開場白

Firebase 官方 Emulator Suite 帶資料啟動要 30.8 秒，Firenook 官方量到的是 0.59 秒，這個反差讓它在 Hacker News 拿了 167 分、28 則討論。今天這集就從 Firenook 開始聊，接著還有一個 30 天內衝到 17.7k★ 的 Rust 逆向工程引擎 craft-anything，以及一個只花約 2.1 萬美元就訓出來、權重直接 Apache-2.0 放出來的 text-to-image 模型，那個模型到底能不能用，等一下告訴你。

今日開源好物

1. Firenook：Firebase Local Emulator Suite 的 drop-in 取代品，不用 Java

• 它是什麼: 如果你做 Firebase 後端，應該很熟悉那套流程，firebase emulators:start 下去，先等 Java 起來，再等一堆服務慢慢熱機，中間改個東西重啟，資料全沒了。Firenook 是 Apache-2.0 授權的取代品，沿用你現有的 firebase.json、.firebaserc、SDK 跟既有埠號（Firestore 8080、Auth 9099、Storage 9199、Functions 5001、Pub/Sub 8085 等），基本上就是把 script 裡的 firebase 改成 firenook。服務是打包在單一 npm 套件裡的原生程式碼，不需要安裝 Java，Node 22／24／26 都能跑。
• 近期聲量: 在 Hacker News 拿了 167 分、28 則討論。官網目前標示的版本是 0.2.1，還很早期。
• 亮點功能: 第一，官方宣稱在真實應用的兩小時壓測下，寫入中位數 5.1ms 對上官方的 208ms，尖峰記憶體 2.11GiB 對上 22.57GiB。第二，加上 --keep-data 之後 Firestore／Auth／Storage 的資料重啟還在，帶資料啟動約 0.59 秒（官方要 30.8 秒），崩潰最多只掉最後一秒的寫入。第三，內建一個覆蓋全部服務的本機 console，跑在官方 Emulator UI 原本那個埠上，而且有官方 UI 沒有的 Functions／Pub/Sub／Cloud Tasks／Eventarc 頁面；另外還有 firenook mcp，提供 54 個工具給 Claude Code、Cursor、VS Code 的 agent 直接查日誌、問 Security Rules 為什麼拒絕某個請求。
• 快速上手: npm install --save-dev firenook，先跑 npx firenook init --adopt --dry-run 確認它認得你的專案，再把 firebase emulators:start 換成 npx firenook emulators:start。測試就用 firenook emulators:exec "npm test"。
• 跟同類比: 直接對標 Google 官方 Firebase Local Emulator Suite，匯入匯出沿用官方格式，想切回去隨時可以切。但雷點要先講：它不取代 firebase-tools，沒有 deploy 跟 login，部署還是得走官方 CLI；而且 Realtime Database、Hosting、App Hosting、Data Connect 目前都不模擬，你的專案如果重度依賴 RTDB，這套先別急著換。
• 適合誰: 每天跟 Firestore／Auth／Functions 本機開發搏鬥、受夠 Java 跟冷啟動的前後端工程師。
• 連結: https://firenook.dev/ ／ https://github.com/firenook-dev/firenook

2. craft-anything：把「研究它怎麼做的」到「叫 agent 重建一個」串成一條龍

• 它是什麼: 純 Rust 寫的逆向工程引擎，流程是 Study → Build → Check → Ready 四步：先用檢測工具研究原始目標，再讓 coding agent 用你指定的語言與框架重建，然後把成品跟原版比對（網站會比三種螢幕寬度，遊戲會跑自我測試）並反覆修正。給的是工具控工程師，也給想知道某個介面怎麼堆出來的人。
• 近期聲量: GitHub 17.7k ★，而且是 30 天內的新專案，Apache-2.0，主要語言 Rust。
• 亮點功能: 引擎內建 314 個工具（其中 298 個在引擎本體），涵蓋原生程式、.NET、Java、Android、Apple、Electron／JavaScript、網站、韌體、封包側錄、資料庫與遊戲檔；自帶解碼器、反組譯器與反編譯器，不裝 Ghidra 也能跑，裝了的話 Deep 模式會一併使用。每個工具同時是 CLI 子指令也是 MCP 工具，可以 craft-anything-cli mcp 餵給任何 MCP client。另外預設是 Clean room 模式，完全不讀原始碼與檔案，只靠截圖、可見文字、量測出的版面與配色重建，會看內部的工具一律拒絕執行並提示你切 Deep 模式；查看分析本身不需要 AI。
• 快速上手: 需要 Rust 1.97+，git clone 後 cargo run --release -p craft-anything 開桌面版，或 cargo install --path apps/craft-anything-cli 裝 CLI，再跑 craft-anything-cli doctor 檢查環境。懶得編譯的話，GitHub Releases 有 Windows／macOS／Linux 的簽章安裝檔。最快的體感是 craft-anything-cli rebuild <url> "Recreate this website"。
• 跟同類比: 跟 Ghidra、IDA 這種純逆向工具不同，它不只給你 pseudo-C 跟呼叫圖（Advanced 模式一樣有），而是把分析結果接給 coding agent 產出可執行的新專案，再自動比對相似度。但要很清楚：README 自己標明 early alpha，而且誠實列出「現在能跑」「只做一半」「接下來要做」三段狀態；建置端目前主要支援你本機已登入的 Claude Code，Codex adapter 還沒實機驗證，帳號與用量走你自己的方案。另外它明講只能對你擁有或被允許檢視的軟體使用，不繞過 DRM、登入或反作弊，這條請當真。
• 適合誰: 想把逆向分析直接接到 coding agent、而且接受 alpha 品質的 AI 應用與工具控工程師。
• 連結: https://github.com/storytold/craft-anything

3. P-JiT（pjit-21k）：兩個人、約 2.1 萬美元算力訓出來的 2B text-to-image 模型

• 它是什麼: Linum 的兩位共同執行長 Sahil Chopra 與 Manu Chopra 在 2026 年 11 月 4 日發的 Field Notes，釋出一個 2B 參數的 Pyramid-JiT（P-JiT）pixel-space text-to-image 模型，程式碼跟權重全部 Apache-2.0。對想自架生成模型、或純粹好奇「小團隊到底能走多遠」的人，這是一份可以直接拉下來跑的材料。
• 近期聲量: 在 Hacker News 拿了 267 分、29 則討論。
• 亮點功能: 架構上，官方說法是把 attention context window 縮小 4 倍、收斂所需樣本數少 11 倍；這次釋出的模型訓練了 6.6 億個樣本，作者自述整體算力成本約 2.1 萬美元，定位是通往更大影片模型的概念驗證。官網放了 249 張附完整提示詞的生成樣本可以逐張點開看原始解析度，而且文章本身附訓練設定附錄跟 Model Limitations 章節，沒有迴避弱點，這點我給個讚。
• 快速上手: 到 Hugging Face 拉 Linum-AI/pjit-21k 的權重，搭配 GitHub 上同名的模型程式碼在自己的 GPU 上跑。懶得裝的話，先去官網畫廊點幾張圖看提示詞跟實際輸出，再決定值不值得花時間。
• 跟同類比: 跟 Stable Diffusion、FLUX 這類成熟開源權重比，它規模小、是實驗性研究釋出。真正的賣點是完整公開了一條「兩萬美元等級」的 pixel-space 訓練路徑，加上可商用的 Apache 2.0 授權，適合研究跟微調，別指望它直接取代你現在的生圖主力。
• 適合誰: 想研究低成本訓練路徑、或需要可商用授權的小模型來微調的 AI 工程師。
• 連結: https://www.linum.ai/field-notes/pjit-21k ／ https://github.com/Linum-AI/pjit-21k ／ https://huggingface.co/Linum-AI/pjit-21k

結尾段落

今天這三個的共同點蠻明顯的：都在挑戰「大廠版本理所當然的成本」，不管是 Java 執行環境、逆向工程的人力，還是訓練一個生圖模型的預算。真的要我推一個，Firenook 是今天唯一一個你明天上班就能換、而且換壞了隨時切回官方的；craft-anything 跟 P-JiT 則比較像週末玩具，有趣但請留好退路。明天見。