这是《开发者机会观察》第9期。过去一周最值得注意的信号不是某个新模型发布，而是一层新的"中间层"正在长出痛点：Kimi Code Desktop 9月22日正式上线，国产 coding agent 选型再次热闹；中转渠道偷换模型的老问题被审计数据坐实；agent 想替你干活却发现一半网站进不去。当工具越来越多、链路越来越长，真正空着的方向全是连接和翻译——验证对端是谁、把配置从A搬到B、在长会话里找到回去的路、让文档和草稿在不同格式之间无损流动。下面七个方向，全是这种。
一、你充的那个模型，可能根本不是它
一句话是什么：一个本地 CLI，向你配置的任意 AI API 端点发一组标准化探针题（知识截止日、能力指纹、已知答案题），根据响应特征判断实际服务的模型是否和声称的一致，顺便显示实际连接 IP。
为什么是机会：阮一峰周刊第413期（9月18日）收录了"AI IP 检测"，能显示连各家 AI 服务时实际走的 IP——说明"我到底连的是谁"已经是被权威周刊识别的需求。V2EX 上中转站排雷帖和"大多数中转站都是国模套壳"帖长期活跃，用户持续投诉偷换模型。CISPA 审计发现 45.83% 的影子 API 端点未通过模型指纹验证；unorouter 实测 8 家 Claude 转售商中 183 个频道不是 Claude。甚至官方平台也有问题——有用户投诉火山方舟配置了 dsv4flash 但后台全是豆包模型消耗。
现有方案的不足：BazaarLink Probe 是商业 Web 服务，不可自托管、不支持自定义端点；unorouter 的检测是博客文章不是工具；KBF 是学术论文无开源实现。往期我们讲过"模型静默换版对拍"，那是同一提供商内部版本漂移的持续监控；这个方向是第三方中转或平台的模型身份造假，是一次性信任扫描，场景和形态都不同。
个人开发者怎么切：MVP 就是一个 CLI，内置 20 到 30 道探针题，向用户的 ANTHROPIC_BASE_URL 或 OPENAI_BASE_URL 发请求，对比响应指纹。不需要大模型算力——探针题是预设的，只做特征比对。不需要私有数据或资质。国内中转市场巨大，V2EX 相关帖累计数万浏览，需求明确。门槛是探针题库得跟着模型版本更新，而且指纹检测本身有不确定性，得老实告诉用户这是高度疑似不是实锤。
参考线索：阮一峰周刊413期"AI IP检测"；BazaarLink Probe（商业对照）；V2EX中转站排雷帖。
二、剪映草稿的 MCP 层，作者故意留了空白
一句话是什么：一个轻量 MCP Server，封装 capcut-cli 的能力，向 Claude Code、Cursor、Codex 暴露 create_draft、add_subtitle、add_video_clip、set_timing、export_draft 等工具，让 AI Agent 用自然语言直接生成可在剪映桌面端打开的草稿。
为什么是机会：阮一峰周刊第413期收录了 capcut-cli，明确标注任何 LLM agent 都可以驱动。但 capcut-cli 的 README 里白纸黑字写着 no MCP server or HTTP daemon——作者故意不做 MCP 层，把这块空白留给了别人。更巧的是，剪映 6.0 以上对 draft_content.json 做了 AES 加密，capcut-cli 刚在 9月20日实现解密支持——底层硬活刚打通，Agent 集成层还没人做。
现有方案的不足：capcut-cli 和 cutcli 都是纯 CLI，Agent 要手动拼命令行，没有结构化工具定义；pyJianYingDraft 是 Python 库不支持 MCP 协议；Kinocut、Nextcut 等视频编辑 MCP Server 全部基于 FFmpeg，不操作剪映原生草稿格式。往期我们讲过"剪映草稿批量模板"，那是预置模板的批量内容生产；这个方向是 MCP 工具集成层，让 Agent 动态生成草稿，不是模板内容本身。
个人开发者怎么切：MVP 是 capcut-cli 的薄 MCP 封装——草稿格式解析、加密处理这些硬活 capcut-cli 已经做完了。一个 Node.js 或 Python MCP Server，暴露 10 到 15 个工具，两周可出。不需要大模型算力，MCP Server 只是命令转发。国内短视频创作者和 AI Agent 用户重叠度高。门槛是高度依赖剪映草稿格式，每次大版本升级 schema 都会变，维护成本不低，而且是非官方逆向，有被官方封闭的风险。
参考线索：capcut-cli（GitHub renezander030/capcut-cli）；capcut-cli npm 页面；Kinocut（FFmpeg路线对照）。
三、换个 AI 编程工具，配置全得重写一遍
一句话是什么：一个 CLI 工具，读取 Claude Code 的项目配置（CLAUDE.md、.claude/settings.json、MCP 配置、Skills 目录），自动转换为 Kimi Code、Trae、Codex 对应格式，也支持反向迁移。
为什么是机会：Kimi Code Desktop 9月22日正式发布，支持 macOS 和 Windows，大量中文开发者正在尝试从 Claude Code 迁移。V2EX 上"国内有哪些开源的 coding agent 可以选择"帖（9月20日，四千多浏览，四十多条回复）显示开发者正在国产 coding agent 之间反复横跳选型。而 V2EX 的 VibeCoding 痛点帖里，用户描述的迁移方式极其原始——A 工具额度用完了，拷贝该工具的 link，去 B 工具说继续。配置、规则、MCP、Skills 全靠手动重写。
现有方案的不足：baton 做会话历史导入导出，但不迁移设置文件、MCP 配置、Skills；ai-terminal-manager 合并多 CLI 会话历史列表，不做配置迁移；Codex History Viewer 只浏览会话。没有任何工具做 CLAUDE.md 到 Trae 规则文件、MCP 配置互转、Skills 目录映射。往期的"Vibe Coding 交接文档"是人与人之间的知识交接，这个方向是工具配置文件的格式转换，不涉及知识内容。
个人开发者怎么切：MVP 就是解析加转换 JSON 和 Markdown 配置文件，纯文本处理。不需要大模型算力、私有数据或资质。Kimi Code Desktop 刚发布，迁移需求正在爆发窗口期。一个 CLI 加规则映射表，两周可出。门槛是各家工具的配置格式跟着版本变，得持续追；而且有些配置比如 MCP server 的启动命令在不同工具里语义不完全等价，转换会有信息损失，得老实标注。
参考线索：V2EX VibeCoding开发痛点帖；V2EX国内开源coding agent讨论帖；Kimi Code Desktop发布资讯。
四、几百条消息的会话里，找不到上次拍板的地方
一句话是什么：一个 Claude Code 或 Codex 的 TUI 插件或独立 CLI，解析当前会话的 JSONL 记录，自动提取用户消息作为顶层节点、AI 回复中的 Markdown 标题作为嵌套节点，生成可折叠的层级目录，按快捷键弹出，选任一条直接跳转。
为什么是机会：Ophel Atlas 在小众软件论坛 9月17日发布 1.2 大版本，25 个版本迭代、五星好评——证明 AI 对话大纲导航需求真实且强烈。但 Ophel Atlas 只支持浏览器端 AI 站点（ChatGPT、Claude、Gemini 网页版）。Claude Code、Codex 等 CLI 编程工具的会话经常长达数百条消息，用户只能逐行翻找，没有目录导航。V2EX 多个帖子抱怨 AI 编程会话过长后找不到之前做的决策点。
现有方案的不足：Claude Code 内置 /resume 只能跨会话选择，不能在单个会话内导航；keddy 通过 MCP 工具让 Agent 回溯历史会话，但不是给人看的可视化目录；claude-history 是跨会话模糊搜索，不做单会话内大纲；baton 做会话导入和 fork，不做会话内导航。往期的"AI 对话体积清理"和"上下文压缩生存清单"是压缩或删除对话内容，这个方向是对话内容的导航浏览，完全不碰内容本身。
个人开发者怎么切：MVP 就是解析 Claude Code 的 JSONL 会话文件，提取用户消息和 Markdown 标题，渲染一个 TUI 目录。不需要大模型算力——纯文本解析。不需要私有数据或资质。可以先做 Claude Code 一个平台，两周出 MVP。门槛是各家会话格式不同需逐个适配，而且 TUI 交互在不同终端里的表现有差异，得做好兼容性测试。
参考线索：Ophel Atlas（浏览器端对照）；小众软件Ophel Atlas 1.2发布帖；keddy（Agent侧会话回溯对照）。
五、Google Docs 导出 Markdown，评论和建议全丢了
一句话是什么：把 Google Doc 转成 Markdown 时，不丢批注、不把建议编辑压平成正文、把图片下载到本地并改写为相对路径。
为什么是机会：Show HN 9月21到22日出现 Gdocs-me-up: a high-fidelity Google Docs exporter，说明有人正在切这个点。很多技术团队和内容创作者用 Google Docs 协作审稿，再导出 Markdown 发布——但导出时批注全部丢失，建议编辑模式被静默压平成正文，你分不清哪些是原作者写的、哪些是编辑建议的，图片指向需要鉴权的 Google CDN URL，离开 Google 环境就裂图。
现有方案的不足：最流行的 evbacher Docs to Markdown 插件明确丢弃评论、建议模式被压平、图片指向需鉴权的 Google CDN；官方导出同样丢脚注、复杂表格列宽丢失。没有一个工具把评论保留为 Markdown 注释或旁注、建议模式标记为 diff、图片下载本地化这三件事一起做了。
个人开发者怎么切：纯调用 Google Docs API 做解析转换，不需要 LLM 算力、不需要私有数据、无重运营。MVP 是一个 Workspace 侧栏插件加一个 CLI，几周可出。门槛是 Google Docs API 对评论和建议模式的暴露有限，有些格式比如嵌套表格、浮动图片转换起来很麻烦；而且 Google 官方随时可能改进导出功能，窗口有收窄风险。
参考线索：Gdocs-me-up（Show HN 9月21日）；evbacher Docs to Markdown（Google Workspace Marketplace）；mdisbetter.com 的导出缺陷清单。
六、Agent 想替你上网，一半网站被挡在门外
一句话是什么：一个可搜索的公开目录，标注每个网站或服务对 AI 浏览型 Agent 的友好度——是否 Cloudflare 拦截、是否强制登录、有无公开 JSON API、有无 MCP server。
为什么是机会：Show HN 9月23日刚出现 WebMCP Registry of Websites That Agents Can Use。浏览器型 Agent（Playwright MCP、BrowserSkill 等）越来越普及，但它们在真实网页上随机失败：Cloudflare 人机验证墙、强制登录墙、纯 JS 渲染页、反爬检测。开发者每次都要自己踩坑，社区没有共享的这个网站 Agent 能不能用知识库。Playwright MCP 的配置文档和 issue 区里大量站点失败求助。
现有方案的不足：Glama、mcprepository 等只收录 MCP server，不收录裸网站能不能被浏览器 Agent 直接爬或填。没有一个目录把 Cloudflare 拦截、登录墙、JSON API 可用性、MCP 有无这些维度放在一起给网站打分。
个人开发者怎么切：MVP 就是一个 GitHub 仓库加静态搜索页，让开发者给网站打标签（agent-readable、login-walled、cloudflare、has-json-api、has-mcp）。不需要模型算力、不需要重后端，主要成本是冷启动众包，但列表形态天然适合开源协作。门槛是网站状态会变，今天加了 Cloudflare 明天可能撤，数据时效性是个挑战；而且目录本身不直接产生收入，得想清楚变现方式。
参考线索：WebMCP Registry（Show HN 9月23日）；Glama MCP 目录；Playwright MCP 配置文档里的站点失败求助。
七、给设计师一个品牌色，吐出一整套可访问色板
一句话是什么：Figma 插件，输入一个品牌色，自动生成一整套带语义角色（primary、hover、on-bg、text、success 等）且过 WCAG 对比度检查的 UI 色板，导出为 design tokens。
为什么是机会：Show HN 9月23日出现 Palette, a Figma plugin that turns one color into a whole UI system。独立开发者和小团队做产品时，最头疼的不是写代码，是设计系统——只有一个 logo 色，不知道怎么衍生出 hover 态、禁用态、文字色、背景色，还得过可访问性对比度检查。现有工具要么是独立网页，不进 Figma 工作流，要么只管 token 管理，不从种子色生成。
现有方案的不足：Realtime Colors、Egger 是独立网页工具，不进 Figma、不生成可写回的 token；Tokens Studio 管 token 但不从一个种子色生成整体系。从单色色散加语义角色加对比度校验这一组合在 Figma 插件生态里仍是空档。
个人开发者怎么切：纯前端 Figma 插件，无后端、无 LLM、无数据积累。MVP 一个插件加导出 JSON tokens，几周可成。色彩算法（OKLCH 色散、对比度计算）都是成熟的公开算法。门槛是色彩审美是主观的，自动生成的色板不一定好看，得提供足够的手动微调空间；而且 Figma 插件审核和分发有平台依赖风险。
参考线索：Palette（Show HN 9月23日）；Tokens Studio；Realtime Colors。
把这七件事摆在一起看，本期的风向挺清楚：前八期我们盯的大多是 agent 内部的问题——它改了什么、说了什么谎、留了什么痕迹。这一期的信号几乎全在外部连接层：你连的那个 API 对端是谁、你的配置能不能从 A 工具搬到 B、你的 agent 能不能用那个网站、你的文档能不能无损换个格式。当 AI 工具从一个 Claude Code 走天下变成 Kimi、Trae、Codex、Cursor 来回切，当 agent 从在终端里写代码变成借你浏览器上网、替你剪视频，中间这层翻译和验证就成了新的空白。
另一个值得注意的变化是：这期有三个方向（Google Docs 导出、Figma 色板、网站可读性目录）已经不完全是 AI 编程工具了，而是内容和设计工具链里的缝隙。这说明机会雷达的有效范围在自然扩大——AI 把创作门槛拉低之后，围绕创作流程的格式转换、兼容性、可访问性，反而成了小团队能切进去的地方。这些方向有一个共同点：不需要大模型算力，不需要重运营，全是纯工程或纯数据的活，个人或两三个人几周就能出 MVP。只是得清醒——连接层的工具天然跟着被连接的双方走，任何一方改了格式或关了接口，你的产品就得跟着改，维护成本是这类方向最大的隐性门槛。