# 7 new open source AI tools you need right now… - Channel: [Fireship](https://www.youtube.com/channel/UCsBjURrPoezykLs9EqgamOA) - Published: 2026-03-12 - Source video: [Watch on YouTube](https://youtube.com/watch?v=Xn-gtHDsaPY) - Read on ReadTube: https://www.read.tube/p/videos/Xn-gtHDsaPY - Language: Simplified Chinese ## Summary **七款开源AI工具** 这期视频介绍了七个新的开源 AI 工具，旨在帮助开发者更好地组织和控制 AI 代理，从而更高效地构建产品。内容涵盖了代理模板、提示词测试、趋势预测、前端设计优化、上下文管理、模型去审查以及从零训练小型语言模型等方向，并穿插介绍了一个用于会议录制的统一接口服务。 这期视频的核心意思是：在 2026 年，开发者不再只是写代码，而是要学会管理和约束一堆 AI 代理。与其追求手工编码，不如借助开源工具把提示、上下文、前端、预测和模型训练等环节系统化，提升产出效率并减少失控风险。 视频推荐了七类工具： - 用“代理模板”快速组建前后端、安全、增长等角色团队。 - 用提示词测试工具验证不同提示和模型，并做越狱与注入攻击检测。 - 用多代理预测引擎从数据中推演趋势和策略。 - 用前端设计工具简化界面、统一配色并增强动效。 - 用面向代理的数据库管理记忆、资源和技能，降低上下文成本。 - 用去审查工具移除模型限制，获得更“听话”的本地模型。 - 用小型训练框架从零训练自己的语言模型，虽然能力有限，但控制权更高。 整体结论是：未来的关键能力不是亲手完成每一行代码，而是搭建一套可控、可测试、可扩展的 AI 开发流水线。 ## Article ### 2026 年开发者面对的同一个问题：一堆人工智能代理在终端里吵架 2026 年的每个开发者都面临同一个问题。你打开编辑器，写下一行代码，突然有十几个不同的人工智能代理在你的终端里争论怎么做得更好。而如果你是像我这样那种怪人——居然还真喜欢写代码的工艺感——恭喜你，你正式活在“垃圾溢出”的黑暗时代。 过去你会为了逐行敲代码、辛苦打磨，去换取那种甜美的多巴胺奖励；现在你只要告诉人工智能你想要什么，然后看着它凭空幻觉出一整个代码库。写代码已经不好玩了。裁员正在加剧。甚至连 Replit 的首席执行官都说，如今懂得如何编码实际上是一种劣势。 > “不会写代码正在变成一种优势。” > “构建产品比以往任何时候都更高效。” 除非你是那种愚蠢的程序员，偏偏还在乎什么架构和安全这种愚蠢的东西。 > “程序员会陷入细节。” 但他说得完全正确。残酷的事实是，我们不会回到手工编写代码的美好旧时光。唯一的出路就是拥抱混乱，并学会奴役机器。 今天的视频里，我们会看七个你从未听说过的不同开源项目，它们会帮助你把你的人工智能代理驯服得服服帖帖，并构建高效的垃圾流水线。今天是 2026 年 3 月 12 日，你正在观看《代码报告》。 --- ### 从“全栈独立开发者”到“雇对代理就行” 过去，如果你是一个独立全栈开发者，这意味着你必须同时掌握前端、后端。你还得理解运维、安全、用户界面、用户体验设计，以及一大堆别的废话。 但现在，你不需要学所有那些东西。你只需要雇到合适的代理。 一个能帮你快速做到这一点的工具是 **Agency**。这是一个免费且开源的项目，提供了几乎你在初创公司里会遇到的每一种岗位角色的代理模板，比如前端开发者、后端开发者、安全工程师、增长黑客、推特互动员，以及许多其他角色。 你可以很容易地把这些代理组合到 Claude Code 里，这样它能更高效地帮助你从零做到一个真正的产品，而不需要你直接去实现每一种人格和技能。 #### 用 Prompt Fu 检查你的提示词到底行不行 这很酷，但当你让这些代理开始干活时，你怎么知道你的提示词是不是足够好？ 这就是 **Prompt Fu** 的用武之地。另一个开源工具，它最近刚被 OpenAI 收购，你可以把它理解成你提示词的单元测试框架。 如果你正在用人工智能构建一个应用，而这个应用又让终端用户和人工智能交互，那么有一半的战斗其实是在搞清楚你是不是在用最佳模型和最佳提示词。Prompt Fu 让你可以用不同模型测试不同提示词，优化到底什么才能在你的应用里真正奏效。 除此之外，它还可以自动化红队攻击，找出你的应用是否容易受到提示词注入之类的攻击。这个很重要，因为如果你的聊天机器人能被 Discord 上一个 14 岁小孩骗到，进而泄露你的 API 密钥，那你的应用大概率会失败。 --- ### 预测未来、提升界面、管理上下文 失败很糟，但如果你能预测未来，就更容易不失败。**Mirrorish** 可以帮你做到这一点。 它是一个多代理人工智能预测引擎，首先会从互联网上提取大量数据，比如突发新闻和金融趋势。然后它使用这些数据创建一个数字世界，在这个世界里，多个具有独立人格的代理会对数据做出反应并进行讨论，几乎就像一个微型、不断演化的人工社会网络。 是的，它可能是中文的，但如果你还不会说中文，我只能说：**低 hola**，你已经落后了。 比如说，如果你想要一个保证能让你赚到十亿美元的应用点子，你可以启动 Micro Fish，从宏观和微观层面分析趋势，然后预测出一套保证让你变富的策略。就是这么简单。 但问题来了。你开始构建那个应用，结果界面上全是那种愚蠢的紫色渐变，和每一个其他 vibe coded 应用一模一样。 要修复这个问题，你就需要 **Impeccable**，一个针对前端设计优化的开源项目。它配套 17 个不同命令，能帮你的用户界面别那么糟。 我真正最抓狂的一点是，很多人工智能聊天机器人会生成过于复杂的界面。用了 Impeccable，我们就可以直接用 `distill` 命令一次性简化一切。然后再用像 `colorize` 这样的命令添加品牌颜色。接着再逐步加入 `animate` 和 `delight` 之类的命令，让界面看起来更独特、更特别。 #### 现代气质工程师最重要的能力：管理上下文 但也许现代 vibe 工程师最重要的单项技能，是管理上下文。如果上下文是垃圾，输出就是垃圾。 一个试图让你的上下文更好的开源项目是 **Open Viking**，这是一个专门为人工智能代理设计的数据库。它不是把所有东西都塞进向量数据库里，而是把代理的记忆、资源和技能组织到文件系统中。 这不仅是一种统一上下文的理性方式，它还使用分层加载系统，可以大幅减少令牌消耗，帮你省下一大笔钱。它还会自动压缩内容并细化长期记忆，让你的代理用得越久就越聪明。 不过，取决于你的项目，你也许不需要一个“更聪明”的代理。你也许需要一个“更有立场”的代理。那就是 **Heretic** 出场的时候。 几乎所有现成模型都有护栏，阻止你去做一些有趣的事情，比如在你的棚子里做化学方法，或者制造高产热核弹头。Heretic 允许你使用一种叫作 **obliteration** 的技术，移除这种独裁的觉醒审查。 这种方法让工具可以完全自动化，而且不需要任何昂贵的后训练。你只需要拿一个聪明但高度审查过的模型，比如 Google 的 Gemma，从命令行运行这个工具，现在你就得到了一个没有泡泡包装的模型，它会服从任何命令。 --- ### 从零训练自己的大语言模型，以及如何少开没用的会 但也许这甚至还不足以满足你那种失控的野心。在这种情况下，你可能想直接从头构建自己的大语言模型。 信不信由你，你真的可以用 **Nano Chat** 做到这一点。它实现了整个大语言模型流水线，包括分词、预训练、用于聊天的微调、评估，以及一个网页界面，这样你就真的可以和它对话。 更疯狂的是，你可以用大约 **100 美元** 的 GPU 时间训练你自己的小型语言模型。它当然不会是 Claude、GPT-5 或 Gemini，但至少它给了你一个你拥有绝对控制权的模型。 不过，比手写代码更浪费时间的唯一事情就是开会。也正因如此，你需要了解 **Recall AI**，今天视频的赞助商。 如果你曾经尝试从零构建人工智能会议工具，你就知道这简直是噩梦：你得分别维护 Zoom、Google Meet、Microsoft Teams 以及其他所有平台的独立集成。Recall 通过提供一个统一的 API 解决了这个问题，它可以跨所有会议平台工作。 你可以像我这里做的那样，用几行代码设置一个会议机器人或者桌面录制，它会实时捕获转录、录音和元数据。成千上万家公司，比如 HubSpot 和 ClickUp，都用它来处理自己的会议基础设施。大多数团队都能在几小时内，而不是几个月内，把录制和记笔记功能发布到生产环境。 去 `recall.ai/fireship` 看看，你可以获得 **100 美元** 的免费额度，自己试一试。 --- ### 结语 这就是《代码报告》。感谢观看，我们下期再见。