今日风向标

alibaba/open-code-review 本周新增 6920 stars，总星数 41030，描述里直接把确定性流水线和 LLM Agent 组合成企业代码审查系统；vectorize-io/hindsight 本周新增 3363 stars，总星数 28386，聚焦 Agent Memory；akitaonrails/ai-memory 本周新增 1243 stars，总星数 8372，切的是跨 agent vendor 的长期记忆与交接。机会不在再做一个聊天 IDE，而是在 agent 进入团队协作后的可审计、可迁移、可追责层。

另一个值得盯的是 Fission-AI/OpenSpec，本周新增 1415 stars，总星数 70279，把 spec-driven development 变成 AI coding assistant 的前置协议。它和 addyosmani/agent-skills 本周 3345 stars 形成同一个方向：把优秀工程实践包装成 agent 可执行资产。

Product Hunt 数据没有提供票数和评论数，因此今天不把它当热度榜，只把它当题材雷达。值得注意的产品包括 Basedash MCP write、GitHub statistics · Velocity Radar、DEV·TV、Relium 和 Token Forecaster。它们的共同点是把开发者已有系统接进 AI 工作流：MCP 写仪表盘、私有 repo 动量追踪、开发信息流聚合、dbt 风险检查、LLM 回复长度预测。

消费端也有几个细分入口：FinalFrame 做 AI 照片批评，UIDCaption 做离线动态字幕，COOLDOWN 做冲动消费前的暂停。这些不是大模型能力炫技，而是把一个高频、可解释的微决策产品化。

开发者工具的增长冠军是 stablyai/orca，本周新增 6547 stars，总星数 77809，定位是可并行运行多个 coding agent 的 ADE。紧随其后的是 alibaba/open-code-review 的 6920 weekly stars，它把静态规则和 LLM line-level comments 放在同一条审查链路里。再往下看，google/ax 日榜新增 1373 stars，说明 agent orchestration runtime 已经从框架爱好者话题进入平台级竞争。

技术选型上，TypeScript 仍适合做 IDE、桌面、前端控制台和 agent 编排界面；Go 正在承担高并发审查与编排服务；Python 继续占据模型、RAG、金融和记忆层。今天如果要开新项目，建议先选一个具体控制面：review、memory、spec、orchestration 或 spend，而不是笼统写成 AI dev tool。

convaiinnovations/laya trending score 3316、likes 3492，标签集中在 routing、scoring、guardrails、moderation，适合做面向创作者和客服的自动决策裁判：哪些回复能发、哪些内容要拦、哪个模型该接手。它不是生成模型，但消费级产品里最缺的正是稳定决策层。

图像侧，Qwen/Qwen-Image-2.1 trending score 2090、downloads 42469，abenzerps/Qwen-Image-2.1-Uncensored-GGUF downloads 575697，Comfy-Org/Qwen-Image-2.1 downloads 3266380，说明本地和 ComfyUI 工作流已经足够热。可做的不是通用生图站，而是照片修图决策、商品图批处理、短视频封面 A/B、离线隐私图像编辑。

今天 HN Show HN 原始数据为空，无法从 Show HN 直接判断技术栈。但 GitHub 和 Product Hunt 的替代信号很一致：面向 agent 的工具栈正在围绕 Python、TypeScript、Go、Rust、C 和本地推理格式重组。Python 对应 RAG、memory、模型优化和金融场景；TypeScript 对应桌面与 Office runtime；Go 对应 orchestration 和 code review；Rust 与 C 则负责低层网络和本地模型执行。

如果你在做新产品，技术栈不该先从模型选型开始，而应从部署边界开始：团队 SaaS 用 TypeScript + Go/Python，隐私本地用 Rust/C + GGUF，数据工具用 TypeScript 前端加 Python 分析后端。

HN 没有提供「XX is dead」或迁移类文章，但 Google Trends 给了更强的迁移信号：cursor alternative 上升 +302.2%，同时 GitHub 周榜里 anthropics/claude-code 本周新增 2384 stars、总星数 148010，stablyai/orca 本周新增 6547 stars，说明开发者不是放弃 AI coding，而是在寻找 Cursor 之外的可组合方案。

这对竞争判断很关键：IDE 入口正在被终端代理、agent fleet、agent skills 和 spec workflow 拆开。Cursor 的替代者未必是另一个完整 IDE，也可能是审查层、记忆层、技能包、远程运行时或团队仪表盘。

HN 的 MRR、ARR、pricing、subscription、revenue 数据为空，但今天的产品题材已经暗示两个可学定价模型。第一类是开发者基础设施按 seat、repo、run 或 usage 收费，例如 Relium 可以按 dbt 项目和风险检查次数计费，Basedash MCP write 可以按 MCP 写入、dashboard 数和团队权限计费。

第二类是小决策型消费工具，用低价订阅或一次性包卖清晰结果，例如 FinalFrame 的照片编辑建议、Token Forecaster 的回复长度预测、COOLDOWN 的冲动消费拦截。共同点是定价单位要贴近一次具体风险或一次明确节省。

最强上升词是 cursor alternative +302.2%，它和 GitHub 上 Claude Code、Orca、agent skills、OpenSpec 的增长互相印证：开发者正在重新评估 AI 编程入口。第二个是 weknora +47.4%，对应 Tencent/WeKnora 本周新增 3749 stars，说明企业知识库、RAG、自维护 Wiki 仍然有需求，但用户更关心可部署系统，而非抽象 RAG 概念。

claude code 仅 +10.2%，不是冷却，而是进入高基数常态。真正的新增需求落在替代、编排、记忆和技能这些二级关键词上。

今天的 VC radar 可以概括为 agent operating layer。GitHub 上 stablyai/orca 6547 weekly stars、google/ax 1373 weekly stars、dream-num/univer 1082 weekly stars，共同指向多 agent 编排、Office runtime 和工作流接管；Product Hunt 上 Bleetz Network 甚至把 agent-to-agent 放进 VC fundraising 和 scouting。

另一个主题是成本与可观测性。Fivemetrics 做 cloud 和 AI spend 调查，GitHub statistics · Velocity Radar 做私有 repo 与 AI agent 动量。资本会更偏好能嵌入预算、权限、审计和团队协作的产品，因为这些比单人效率工具更容易扩张 ACV。

几个泛化词明显降温：ai agent -45.6%，self hosted -50.2%，agent skills -54.4%，open code review -69.7%。这不代表这些方向消失，而是通用词搜索热度让位于具体产品名和具体问题。

对 builder 的含义很直接：不要把首页标题写成又一个 AI agent 或 self-hosted AI assistant。今天更好的表达是「减少 dbt 破坏性变更」、「把 Claude Code 技能标准化」、「预测一次 LLM 回复成本」、「审查 agent 写出的 PR」。

破圈词里最强的是 claude code 关联查询「claude code opus 5.5」value 69850、「opus 5.5」value 65900、「claude opus 5.5」value 59150。无论这些词最终是否对应真实发布，它们都说明开发者对下一代 coding model 的预期已经绑定到 Claude Code 这个工作流入口。

另一个弱信号来自 codex 的 rising：jev value 1100、gpt 6 sol value 700；以及 ai agent 下的「google ax ai agent orchestrator」value 10600。今天的新词不是泛概念，而是具体 runtime、模型代号、orchestrator 名称和社区口令。

2 小时版本：做一个「AI coding session diff auditor」。输入一个 repo、一次 agent 修改和测试输出，生成风险摘要、可疑文件、需要人工复核的行，并参考 alibaba/open-code-review 的确定性规则 + LLM 注释思路。不要先做完整 SaaS，先做 GitHub Action 或 CLI，把输出写进 PR comment。

周末版本：做一个「Agent Memory Inspector」。参考 vectorize-io/hindsight 和 akitaonrails/ai-memory，先支持 Claude Code、Codex、Cursor 会话日志导入，自动提取决策、约束、未完成事项和危险假设。卖点不是记得更多，而是让团队知道 agent 为什么这么改。

开发者工具优先学三种计费：按 repo、按 seat、按风险检查次数。Relium 这种 dbt 风险检查适合按关键数据项目收费；Fivemetrics 这种 AI spend 分析适合按云账户和月度节省分层；Basedash MCP write 适合把团队权限、写入能力和历史审计作为付费墙。

消费工具则适合低承诺购买：FinalFrame 可以卖照片批评包，UIDCaption 可以卖离线字幕导出额度，COOLDOWN 可以卖一次性或轻订阅。定价文案要落在「少犯一次错」或「少浪费一次成本」上。

最反直觉的是：越多人说 AI agent，搜索热度反而越冷。ai agent -45.6%、agent skills -54.4%，但 GitHub 上 agent 相关项目却继续暴涨：Orca 6547 weekly stars、OpenSpec 1415 weekly stars、agent-skills 3345 weekly stars、Hindsight 3363 weekly stars。

这说明市场没有离开 agent，而是离开了笼统叫法。用户现在搜索和 star 的是更具体的东西：Cursor 替代、Claude Code 技能、Agent Memory、code review、orchestrator、Office runtime。builder 应该把产品命名和落地页从技术名词改成岗位任务名。