開場白
這禮拜 Hacker News 最兇的是 fugleramme，一台樹莓派靠麥克風聽鳥叫，自動畫成 1800 年代博物圖鑑，拿下 2318 分、255 則討論。同時 codex-with-chatgpt 用你已經付費的 ChatGPT 訂閱做規劃跟 review，30 天衝出 5.4k star；還有把 UI 草圖變成 AI prompt 的 m3e-canvas，等一下一次講給你聽。
本週開源好物
1. codex-with-chatgpt：讓你已經付錢的 ChatGPT 幫 Codex 做規劃跟 review
- 它是什麼：AI coding 最燒錢的其實不是動手改檔案,是規劃跟 code review 那段對話,常常一來一回就把 API 額度燒光。這個工具把這段丟回你本來就有的 ChatGPT Plus/Pro 訂閱,Codex 只負責照計畫動手改檔案。
- 本週聲量：GitHub 5448 star,30 天內新專案衝到 5.4k。
- 亮點功能：ChatGPT 端只透過唯讀 MCP 拉九個工具(workspace_info、read_file、git_diff、test_status 等),要哪幾行才讀哪幾行,整包 repo 不上傳;兩邊用 INIT→PLAN→EXECUTED→REVIEW→DONE 狀態機交換極小訊息,review 階段真的去看 git diff 跟測試紀錄,不是聽 agent 自稱測試都過了;OAuth 2.1 加 PKCE、動態客戶端註冊、輪替 refresh token,
.env*跟憑證檔預設封鎖,不需要任何 API key,repo 附 150 個測試。 - 快速上手：最懶的路線是把 README 安裝說明整段貼給你的 Codex agent,它自己裝完(cloudflared 會自動偵測);手動路線是
pnpm install && pnpm build產出c2c執行檔,跑c2c setup,之後用c2c status / doctor / pair / logs管理。 - 跟同類比：跟原生 Codex 流程比,差別是規劃跟 review 不吃 API 額度,改用訂閱制的 ChatGPT 網頁版;跟那些要你把整個 repo 上傳或貼進對話框的助手比,它按需取行,程式碼始終留在本機。
- 適合誰：已經在付 ChatGPT Plus/Pro,又不想額外燒 API 額度做規劃跟 review 的工程師。
- 連結：github.com/XiaoDuoYa/codex-with-chatgpt
2. m3e-canvas：畫完 Material 3 畫面直接吐一段能餵給 AI 的 prompt
- 它是什麼：vibe coding 最卡的不是寫程式,是「我講不清楚我要長怎樣」。這個工具讓你在瀏覽器直接畫 Material 3 Expressive 畫面,畫完自動轉成一段結構完整的自然語言 prompt,丟給 AI 生成就好。
- 本週聲量：GitHub 7420 star,30 天內新專案衝到 7.4k。
- 亮點功能：內建按 Material 3 Expressive 規格畫的元件,像 button、FAB、chip、app bar、導覽元件、card、list、dialog、text field;畫面之間能拉關聯,設定 tap to navigate 或 swipe to navigate 並選轉場(slide、fade、expand),能直接點著預覽走完整個流程;同一個畫面可切 412×892 手機跟 1280×800 桌機兩種版型,寫進 prompt 時會標成「一個畫面、兩種寬度」;產出的 prompt 支援中、英、日、韓四種語言,資料只存 localStorage 沒有後端。
- 快速上手：直接開 lnkiai.github.io/m3e-canvas 就能畫,不用註冊不用裝東西;想自架就 clone 後
npm install && npm run dev(localhost:3000),npm run build輸出靜態檔到./out。 - 跟同類比：README 自己點名的 matraic/m3e 跟 Beer CSS 是給你 Material 3 的元件或 CSS,你還是得自己刻;m3e-canvas 反過來,不給你程式碼,給你一份已經含版型、導覽流程跟主題設定的 prompt,讓 AI 去生。
- 適合誰：做 vibe coding 卻講不清楚 UI 長怎樣,想先用畫面溝通再交給 AI 的人。
- 連結：github.com/lnkiai/m3e-canvas
3. fugleramme：電子紙相框聽鳥叫,畫成 1800 年代博物圖鑑
- 它是什麼：一台樹莓派配麥克風,聽窗外鳥叫辨識物種,再把牠們排版成古典博物圖鑑畫在電子紙上,全程本機推論,不碰雲端。
- 本週聲量：Hacker News 2318 分、255 則討論,本週聲量王;GitHub 3050 star。
- 亮點功能：辨識交給另外容器裝的 BirdNET-Go,Fugleramme 定時打它的 API 拿結果,自己專心做呈現;圖庫有 800 多張去背圖,涵蓋 400 多種鳥,全部取自真實古典博物圖版並逐張手工挑選,README 明講「沒有任何一張是 AI 生成的」;只有偵測到的鳥種變了才重繪,省電子紙刷新次數;完全本機運算,不依賴雲端服務。
- 快速上手：想先看效果不買硬體,
docker run -d -p 8080:8080 -v fugleramme:/data -e FUGLERAMME_DETECTOR_URL=http://birdnet.local:8080 ghcr.io/arnegiacomo/fugleramme起網頁版就好;本機開發可以uv sync後開uv run fugleramme-fake-detector配uv run fugleramme-dev,用假偵測器直接跑;真的要做成相框就在 Raspberry Pi 5 上跑 install.sh,加一片 13.3 吋 Inky Impression 電子紙、麥克風跟 A4 相框。 - 跟同類比：跟 BirdNET-Pi、BirdNET-Go 這類鳥音辨識專案比,它不是要取代辨識引擎,而是疊在上面的呈現層,那些給你物種清單跟頻譜圖,Fugleramme 給你一幅會隨窗外訪客換內容的古典圖鑑;要注意鳥種資料偏向北歐、英國跟中歐,台灣的鳥況命中率會打折,程式碼 MIT,但 BirdNET-Go 的模型是 CC BY-NC-SA 4.0,僅限非商業使用。
- 適合誰：喜歡賞鳥、想要一個會自己換內容的居家裝置,或想看「全程本機、零 AI 生成圖」實踐範例的工程師。
- 連結：github.com/arnegiacomo/fugleramme
結尾段落
這三個工具講的其實是同一件事:省成本。codex-with-chatgpt 省的是 API 額度,m3e-canvas 省的是「講不清楚要什麼」的溝通成本,fugleramme 省的則是雲端依賴。如果只能挑一個試,我會先玩 codex-with-chatgpt,對每天在燒 token 的工程師來說最有感。下週再帶新貨過來,我們下集見。
留言