# 0.8B的小模型，专治选择困难 ## 概述：这一期，只挖「本周出生」的仓库 本期所有选题来自 GitHub Search API 近 7 天新建仓库榜单（数据抓取于 2026-10-02），没有十年老店，没有常青巨树，全部是刚出生几天、正被第一批 star 砸中的新项目。读完素材后主线自己浮了出来：**一批「System 1 决策小模型」正在扎堆出现**——0.8B 参数的 jeff、非自回归的 deepopen、本地运行时 ollaya，加上同日 HN 首页 431 分的 Clef，同一周里四路人马做同一件事：把大模型从「选择题」这类粗活里解放出来。除此之外，还有 OpenAI 官方给 ChatGPT 开的 MCP 扩展仓库、能围观 AI 员工上班的卡通 3D 办公室、科研假设挖掘台等。7 个仓库全部 Star<2100，其中 6 个不足 2000，正适合卡位。 文中 Star 数与仓库描述均取自 2026-10-02 当日的 GitHub API 数据，「怎么用」部分的发挥均以官方描述为准，未做无依据推测。 ## 本期主线：大模型退位，让「快思考」上场 心理学家卡尼曼把人的思维分成两套系统：System 1 快而省电，负责直觉判断；System 2 慢而昂贵，负责深度推理。今天的大模型是全能的 System 2——哪怕你只是想让它判断「这句话是不是投诉」，它也要一个 token 一个 token 地写出答案，又慢又贵。 本期素材里，至少四个新项目在同攻这个错位： - **firelex/jeff**：0.8B 参数的开源小模型，描述原话是「毫秒级决策，任何领域」，在你给出的候选项里直接挑一个； - **deepopen-com/deepopen**：非自回归的 System 1 决策引擎，专为结构化类型决策设计，支持多语言； - **ollaya-dev/ollaya**：本地决策模型运行时，把 Laya、decider、NLI、GLiClass 这类小模型拉到本地、一键起服务——定位约等于「决策模型界的 ollama」，名字都对上了； - **Clef**：HN 当日首页 431 分，开放权重的决策模型 + 一套新的 RL 微调平台（据 HN 页面标题）。 更有意思的是信号的同频：同一天 HN 首页还挂着 280 分的讨论帖《RIP, vector database》（向量数据库已死）。决策小模型兴起与向量库退潮出现在同一张首页上并非巧合——当你用一次前向传播就能完成分类、路由、审批这类判断时，支撑检索式方案的整套基础设施都值得重新算账。本期主拆 jeff，其余三家在对比表中留位。 ## 逐个拆解 ### 1. firelex/jeff：把「选择题」从大模型手里抢走 **[firelex/jeff](https://github.com/firelex/jeff)** | ⭐ 1,267 | 近 7 天新建（截至 2026-10-02） 一句话定位：一个 0.8B 的开源「System 1」模型，专在你给出的选项里做毫秒级挑选。 它解决的痛点非常具体：Agent 工作流里大量的步骤其实根本不是「生成」，而是「选择」——用户这句话该路由给哪个工具、这段反馈算不算投诉、这条告警要不要升级。这些活现在普遍被丢给几百 B 的大模型，为一个小小的是非题烧掉几秒延迟和不菲的 token 费。jeff 的思路是把这类判断剥离出来：0.8B 的体量意味着它可以常驻显存甚至跑在 CPU 上，按仓库描述，它在任何领域都能在你列出的选项间直接给出决策，不写冗长推理。 从工程视角看，这类模型的价值不在「聪明」，而在「便宜、快、可控」——决策边界清晰的任务上，小模型的准确率未必输给被提示词捆住手脚的大模型。上手难度：⭐⭐⭐。 适用人群：Agent 工作流开发者、做智能客服/风控规则引擎的团队。商业方向：把「决策即服务」做成路由中间件，按调用量计费——这类判断的调用量天然巨大，是典型的薄利多销生意。 ### 2. openai/mcp-extensions：ChatGPT 的插件门，用 MCP 重新开了 **[openai/mcp-extensions](https://github.com/openai/mcp-extensions)** | ⭐ 624 | 近 7 天新建（截至 2026-10-02） 一句话定位：OpenAI 官方新仓库，教你给 ChatGPT 写「像原生功能一样」的插件。 背景值得展开：MCP（Model Context Protocol）由 Anthropic 在 2024 年底提出，2025 年 OpenAI 公开宣布兼容——协议层自此统一。而现在，OpenAI 干脆在自己的官方组织下开出 mcp-extensions 仓库，描述写得很直白：「构建那些感觉像 ChatGPT 一等公民功能的插件」。 这件事的分量不在技术而在分发：ChatGPT 的月活以亿计，插件一旦跑通「原生功能级」的体验，独立开发者写一个日历、记账或垂直行业小工具，就能直接被 ChatGPT 用户在对话里唤起。这是自小程序、App Store 之后又一次「平台开门」的时刻——而且这次，门票是一份符合 MCP 扩展规范的代码。仓库出生仅数日已有 624 星，升温速度说明社区已经闻到味了。上手难度：⭐⭐⭐⭐（需要吃透扩展规范与审核规则）。 适用人群：想搭上 ChatGPT 分发快车的工具开发者与垂直 SaaS 团队。商业方向：插件本身就是渠道，先卡位冷门垂直场景（法律文书、跨境电商、工业设备手册问答）者得红利。 ### 3. dzhng/jevgrep：让 Agent 用「问功能」代替「搜关键词」 **[dzhng/jevgrep](https://github.com/dzhng/jevgrep)** | ⭐ 2,002 | 近 7 天新建（截至 2026-10-02） 一句话定位：一个给 coding agent 用的 CLI，按「这段代码在干什么」来找文件，而不是按关键词。 它戳中的是 AI 编程的隐性成本：grep/ripgrep 只认字面匹配，而 Agent 改代码前的第一步往往是「找到处理退款重试的那段逻辑」。关键词猜不准，Agent 就要在仓库里反复试错，每一步都是真金白银的 token。jevgrep 的解法是把语义检索做成 agent 可调用的前置层——按仓库描述，它内置名为 Jev 的机制负责发现相关文件，让「描述功能 → 定位代码」一步到位。一周冲到 2,002 星，说明「帮 AI 省轮次」这个方向的需求比想象中硬。 一个值得观察的点：这类工具正在形成新的分层——模型负责改，检索层负责找，git 负责兜底。谁把「找」这一层做到又快又准，谁就卡住了 agent 工具链的咽喉位置。上手难度：⭐⭐。 适用人群：维护中大型代码库、重度使用 AI 编码的团队。商业方向：私有化部署的代码语义索引服务，按仓库数/席位数收费。 ### 4. AgentSystemLabs/agent-office：一间能看到 AI 员工上班的办公室 **[AgentSystemLabs/agent-office](https://github.com/AgentSystemLabs/agent-office)** | ⭐ 478 | 近 7 天新建（截至 2026-10-02） 一句话定位：卡通 3D 办公室，你的团队在工位上雇 Claude Code 员工干活。 按仓库描述，它把多智能体协作搬进一间卡通风格的三维办公室：每个 Claude Code worker 坐一个工位，共享实时终端，彼此还能交谈。这个隐喻选得很妙——多 agent 跑批最劝退的地方是黑盒：日志滚屏像看天书，谁卡住了、谁在空转全靠猜。而「办公室」是个零学习成本的心智模型：走近那个工位，看他屏幕上的终端，这就是最直观的可观测性。 出生几天 478 星，它的走红路径大概率是视觉驱动的：截图和录屏天生适合传播。上手难度：⭐⭐。 适用人群：玩 multi-agent 编排的独立开发者、想给团队演示 AI 协作的技术布道者。商业方向：把「数字工位」包装成远程团队的 AI 协作看板；内容创作者甚至可以开一个「AI 办公室」直播间——注意力本身就能变现。 ### 5. OpSafari/hypoarena：给科研假设造一个「发现工作台」 **[OpSafari/hypoarena](https://github.com/OpSafari/hypoarena)** | ⭐ 554 | 近 7 天新建（截至 2026-10-02） 一句话定位：科学假设发现工作台，用「假设-证据图谱」把文献挖掘变成图结构作业。 按仓库描述，它包含两大件：有据可依（grounded）的假设-证据图谱，以及合成文献素材。它瞄准的是科研链条上最靠前、也最靠直觉的一环——提出假设。文献年增量早已超出任何团队的阅读能力，「读文献→提假设→找证据」这门手艺仍靠研究者的大脑硬扛。hypoarena 的思路是把这条链显式化：假设不是一句孤立的话，而是挂在证据网络上的节点，可追溯、可比较、可批量生成。 554 星、出生一周，典型的早期深水项目：受众窄，但每个用户都是高价值专业人群。上手难度：⭐⭐⭐⭐。 适用人群：科研人员、文献计量团队、生物医学/材料等假设密集型领域。商业方向：实验室级 SaaS 订阅——科研工具的付费意愿向来坚挺，关键在打磨到「能进 SCI 工作流」的可信度。 ### 6. chasmlol/2010-rust-rewrite-mashup：一个游戏，塞进 2010 年的三张脸 **[chasmlol/2010-rust-rewrite-mashup](https://github.com/chasmlol/2010-rust-rewrite-mashup)** | ⭐ 530 | 近 7 天新建（截至 2026-10-02） 一句话定位：用 Rust 把《现代战争2》复刻、《滑板3》模式和一个真正的 Minecraft 世界揉进同一款游戏。 按仓库描述，它以 IW4L 的 MW2 复刻为底座，嫁接 Skate 3 的滑板玩法，再放进一个可挖可搭的 Minecraft 方块世界——三个 2010 年前后的文化符号共处一室，怀旧浓度爆表。技术上这也是 Rust 游戏复刻潮的一个标本：老游戏的核心玩法逻辑被逐行翻译成内存安全的现代语言，既是对原作的考古，也是极好的引擎学习材料。 需要提示的是：项目涉及原作 IP 与素材，复刻项目普遍游走在版权灰区，尝鲜可以，商用红线别碰。上手难度：⭐⭐（能编译 Rust 项目即可跑起来）。 适用人群：游戏引擎学习者、Rust 爱好者、怀旧玩家。商业方向：不宜直接变现，但复刻工程能力可以接到外包与课程上。 ### 7. nanaism/yomiyasu：把 AI 日语磨成「母语感」 **[nanaism/yomiyasu](https://github.com/nanaism/yomiyasu)** | ⭐ 991 | 近 7 天新建（截至 2026-10-02） 一句话定位：一个 Agent Skill，专门把 AI 生成的日语推敲成自然的日语。 AI 写外语有个共病：语法全对，读起来却像翻译腔。日语尤其明显——AI 产出的日文常被母语者一眼识破，这对认真做出海生意的人是实打实的损失。yomiyasu（名字对应日语「読みやすい」，好读）把它做成了一个专精的 Agent Skill：按仓库描述，它的任务单一而明确——把生硬的 AI 日语润色成自然日语。技能形态决定了接入成本极低：装进支持 Agent Skills 的运行时（如 Claude Code）即可在对话中调用。一周 991 星，日本开发者社区的助推肉眼可见。 它的走红也验证了一个选题方法论：在通用模型时代，**「把一件事做到母语级」的窄工具反而有生存空间**。上手难度：⭐。 适用人群：出海日本的内容团队、独立开发者、跨境卖家。商业方向：嵌入本地化服务流水线按字数收费，或做成面向中国出海团队的付费技能包。 ## 本期横向对比 | 仓库 | 类型 | Star | 上手难度 | 一句话场景 | |---|---|---|---|---| | firelex/jeff | 决策小模型 | 1,267 | ⭐⭐⭐ | 工作流里的毫秒级选择题 | | openai/mcp-extensions | 平台生态 | 624 | ⭐⭐⭐⭐ | 给 ChatGPT 写原生级插件 | | dzhng/jevgrep | 开发者工具 | 2,002 | ⭐⭐ | 让 Agent 语义检索找代码 | | AgentSystemLabs/agent-office | Agent 可视化 | 478 | ⭐⭐ | 围观 AI 员工上班的 3D 办公室 | | OpSafari/hypoarena | 科研工具 | 554 | ⭐⭐⭐⭐ | 假设-证据图谱挖掘文献 | | chasmlol/2010-rust-rewrite-mashup | 游戏复刻 | 530 | ⭐⭐ | 三款 2010 神作合体一个游戏 | | nanaism/yomiyasu | 写作润色 | 991 | ⭐ | AI 日语母语级推敲 | 同期同主题留位观察：deepopen-com/deepopen（⭐1,824，非自回归决策引擎）、ollaya-dev/ollaya（⭐1,091，本地决策模型运行时）。 ## 本期全景 ```mermaid mindmap root((本期精选 7 个新仓库)) 决策小模型 jeff 0.8B快思考 deepopen 非自回归 ollaya 本地运行时 生态与平台 mcp-extensions ChatGPT插件 agent-office AI员工办公室 垂直工具 jevgrep 语义找代码 hypoarena 科研假设 yomiyasu 日语润色 玩票复刻 rust三部曲 ``` ## 本期之最 **最值得立即尝试：AgentSystemLabs/agent-office**。安装门槛最低、反馈最即时——装好就能围观 AI 员工在工位上敲终端、互相搭话，无论你是想研究多 agent 编排，还是单纯想录一段「AI 上班」发社交媒体，它都在射程内。 **最有商业潜力：openai/mcp-extensions**。协议统一后，真正的稀缺资源是分发入口，而 ChatGPT 是当下最大的那个。此刻研读扩展规范、抢注垂直场景的开发者，做的正是 2010 年抢注 App Store 首批应用的生意。 **最被低估：OpSafari/hypoarena**。554 星少，不是因为它弱，而是因为看得懂的人少。科研生产力是单价最高的软件市场之一，一旦在某个学科的工作流里站稳，「假设发现工作台」完全可能长成下一个细分品类的名字。 ## 参考来源 1. [firelex/jeff](https://github.com/firelex/jeff) — 0.8B 开源 System 1 决策模型仓库，Star 数与描述取自 2026-10-02 GitHub API 2. [openai/mcp-extensions](https://github.com/openai/mcp-extensions) — OpenAI 官方 ChatGPT 插件扩展仓库 3. [HN: Clef — Open-weight decision models, and new RL fine-tuning platform](https://news.ycombinator.com/item?id=49923692) — 决策模型平台讨论，当日首页 431 分 4. [HN: RIP, vector database](https://news.ycombinator.com/item?id=49923466) — 向量数据库讨论，当日首页 280 分 5. [deepopen-com/deepopen](https://github.com/deepopen-com/deepopen) 与 [ollaya-dev/ollaya](https://github.com/ollaya-dev/ollaya) — 非自回归决策引擎与本地决策模型运行时 > [!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。