今日风向标

HN Show HN 只有一个明显信号：Mini-AGI 拿到 53 分、12 条评论，卖点是可在 8GB VRAM 上做动态持续学习。这不是流量级爆款，但它切中了一个真实方向：开发者想把长期记忆和学习能力放回本地机器，而不是每次都依赖云端会话。

Product Hunt 今日更像一组微型工作流产品：Jev、Jevtown、SecAIQ Watch、Milliseconds.ai 都围绕 AI 决策、发布前评估和本机可观察性展开，但原始数据未提供票数与评论数。今天值得关注的是，这批产品不是泛 AI 助手，而是把 AI 压进判断、监控、剪辑、投放预测这类高频小闭环。

本周最强信号是 alibaba/open-code-review 单周新增 15,504 星、总星 38,787，描述里同时强调确定性流水线、LLM Agent、行级评论和多语言规则集。它看起来不像单纯演示项目，而是把企业代码审查里的可重复性、安全规则和 LLM 解释能力揉在一起，商业化空间会落在私有部署、规则市场和审计报表。

另一个值得盯的是 bilawalsidhu/gods-eye-view 单周新增 8,111 星、总星 40,013，用真实数据做浏览器里的开源空间情报 3D 地球。它未必直接 SaaS 化，但能启发一类面向地产、物流、保险、公共安全的垂直情报产品：开源底座免费，行业数据源和协作工作台收费。

开发者工具榜几乎被代理基础设施占满：anthropics/claude-code 单周新增 2,342 星、总星 147,340，已经是事实标准入口；addyosmani/agent-skills 单周新增 3,986 星，把技能打包成可复用工程能力；mksglu/context-mode 单周新增 1,242 星，主打工具输出沙箱、会话记忆和跨 17 平台路由。

真正的选型判断是：如果你的产品还把 AI 当作单次问答 API，已经落后一层。今天该评估的是技能目录、上下文预算、并行代理、审计记录和权限边界，尤其是 stablyai/orca 单周新增 5,841 星、max-sixty/worktrunk 单周新增 822 星，说明多代理开发正在进入日常工程流。

HuggingFace 今日最强模型是 prism-ml/Ternary-Bonsai-2-27B-gguf，热度 1,485、下载 1,908,396、1603 赞，标签强调 2-bit、GGUF、Metal、on-device。它的消费级方向不是做通用聊天，而是做隐私优先的本地写作、邮件分类、个人知识库和离线客服。

第二个信号是 convaiinnovations/laya 热度 1,330、1359 赞，定位在分类、路由、评分、guardrails 和 moderation；配合 Qwen/Qwen-Image-2.1 热度 1,056 的图像生成编辑能力，可以拼出一类产品：前台生成内容，后台用小模型做质量评分、风控和路由，降低大模型调用成本。

Mini-AGI 的关键不是分数 53，而是它把持续学习、动态训练和 8GB VRAM 放在同一句话里。今天的技术栈信号很明确：小团队正在绕开大型云训练叙事，转向能在消费级显卡上迭代的本地模型系统。

这类项目的风险也很明显：持续学习容易带来灾难性遗忘、评估漂移和不可复现结果。Builder 如果要跟进，不应该先做一个更大的本地 AGI demo，而是做数据回放、模型版本比较、学习事件日志、回滚和安全阈值这些配套工具。

今天没有 HN 上明确的 MRR、ARR、pricing 或 subscription 讨论，但 Product Hunt 的产品形态给了更实用的营收线索：Lead Sparker 把任意品牌 URL 变成可发送洞察 deck，Sell to State 搜索 64 个国家的 300 万政府合同，AI Creative Insights by Decode 预测广告素材胜负。

这些产品共同点是把 AI 输出包装成购买者熟悉的业务资产：销售线索、投标情报、广告预测、退款处理、ATS 简历。定价不必按 token 讲故事，应该按节省的销售研究时间、避免的广告浪费、提高的回复通过率来锚定。

原始 HN 数据里没有「XX is dead」或明确迁移文章，但 GitHub 与 Trends 给出替代品需求：danny-avila/LibreChat 单周新增 1,600 星、总星 44,531，继续吃到自托管 ChatGPT Clone 的需求；Open-Dev-Society/OpenStock 日榜新增 755 星，定位为昂贵市场平台的开源替代。

更重要的是 Google Trends 里 self hosted 上升 +119.1%，open source alternative 上升 +102.9%。这说明用户不只是找替代品，而是在重新评估数据控制、价格和供应商锁定。

最强关键词是 open code review 上升 +483.7%，并且关联突破词出现 open code review alibaba；这与 GitHub 上 alibaba/open-code-review 单周 15,504 星完全对齐。第二梯队是 weknora 上升 +265.5%、ai agent 上升 +170.2%、agent skills 上升 +156.3%。

判断上，今天不是单点爆词，而是企业级 Agent 工程化一起抬头：代码审查、知识库、技能、CLI、自托管都在涨。Builder 应该优先找有明确输入输出、能被审计、能嵌进现有流程的场景，而不是再做一个泛用代理入口。

综合 GitHub、Product Hunt 和 HF，今天最像 VC 雷达的主题是 AI Agent 运维层：安全审计、运行时防护、上下文压缩、代理车队和可观察性。cloudflare/security-audit-skill 日榜新增 2,428 星，trycua/cua 日榜新增 1,018 星，Arcjet 主打运行时保护，SecAIQ Watch 追问 AI 工具在本机到底做了什么。

这类公司容易讲清楚预算来源：安全、合规、工程效率、成本控制。相反，纯聊天体验越来越难差异化。YC 式机会会更偏向一条狭窄工作流，比如 PR 审查、代理权限、销售资料生成、政府合同搜索，而不是横向 AI 平台。

降温最明显的是 gods eye view 下滑 -94.5%，尽管 GitHub 本周仍新增 8,111 星，说明它更像一次项目级爆发，而不是稳定搜索需求。cursor alternative 下滑 -100.0%，但关联词仍有 cursor ai、cursor pricing，表示用户未必不关心替代品，而是搜索表达转向具体产品比较与价格。

claude code 微跌 -1.2%，与 GitHub 高星状态并不矛盾：品牌词增长放缓，生态词如 agent skills、codex cli、open code review 接力上涨。今天的判断是，单一工具名的注意力正在让位给围绕它的插件、技能和替代工作流。

破圈词里最值得剔噪后关注的是 jev ai agent、google labs cc family ai agent、open code review alibaba 和 codex cli docs。它们分别对应 Product Hunt 上的 Jev、CC、GitHub 上的 alibaba/open-code-review，以及 codex cli 上升 +100.2%。

需要谨慎的是，breakouts 里混入了 best open world games、lidl near me、how to bake a cake 等噪声；真正可用的弱信号要和产品、仓库、模型同时交叉验证。今天最强的新词组合是「AI 决策 API」与「家庭/个人代理」，前者来自 Jev，后者来自 Google Labs CC，说明 Agent 正从开发者场景向生活协同和自动判断扩散。

2 小时可以做一个「PR 风险摘要器」：接 GitHub webhook，读取 diff，用规则先标出空指针、SQL 拼接、权限变更、依赖升级，再让 LLM 生成行级解释。不要从完整代码审查平台起步，先把 alibaba/open-code-review 的确定性规则加 LLM 评论思路缩到一个窄场景。

一个周末可以做「Agent Activity Watch」：记录本机 AI 工具访问了哪些文件、执行了哪些命令、产生了哪些外发请求，并生成可分享审计报告。它对应 SecAIQ Watch、Arcjet、security-audit-skill 的共同信号，目标用户是已经在公司里试用 Claude Code、Codex、Cursor 的工程负责人。

今天值得学习的不是 token 计费，而是结果资产计费。Sell to State 可以按席位加合同数据库访问收费，Lead Sparker 可以按生成 deck 或销售团队席位收费，Refoid 可以按处理退款量或挽回金额收费。

开发者工具侧则适合开源核心加企业控制面：比如 open-code-review 类工具把规则引擎开源，把私有部署、审计日志、团队策略、合规导出、SAML 和权限管理收费。这个模式比单纯卖更聪明的 AI 评论更稳，因为预算来自质量、安全和管理责任。

最反直觉的是：越是 AI Agent 火，越值得做非生成式的基础设施。今天涨得最猛的不是新聊天体验，而是 open-code-review、agent-skills、context-mode、security-audit-skill、cua、orca 这类帮代理受控运行的项目；HF 上的 laya 也是分类、路由、评分和 guardrails，而不是更会聊天的模型。

这说明市场正在从「让模型多做事」转向「知道模型做了什么、该不该做、做错能不能追责」。如果你是独立开发者，短期更好的机会可能不是训练模型或做超级助手，而是做一个能嵌进现有工具链的检查器、路由器、记录器或回放器。