GitHub 这周新冒出来的项目里，有两个特别对味：一个 4,143 星，一个 4,953 星，都不算大，但都在干同一件事——把模型不擅长的活从它手里拿走。
一个把「身体」拿走了：7 美元的 ESP32-S3 当眼睛和手，让 AI 去操作一台没越狱的 iPhone。另一个把「排版」拿走了：模型只写 Markdown，SVG、CSS、分栏交给命令行，token 砍到原来的八分之一。
7 美元的板子，给 Agent 一副真手脚
esp32-iphone-agent 是开发者 Henry Yuan 在 10 月 11 日放上 GitHub 的，MIT 协议，现在 4,143 星。最早的版本还要一台电脑跑 UxPlay 和 Python 服务端，新版干脆把电脑去掉了：板子自己当 AirPlay 接收端，Agent 跑在同一台 iPhone 的 App 里。
链路不复杂，但每一段都卡在 iOS 的缝上：
- 眼睛：iPhone 的「屏幕镜像」把画面投给板子，板子不解码，只把 H.264 码流通过蓝牙转给 App。手机连着板子的热点，调模型走蜂窝数据。
- 手：板子伪装成标准 USB 鼠标和键盘。打开辅助触控后，鼠标指针就是手指，点击是轻点，拖动是滑动。
- 脑子：任何兼容 OpenAI 接口、能读图的模型都行，云端 API、vLLM、SGLang、llama.cpp、Ollama 都能接。规划器和执行器还能用两个不同的模型。作者开发时用两台 DGX Spark 跑 Qwen3.8-Flash-Next-NVFP4。
硬件门槛比想象低：一块 ESP32-S3、一根线、一台 iOS 18 以上的 iPhone。USB-C 直接插，Lightning 得加个相机转换器，板子由手机供电。但「不要电脑」不等于「不要 Mac」：刷固件和编译 App 还得用一次 Xcode，免费 Apple ID 签名 7 天过期要重签；想让 App 自动加入板子热点，还需要付费开发者账号的 Hotspot Configuration 能力，没有就手动输密码。
能干什么？理论上，凡是能在屏幕上点出来的流程——点外卖、刷信息流、回消息——都能试。但视觉模型看截图点按钮，点偏一格就可能进了广告页；这也绝不是能托付支付密码的东西。把它当「手机 Agent 的试验台」更合适。
让模型少写 7/8 的 token，答案反而更好看
answer-me-with-html 是同月 2 号发布的 Agent 技能，作者 QingYunA，MIT，现在 4,953 星。用法一句话：装进 Claude Code、Codex、Cursor、OpenCode 之类的 Agent，然后正常提问。
它做的事很克制：模型不写 HTML，只写一份带 frontmatter 的 Markdown 草稿，交给技能自带的 CLI。CLI 选模板、摆面板、套主题，流程图用 dagre 算坐标，时序图按标签宽度留间距，大约 50 毫秒吐出一个能直接打开的单页 HTML。
作者在 README 里把账算得很细：手写 HTML 的 9 个页面平均 4,893 token，其中 47% 花在 SVG 坐标和路径，15% 是 CSS，17% 是 HTML 标签，真正的内容只占 21%。换成这个技能，模型平均只写 612 token，差不多是原来的八分之一。测试环境是 Claude Sonnet 5.5 + 普通 Claude Code，3 个题目各跑 3 次取中位数。
少写 token 只是表象，真正省的是「模型手算 SVG 坐标」这件事——手画的箭头经常指向空处，这个问题做图的都懂。CLI 把几何接过去，模型只负责判断和措辞。
它也有边界：鸡毛蒜皮的问题不会生成页面，问 ls 怎么显示隐藏文件，它直接不画；引用代码时只能读当前目录内的文件，带密钥的文件会被拒绝。安装走 vercel-labs/skills 的安装器，支持 70 多个 Agent，也可以手动把 skills 目录拷进去。
之前我们聊过给 Agent 立设计规矩的 impeccable 和 Hallmark，那是用规则约束模型；这个项目更直接——把排版这件事从模型手里拿走。
实话
两个项目都是单人维护、几千星，离生产还有距离。esp32-iphone-agent 的固件因为移植了 UxPlay 的 AirPlay 接收端，二进制按 GPL-3.0 分发；answer-me-with-html 的八分之一是 9 个页面的基准，不是所有题目都成立。
但它们指向同一个方向：Agent 的瓶颈正在从「模型够不够聪明」变成「外围的活谁来干」。屏幕镜像、HID 注入、SVG 坐标、CSS 布局，这些模型做得又慢又不稳；拆出去交给板子和命令行，模型只留判断，整条链路反而更可靠。
