字节笔记本
2026年10月24日 · 约 15 分钟读完
狼叔的 AI 自留地：一份带点评的 2026 生态地图
AI 圈每天冒出新项目、新概念、新工具，多到没人看得过来。
狼叔（@i5ting，Node.js 圈资深开发者）把他关注的 AI 项目整理成了仓库 learn-ai-practice（原名 learn-ai），叫“狼叔的 ai 自留地”。但它不只是个项目清单，每一类都附了狼叔的个人判断，喜欢什么、不待见什么、为什么。
这种"带品味的策展"比纯 awesome-list 有价值得多。今天就来拆这份地图，看一个深耕 Node 多年的老兵，怎么理解 2026 年的 AI 生态。
一、先看狼叔的 AI 世界观
这份 README 最有价值的不是项目链接，而是开头那几段独立思考。狼叔先抛了一个理论框架，再给出判断。
1. 杰文斯悖论：AI 效率越高，需求反而越多
狼叔用 1865 年经济学家杰文斯的理论开篇：
当技术进步提高了某种资源的使用效率，从而减少了单位产出所需的资源量时，该资源的总消耗量不但不会下降，反而可能会增加。
套到 AI 上，AI 让编码更高效，结果不是程序员活少了，而是需求被激发了，总量反而更多。 这解释了为什么"有了 AI 大家都在干别人的活还觉得成就满满"，市场在变大，不是在缩小。
2. 狼叔看好的五个方向
基于这个判断，狼叔给出他看好的 AI 趋势：
- 粘合剂不如 pipeline，"agent teams 没有 pipeline 有用"。这跟循环工程一派的观点一致：编排工作流比堆 agent 更重要。看重真正深入的能力，不是套个壳
- 基于 agent 上下文做创新，"更实时，干掉 jira"。agent 上下文是新的产品创新土壤
- 学习新产品思路，multica、raft.build、wizme 等"融资甚好"的新产品值得研究
- 技术参考，"参考 docker 设计 agentfile，参考 npm 设计 agent 包，有机会"。把 Docker/npm 的成熟范式移植到 agent 生态
核心判断："职业是进化，而非消失。AI 会改变人才结构，但需求增加也是事实。"
3. 为什么有了 AI 越来越累
这段特别戳人。狼叔列了四条：
- 有参考的，AI 实现太方便，尤其对"有经验但动手不足的"，于是干的更多
- 要学的东西太多，从工具到 ralph loop 到工作流，还有 memory、ctx 等周边
- 要看各种创新，jira 替代、agent 协作等
- 面对未知，"要么等死，要么找死，折腾找死可能延长职业寿命"
无论哪种，都会很累，但还是需要批判性地使用。
"批判性地使用"，这五个字是整份清单的底色。 狼叔不是无脑安利，他带着怀疑和判断在看这一切。
二、AI 生态全景：12 个分类
清单把 AI 生态分成 12 个大类。我逐个摘核心，并加上狼叔的点评：
1. 概念（Concepts）
LLM 三阶段演进：Scaling（规模扩展）→ Reasoning（推理能力）→ Agentic（智能体化）。
关键术语：ReAct、CoT（思维链）、Agent Loop、Function calling、skills、protocol（MCP/ACP/A2A）、MAS（多 agent 系统）、harness engineering、loop engineering、LLM Wiki、ralph loop。
注意狼叔对 A2A 的判断，"没啥大用"。这是个有争议的看法，但来自实战。
2. 常用工具（Tools）
- CodeIsland、cc-switch（模型切换）、Obsidian/Tolaria（AI 友好的笔记）
- Clash Verge，"你懂的，尤其是虚拟网卡，对 google 系友好"
3. 终端（Terminal）
狼叔的终端偏好很明确：
- Ghostty，"用的最多"
- otty.sh，tauri + gpui，清新
- Warp，"以前用，开源后不咋用了"
桌面端推荐方案：tauri + gpui-component。这是他在实战中总结的轻量原生路线，也是当下流行的“反 Electron”轻量原生思路。
4. CLI & Desktop
- Codex App、Claude Code、opencode
5. 常用库（Libraries）
这组很有料，都是偏底层的"积木"：
- qmd、fff、PageIndex（文档索引）、agentfs（agent 文件系统）
- PixelRAG、llm_wiki、brain.md（session 处理，"简单直接高效"）
- SWE-bench（agent 能力评测）、zoekt（Sourcegraph 的代码搜索）
6. 龙虾及变体（OpenClaw 系列）
这是 2026 年 agent 圈的热门品类，以 openclaw 为首的"agent harness"框架：
- openclaw、nanoclaw（"还不错"）、happyclaw（"还不错"）、hermes-agent
狼叔的犀利点评：
我不喜欢龙虾（包括 hermes），给的权限小了没用，大了浪费 token。
一句话点破了这类框架的两难，权限管理是 agent harness 的核心难题，给少了啥也干不了，给多了烧钱又危险。 这个判断很实战。
7. Workflow
- Superpowers、gstack、mattpocock/skills、ecc
- 额外推荐掌握 /goal 和 ralph loop
8. Sandbox（沙箱）
agent 执行代码的安全环境。这个分类特别有价值，大厂都入场了：
- 腾讯 CubeSandbox、字节 sandboxfusion、阿里 OpenSandbox
- 加上 boxsh、vm0、gaol、zeroboot 等开源方案
说明 agent 沙箱已经是基础设施级的需求，国内大厂都在做。
9. CLI 工具
- CLI-Anything、AutoCLI、bb-browser
10. Compute-Use（电脑操作）
- trycua/cua（后台操作 macOS 的开源驱动）
- bytedance/ui-tars-desktop（字节的桌面 agent）
11. Agent（状态化 agent）
- Letta（stateful agents）、maka-agent、latitude-llm（agent monitoring）、evot（trace+eval）
12. 知识库 & 应用 & 商业产品
- 知识库：knowledge-catalog、PandaWiki、cabinet、graphify
- 应用：raft.build（闭源）、multica.ai（开源）、paperclip、deepchat
- 商业：nowledge（共享记忆）、dimagent
最有意思的判断：
agent 的尽头是 im。
bloome.im、cumora.ai、闪电说，狼叔认为即时通讯（IM）是 agent 的终极形态。但他也清醒：
这几个都不错，但是他们的先手优势只有半年，钉钉、飞书等如果跟进，对他们来说是很危险的。
这个判断很冷静：**IM 巨头一旦下场，独立 agent IM 创业公司很难扛。
三、最值得读的：狼叔的"叔语录"
README 最后一节叫"叔语录"，四句话，每句都是重锤：
1. "以为软件工程不要了，结果是一样也没少……"
回应"AI 替代程序员"的焦虑。软件工程的所有能力，需求分析、架构、测试、协作，AI 时代一样没少，甚至更重要。
2. "35 不是学不动了，以前是门槛，现在 35 之前是门槛，新人连入行都费劲"
残酷但真实的就业观察。AI 让行业门槛前移，以前 35 岁是天花板，现在连入行都难了。因为 AI 能干初级活，初级岗位在消失。
3. "有了 AI 之后，大家都在干别人的活并觉得成就满满"
讽刺 AI 的"幻觉式成就"。AI 让你能跨界干活（前端写后端、产品写代码），但这种"能干"不等于"干得好"。
4. "专业的人做不专业的事，还成就感满满，结果对核心业务毛帮助没有"
最狠的一句。AI 让"能做"变得容易，但"做对"仍然需要专业。用 AI 跨界产出"看起来行"的东西，对核心业务可能毫无价值，甚至有害。
5. "AI 时代，其实大家都是新人，是时候放下这些了。还是应该做输出型，而非骂人"
收尾的态度，AI 时代人人平等（老手新人都重新起跑），与其焦虑抱怨，不如做"输出型"的人（创造价值，而非消耗情绪）。
四、这份清单的三个独特价值
为什么狼叔这份 learn-ai 比 awesome-list 有价值？
1. 带判断的策展
awesome-list 是"收录一切"，狼叔是"收录 + 点评"。他会说"不喜欢龙虾""A2A 没啥大用""先手优势只有半年"。有立场的清单比中立的清单有用得多，它帮你省去了"该不该关注"的判断成本。
2. 实战视角的过滤
狼叔是 Node.js 老兵，他推荐的工具是自己用过、对比过的。Ghostty"用的最多"、Warp"不咋用了"、brain.md"简单直接高效"，这些都是真实使用后的结论，不是搬运。
3. 战略层面的思考
清单不只是"有哪些项目"，还有"这些项目意味着什么"。杰文斯悖论、"agent 的尽头是 IM"、"权限小了没用大了浪费"，这些是行业判断，比项目链接更值钱。
五、几个值得单独拎出来挖的方向
狼叔的清单是个起点，几个方向值得深入：
1. agentfile（参考 Docker）+ agent 包（参考 npm）
狼叔说"技术上参考 docker 设计 agentfile，参考 npm 设计 agent 包，有机会"。这是个前瞻判断，agent 生态现在像 2013 年的 Docker 前，缺一个标准化的"打包+分发"机制。谁做出"agent 的 Docker/npm"，谁就占住 agent 时代的基础设施。
2. 存算分离的 agent 架构
清单文章里提到"Agent 的存算分离架构设计"，这是 agent 大规模部署的关键。状态（存）和计算（算）分离，才能水平扩展。跟数据库的存算分离是同一种思路。
3. 国内大厂的 sandbox 三国杀
腾讯/字节/阿里都开源了 agent sandbox，这说明国内大厂认定 agent 沙箱是云服务的新品类。对企业用户，这意味着未来 agent 跑代码有合规、可控的托管方案。
4. agent IM 的窗口期
狼叔说独立 agent IM 创业公司"先手优势只有半年"。半年内如果钉钉/飞书跟进，它们就危险。这个时间窗口判断，对创业者和投资人都重要。
六、怎么用这份清单
对学习者：把它当 AI 生态的"地图"。12 个分类就是 12 个学习方向，每个分类挑 1-2 个项目深入研究，半年下来你就是半个 AI 专家。
对从业者：看狼叔的判断和"叔语录"，校准自己的方向。尤其是"做输出型而非骂人""批判性地使用"，这是 AI 焦虑时代的清醒剂。
对创业者/投资人：关注那几个战略判断，agentfile/npm 化的机会、agent IM 的窗口期、存算分离架构、sandbox 基础设施。
对开发者：终端/工具/库的推荐是即用即查的。尤其 Ghostty、cc-switch、brain.md 这几个，值得立刻试。
七、结语：清单之上是判断
一句话：狼叔的 learn-ai 不是一份项目清单，而是一份"带判断的 AI 生态地图"，12 个分类覆盖 agent 全栈，每类都有实战点评，加上杰文斯悖论和叔语录的战略思考。
在信息爆炸的 AI 时代，最稀缺的不是信息，是有品味的人帮你过滤信息。狼叔这份清单的价值，正在于他是一个有经验、有怀疑、有立场的老兵，他不会无脑安利，他会告诉你"这个我不喜欢""那个只有半年窗口"。
这种带立场的策展，比任何 awesome-list 都值得收藏。
而那份"叔语录"里最后那句，"还是应该做输出型，而非骂人"，大概是这份清单最好的结语。AI 时代人人都是新人，与其焦虑，不如输出。
本文基于狼叔（@i5ting）的 X 推文及 learn-ai-practice 仓库整理，原文 https://x.com/i5ting/status/2069081127449702855 ，仓库 https://github.com/i5ting/learn-ai-practice （245 星，持续更新中）。
延伸阅读：清单 Workflow 分类里的 mattpocock/skills 站内已有专文拆解。
