1018 | 本地优先与智能体时代：一周好工具速览

茉莉: 大家好，欢迎收听今天的节目，我是茉莉。

白桦: 我是白桦。今天我们准备了一期比较特别的内容，就是过去一天里冒出来的一批新产品。它们看起来很分散，有笔记工具、有私教、有厕所查找器，但听下来其实有一条共同的主线：不管是本地的 AI，还是给智能体搭的基础设施，都是在回答同一个问题——AI 到底应该待在你身边，还是待在云端。

茉莉: 对，而且今天这些工具里有不少是开源的、不用注册账号的，这个信号挺明显。我们就从一个最贴近日常的场景说起：做笔记和开会。

白桦: 先说 Earnote。它的核心是把本地的 Whisper 转写引擎包进了一个笔记工具里。你录音或者导入音频，它在本地转成文字，然后自动生成结构化的笔记，里面有任务清单、有学习卡片，还能导出成 PDF。整个流程不需要账号，不需要云，代码是 MIT 协议开源的。

茉莉: 这个定位其实挺聪明的。现在市面上转写加笔记的工具很多，但几乎全都要把你的录音传到别人的服务器上。如果你录的是会议、访谈，甚至是医疗或者法律相关的内容，这一点就很难接受。Earnote 把 Whisper 放到本地，等于把“转写”这个最敏感的环节留在了你自己的机器上。当然它有没有本地跑模型的性能要求、在小机器上转写会不会很慢，这些是开放问题，单从介绍里看不出来。

白桦: 对，这一点要提醒听众：这些都是产品方的说法，我们没法替你验证在普通笔记本上跑起来到底什么体验。不过方向上，它和另一款工具正好形成一组对照，就是 Parrot。

茉莉: Parrot 是 Mac 上的会议录制工具，免费、开源，而且它的卖点里有两条特别值得说。第一，它不往会议里塞机器人。很多人开线上会议都见过那种突然加入的“录制助手”， Parrot 是直接录系统里的音频，不惊动任何人。第二，它本地转写之外，还能基于你自己的文档给出实时的回答，而且回答里带来源。

白桦: “带来源”这个细节很关键。它意味着你开会时问“我们上次定的方案是什么”，它不是凭空编一段，而是指出答案来自你哪份文档。这和 Earnote 的思路其实是一体两面：都是把隐私敏感的语音处理留在本地，再把结果变成可用的知识——一个偏笔记和学习，一个偏会议和问答。要说区别，Earnote 面向的是事后整理和复习，Parrot 面向的是会议进行中的辅助。两款都没提价格上的门槛，一个 MIT 开源，一个免费开源。

茉莉: 顺着“本地”这条路再往前走一步，就到了更个人化的场景。Train with Pasta 是一个 AI 私教，它跑在 Apple Intelligence 上，也就是苹果设备自带的本地模型。你用说话的方式跟它交流，它给你排训练动作和每周计划，同样不用注册账号。

白桦: 这里有个有意思的技术选择：它没有自己带一个大模型，而是直接用 Apple Intelligence。好处是零成本、零隐私负担，数据不出设备；代价是它的能力上限受限于苹果那套模型能做什么。健身指导恰好是苹果在宣传里提过的典型场景，所以这个搭配是合理的。但作为私教，它能不能像真人教练那样观察你的动作、调整强度，介绍里没说，这个值得打个问号。

茉莉: 再往前走一步就更个人了。Emo chi 是一个语音日记应用，你每天说几句，它把你这天的心情变成一个“麻糬”角色，这个角色会随着你的情绪状态不断变化。而且它不只是可爱，它基于情感研究来展示你的情绪模式，也就是时间长了你能看到自己情绪的规律。

白桦: 这个产品的赌注在于：坚持记日记最大的障碍是“看不到回报”，而一个会因为你今天难过而变得蔫蔫的麻糬，就是一种即时的、情感上的回报。它和前面几个工具的共同点都是本地、语音输入，但它处理的是最私人的数据，情绪记录，所以不上云这一点对它来说可能比笔记工具更重要。当然，“基于情感研究”具体是哪些研究、模式分析得准不准，这些都有待用户自己验证，我们只能说这是产品方的表述。

茉莉: 所以这一段四个产品串起来看，你会发现一个梯度：从笔记到会议到健身到情绪，本地优先从“数据安全的刚需”一路延伸到“纯个人的生活记录”。接下来这类本地 AI 应用会和智能体生态怎么融合，是个值得盯的方向。而说到智能体生态，我们正好要转到另一边：那些在给智能体修路的公司。

白桦: 这个话题里最重要的一个动作来自 Notion。它在 3.8 版本里把整个工作区重新定位成 AI 智能体的“共享上下文层”。具体做了三件事：推出一个 Skills API，让智能体获得可复用的能力；接入了 150 多个 MCP 连接；还加了列级的权限控制，可以精确到表格的某一列谁能看谁不能看。

茉莉: 这三件事得拆开看。MCP 现在算是智能体连接工具的事实协议之一，Notion 一次性接 150 多个，等于把工作区变成了智能体可以直接读写的环境。Skills API 是让“怎么做事”可以沉淀下来复用。而列级权限是这里最容易被忽略但可能最关键的一点——因为一旦你的文档变成智能体的数据源，权限就不能只到“文档”这一层了，财务数字那一列你可能就不想让某个智能体读到。大公司把 MCP 当标准接口来接，这个动作本身说明协议层面的竞争基本有了方向。

白桦: 协议有了，还需要有人提供“修路工具”，这就是 NitroStack 干的事。它是一个构建、测试、部署 MCP 服务器的平台，自带一个叫 Studio 的测试环境，SDK 同时提供 TypeScript 和 Python，还包含云端部署和聊天功能。你可以把它理解成 MCP 生态里的工程化配套：Notion 是消费端，NitroStack 是生产端。

茉莉: 有协议、有工具，还得有模型来跑这些智能体。这里出现了今天技术含量最高的一个发布：Step 5 Preview，一个开源的 600B 参数 MoE 模型。注意几个数字：虽然是 600B，但因为 MoE 架构，每次推理只激活 27B，所以实际跑起来没有总参数那么吓人。它的上下文窗口是 100 万个 token，而且它明确说了是为“长时间运行的智能体”训练的，同时支持 vLLM 和 SGLang 这两个主流推理框架。

白桦: “为长时智能体训练”这句描述值得多想一下。智能体任务的难点不是一问一答，而是要连续几十步地调用工具、保持目标不漂移，这和聊天模型需要的能力不太一样。当然，“为智能体训练”到底是营销话术还是训练时真的用了特殊数据，介绍里没有细节，这是一个开放的疑问。还有部署门槛：600B 的模型即便只激活 27B，也不是普通开发者本地跑得动的，所以它更多是面向有算力的人。

茉莉: 说到算力，这正好把我们带到下一个话题。要跑这样的智能体，得租 GPU，而租 GPU 的价格混乱得离谱。GPU Terminal 这个工具就是在解决这件事：它比较超过 61 家云服务商的 GPU 租用价格，H100 最低能做到每小时 0.12 美元，而且带价格历史，每个价格都标注了来源，整个项目开源。

白桦: 这里把前面的话题接上了：Step 5 这样的模型要在 vLLM 或 SGLang 上服务智能体，成本就是租卡的钱，61 家服务商之间的差价可能非常大。GPU Terminal 的价值不只是省钱，还有两点纪律性值得夸：一是历史价格，能看出某个服务商是不是临时抬价；二是来源标注，价格可核查，这在比价类工具里反而不常见。它不验证服务质量，0.12 美元的 H100 可用性如何、网络怎么样，那是另一回事，这些局限听众要知道。

茉莉: 从算力成本再往下，就是智能体写代码的质量问题。Ultracite v8 是一个零配置的 Linter 和 Formatter，底层可以用 Oxlint、Biome 或者 ESLint，它的定位很明确：专门为智能体生成的代码设计，检查一次编辑大约 330 毫秒。

白桦: 这个“330 毫秒”就是为智能体量身的。人写代码，linter 跑几秒无所谓；但智能体在一次会话里可能要做几十上百次代码编辑，每次编辑后都要验证，验证本身就成了瓶颈。零配置也很关键，因为智能体最怕的是环境配置出错。把 GPU 比价和 Ultracite 放在一起看，你会发现它们回应的是同一个现实：开发工作越来越多地交给智能体完成，那么算力成本、代码质量校验这套工具链就得跟上。Step 5、NitroStack、Notion、GPU Terminal、Ultracite，加起来差不多就是从模型到协议到成本到质检的全链条。

茉莉: 链条的最后一环其实是人怎么和智能体交互，而有两个产品给出了一个你意想不到的答案：MacBook 的刘海。

白桦: 先说 CrewTower。它是一个 Claude Code 的模组，把控制界面放进 MacBook 的刘海里，你可以从那里给 Claude 会话发送提示、停止任务，还能看一眼上下文的用量。价格是一次性 9.99 美元。它解决的是一个非常具体的问题：智能体在跑长任务的时候，你不想一直盯着终端窗口，但又想随时看一眼、随时打断。

茉莉: 另一个叫 Korinotch，范围更大一些。它是一个 macOS 刘海应用，功能包括媒体 HUD、通知、文件托盘、剪贴板管理和键盘锁，14 天免费试用，之后 11.5 美元买断。你看，两款都是买断制，都瞄准同一批人：重度 AI 用户和多任务用户。

白桦: 有趣的问题是：刘海交互会不会成为一种新的桌面范式？刘海本来就是屏幕的“死区”，CrewTower 把它变成智能体的状态灯和遥控器，这个思路是成立的长任务监控本来就该有个不打扰主工作区的小窗口。但风险也明摆着：只有带刘海的 MacBook 能用，用户群天然受限；而且如果把智能体监控放在那么小的一个区域里，信息密度够不够、会不会看不清，介绍里没有答案。CrewTower 更专，Korinotch 更泛，两条路线都在同一个位置上试验，这个竞争本身就很说明问题。

茉莉: 接下来我们换一群人：独立创作者、开发者和做研究的人，看看他们手里的新工具。先说 Draper，一个每月 9 美元的 AI 应用，定位是帮你把商业点子变成生意。它会先对点子做出一个“带来源的判断”，也就是评价你的想法时附上依据，然后一步步带你做计划、做品牌、建落地页，直到找到第一批客户。

白桦: 这里最值得琢磨的是“带来源的判断”。AI 帮人做商业决策的产品一抓一大把，大部分的问题是空口说“这个点子有潜力”。Draper 强调判断附带来源，至少在形式上把“AI 的看法”和“可查的证据”区分开了。不过要提醒一句：来源本身可能是网络上的二手信息，一个点子的好坏最终还是要靠市场检验，这是所有这类工具的通病。它把流程从验证一路铺到获客，这条完整链路是它的差异化，但每一步做得多深、还是只是模板化的产出，需要用户自己试。

茉莉: 第二个是给写作者和思考者的。Caldera 把你的 Obsidian 仓库变成一个自动更新的个人主页，还能连接成“数字花园”的网络，所谓数字花园就是公开分享、持续修剪的想法集合。它是私有的、开源的、可以自己托管。

白桦: 它解决的是笔记和发布之间的断层。很多人在 Obsidian 里写了很多，但从来不敢发布，因为要手动整理格式。Caldera 让主页跟着仓库自动长出来，同时还能和别人的花园互相链接，形成网络。对于在意数据主权的人来说，可自托管加上开源，和今天开头那些本地优先工具是同一种气质。

茉莉: 第三个面向的是网站和 AI 时代的运维问题。Salience 把服务器或者 CDN 的日志变成一个实时视图，让你看到搜索引擎、AI 爬虫和真人用户的每一次请求。它还能发现错误，以及一种挺新的威胁：伪装成真爬虫的机器人。

白桦: 这个“伪装成真爬虫”的问题值得展开一句。AI 爬虫现在大量抓取网站，有些站点愿意被某些爬虫抓、不愿意被另一些抓，判断依据通常是 User-Agent。而有恶意方会把自己标成知名爬虫来混进来。Salience 让你从日志层面看清到底是谁在访问、是不是冒牌的。它和 Caldera、Draper 的共同点是都在把原本模糊的信息，你的点子的依据、你的笔记、你的访问日志，变成可审视的东西。它适合的是运营网站的开发者，而不是普通用户，这个受众要清楚。

茉莉: 这一批工具里还有一个和前面完全不同领域、但思路最“较真”的：Unfenced。它每周把大约 70 万条美国房源信息和官方地图做比对，找出那些直接毗邻公共土地的地块，目前找到的大约是 13600 个。

白桦: 这个产品妙在数据来源的独立性。房源描述里说“背靠国家公园”是卖房中介的话术，可能不准确；Unfenced 是拿房源数据去和官方地图做几何上的比对，所以结论是可验证的。这适合买地的人、喜欢户外的人，或者关心土地使用的研究者。它也提醒我们，好工具不一定是 AI 工具，把两个权威数据源认真地对到一起，本身就是高价值的信息工作。不过 70 万条里只有一万三千多块地符合条件，说明它的标准很严，这个数字本身可以当成严谨度的体现，也可以理解成它的适用面比较窄。

茉莉: 最后我们用两个特别接地气的移动应用收尾。LooGo 是一个 Android 和 Wear OS 上的厕所查找器，数据来自 OpenStreetMap，收录了超过 100 万个地点。它不只告诉你哪里有厕所，还显示开门码、价格和无障碍信息，而且没有广告。

白桦: 那几个细节才是它的差异化：有没有无障碍设施，对轮椅使用者来说是能不能用的区别；需不需要开门码，决定了你站在门口会不会尴尬。基于 OpenStreetMap 意味着数据是众包的，覆盖会很 uneven，大城市好、偏远地区可能没数据，这是这类地图应用的固有局限。它还支持手表，说明作者想清楚了使用场景，你往往是出门在外、手上拿着东西的时候才需要找厕所。

茉莉: 最后一个是 Spiralens，一个 Android 相机应用，用黄金分割来帮你构图。它的交互设计很聪明：屏幕上有一个箭头，告诉你手机该往哪个方向移动；等你构图到位了，会亮一个绿环来鼓励你完成拍摄。全程可以离线用。

白桦: 这个绿环的设计和 Emo chi 的麻糬其实是同一种思路，把一个抽象的“做得好不好”变成一个即时的、情感化的反馈。黄金分割构图对摄影新手是最容易卡住的知识点，箭头加绿环等于把手势引导做进了相机里。离线可用也和今天整个主题呼应：工具待在你手里，不依赖别人。

茉莉: 回头看这一整天，有一条线其实贯穿始终。Earnote、Parrot、Train with Pasta、Emo chi 是把 AI 拉回你的设备；Notion、NitroStack、Step 5、Craft Agents 是在给智能体修一条从协议到模型到桌面的完整通路；GPU Terminal 和 Ultracite 在控制这条路的成本和质量；刘海上的两个小工具在探索人机交互的新入口。

白桦: 而最后那批信息工具，Draper、Caldera、Salience、Unfenced、LooGo、Spiralens——用的是最朴素的办法：把可信的数据认真对齐，再干净地交到你手上。要说还没解决的疑问：本地模型的能力上限、智能体长任务到底靠不靠谱、这些产品的实际体验如何，都得等时间来回答。今天就聊到这里，感谢收听，我是白桦。

茉莉: 我是茉莉，我们下期再见。