | mcp-extensions | jeff | |------|------|------|------| | 功能完整度（25%） | ★★★☆☆ | ★★★☆☆ | ★★★★☆ | | 设计质量（25%） | ★★★★☆ | ★★★★☆ | ★★★☆☆ | | 实战效果（20%） | ★★★☆☆ | ★★★☆☆ | ★★★☆☆ | | 上手难度（15%） | ★★★★☆ | ★★☆☆☆ | ★★★☆☆ | | 社区活跃度（15%） | ★★★☆☆ | ★★★★☆ | ★★★★☆ | | **加权综合** | **3.4** | **3.4** | **3.5** | 三件都在3.5分一线，这不是和稀泥——新星首发位的货本来就带着「方向对、证据少」的属性。真正的分野要看下面逐件拆解后你更认同哪个赌注。 ## 首拆 vibe-wise：把「代写」改造成「结对」 仓库描述只有一句话："A Claude Code plugin that helps you learn how to build while AI writes the code"——一个 Claude Code 插件，让你在AI写码的同时学会怎么搭。话很短，但它是本期三件里**命题最锋利**的一件。 它戳中的痛点很具体：vibe coding 跑了快两年，社区里最响的抱怨已经从「AI写得好不好」变成「我还剩什么」。当一整轮需求从描述到合并都由 Agent 完成，人对系统的理解在退化，面试答不上自己的代码、线上事故看不懂日志，这类桥段在各种复盘帖里反复出现。vibe-wise 的回答不是「少用AI」，而是把代写过程**改造成结对编程**：AI继续写，但插件的职责是让你跟上——描述里那个 "while" 是全句的题眼，学习和代写不是二选一，而是同一个过程的两条输出。 从这个定位出发，有三个设计命题决定它能不能立住： 1. **打断的时机**。讲解插得太勤，就成了 200 行代码弹 40 个气泡的骚扰；插得太疏，退化成读完注释的假学习。好的形态大概率是「关键路径必停、重复样板直过」，这个分寸感是所有教学件的生死线。 2. **复现的闭环**。看懂和会写之间隔着一次自己动手。插件如果只输出讲解，价值减半；如果能把「你写一遍、它比对一遍」做进流程，就从解说员升级成了陪练。 3. **度量的诚实**。这类插件最怕变成安慰剂——你觉得自己学了，其实只是多读了几段字。真要做扎实，得能回答「这周你独立写出了哪些上周写不出的东西」。 短板也直白：描述没有展开任何机制细节，上面三问全部要 clone 下来验证；684星的体量在插件里不算冷，但离「被大规模验证」还有距离。另外它是 Claude Code 专属插件，绑定单一客户端，生态迁移性不如纯 SKILL.md。 但方向我愿意给高分。技能生态过去一年挤满了「替你干活」的件，替你审、替你测、替你发；**教你自己干**的件几乎空位。这个岗位迟早有人占住，vibe-wise 抢跑在了前面。 ## mcp-extensions：对家把插件闸门搬进 ChatGPT 这是本期来头最大的一件——**openai 官方组织**的新仓库，上架一周725星。描述写着："Build plugins that feel like native, first-class features of ChatGPT"，给 ChatGPT 造插件，而且要造出「原生一等公民」的感觉。 放在 Claude Skills 生态的坐标系里看，这件事的分量不在仓库本身，而在**格局**：过去半年，「客户端保持克制、能力全部外挂」已经是两家共同押注的路线——Anthropic 用 SKILL.md 加渐进式披露把技能做成按需加载的说明书，OpenAI 则在 MCP 协议之上叠了一层 extensions，把插件往「原生功能」的观感推。名字里带 mcp，说明它不打算另起炉灶，而是在既有协议上做封装，这对开发者是个好信号。 对已经写惯 SKILL.md 的技能作者，有三条经验可以直接平移： 1. **描述即路由**。Skills 生态里最值钱的设计心得是「description 写给模型的选择器看，不写给用户看」，一个技能能不能被正确唤起，八成取决于那两行描述。extensions 的插件声明同样是模型路由的依据，这套分寸直接照搬。 2. **渐进披露**。官方技能仓库的成熟做法是主文件只留门牌，重货放引用文件按需读。给 ChatGPT 写插件同理：首屏声明越小，命中率和响应速度越好。 3. **一个技能一件事**。横评里反复出现的规律——描述里什么都想干的件，唤起率最差。这条在对面货架同样成立。 短板：它是面向开发者的**框架仓库**，不是一个装上就能用的技能，普通用户暂时无感；一周725星的热度里有相当一部分是「OpenAI 出新东西」的围观分。它对本期读者的真实意义是提前卡位——等 ChatGPT 插件货架正式开张，第一批懂「描述路由」的作者会吃到流量红利。 ## jeff：给 Agent 配一颗「系统1」 三件里星数最高的一件，一周冲到1350星。描述："Millisecond decisions, any domain: a 0.8B open 'System 1' model that picks between your options"——毫秒级决策、跨领域，一颗0.8B的开源「系统1」模型，在你的选项里做挑选。 聪明学过心理学的读者都知道卡尼曼那组概念：系统1快而糙，系统2慢而准。现在 Agent 的问题恰好是反的——**每个微小决策都在烧系统2**。列表选哪项、两个候选路径走哪条、工具调用挑哪个参数，这些「选择题」本该秒答，却动辄唤起一次大模型推理，又慢又贵。jeff 的赌注是：把决策收缩成一道纯粹的选择题——给它选项，它给你答案，0.8B 的身子骨意味着本地跑都绰绰有余。 这个设计最值得称道的是**接口的克制**。它不试图理解你的代码库，不试图写一封信，只做 N 选一。能力边界收得越窄，越容易被其他件当零件组合——技能生态里活得好的外挂从来都是这种形状：输入输出清楚，替换成本为零。可以预期它最自然的用法是被脚本和 Agent 工作流当 default picker 嵌进去。 短板有两处：0.8B 的判断力天花板肉眼可见，选项之间的差异一微妙就会翻车，「毫秒」和「靠谱」的平衡点在哪，要靠实测说话；其次描述未展开它的训练数据和领域覆盖，「any domain」是宣传口径还是实测结论，需要打折扣听。 ## 货架的边界在松动 把三件放回一张图里，本期真正的生态信号浮出来： ```mermaid flowchart TD subgraph S1["学习位"] A["vibe-wise"] --> A1["AI写码人学搭"] end subgraph S2["标准位"] B["mcp-extensions"] --> B1["ChatGPT插件层"] end subgraph S3["直觉位"] C["jeff"] --> C1["0.8B做选择题"] end A1 --> D["Agent生态底座"] B1 --> D C1 --> D ``` 技能货架开张之初，门牌上写的是「给 Claude 的 SKILL.md」；现在，Claude Code 插件、对家的插件框架、乃至一颗微模型都挤了上来。**货架的定义正在从「一种文件格式」松弛为「Agent 的能力外挂」**。对写技能的人，这不是坏事：格式会变，「描述写得好、边界收得窄」的设计功力是跨货架通用的硬通货。 vibe-wise 的结对循环，值得单独看一眼它理想中的样子： ```mermaid flowchart TD A["你提需求"] --> B["AI写代码"] B --> C["边写边讲解"] C --> D["你复现关键步"] D -->|卡住| C D -->|跟上| E["下一轮需求"] E --> B ``` ## 安装与使用 ```bash # vibe-wise：插件方式安装（Claude Code 内执行） /plugin marketplace add nykooi1/vibe-wise # 随后按插件市场提示完成安装；或手动克隆： git clone https://github.com/nykooi1/vibe-wise ~/.claude/skills/vibe-wise ``` ```bash # mcp-extensions：开发者框架，clone 后按仓库 README 初始化 git clone https://github.com/openai/mcp-extensions ``` ```bash # jeff：模型权重与本地运行方式见仓库 README git clone https://github.com/firelex/jeff ``` > 星数与上架时长均为截至10月4日的 GitHub 数据；三件都处于早期，装前建议先扫一遍仓库的 issue 区和最近提交。 ## 推荐排行榜 **热度榜**：jeff（1350）＞ mcp-extensions（725）＞ vibe-wise（684） **上手友好榜**：vibe-wise ＞ jeff ＞ mcp-extensions（前两者装完即用，后者要写代码） **设计功力榜**：vibe-wise ＞ mcp-extensions ＞ jeff（命题锋利度上，一句话讲清「为什么是你」的 vibe-wise 拿头名） **值得卡位榜**：mcp-extensions ＞ vibe-wise ＞ jeff（平台级机会窗口最稀有，教学习件的空位其次，微模型赛道选手会越来越多） **综合首拆推荐**：vibe-wise。三件里只有它回答了一个所有 AI 重度用户终将面对的问题——当 Agent 包办一切，你的手艺放在哪。684星只是起点，这个岗位的需求是刚性的。 ## 参考来源 1. [nykooi1/vibe-wise](https://github.com/nykooi1/vibe-wise) — AI写码时教你搭建的 Claude Code 插件，本文首拆主角 2. [openai/mcp-extensions](https://github.com/openai/mcp-extensions) — OpenAI 官方 ChatGPT 插件扩展框架 3. [firelex/jeff](https://github.com/firelex/jeff) — 0.8B 开源「系统1」决策模型 4. [anthropics/skills](https://github.com/anthropics/skills) — Claude 官方技能仓库，SKILL.md 设计模式参照系 5. [skills.sh](https://skills.sh) — Skills 生态聚合站，观察新件上架动态的日常窗口 > [!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。