開場白
一個 30 天內衝到 7.2k 星的新專案，README 直接貼 benchmark 打自己的前輩：OpenIDEA 開 freqtrade 這種約 770 個 Python 檔的專案，ready 只要 1.1 秒、吃 169 MB，對照組 IntelliJ IDEA 2026.2.3 是 13.2 秒、2011 MB。我是沐妍，今天還有一個敢裝在你主力手機上的 Android agent Mika，以及 NVIDIA 官方開源、在 Hacker News 拿下 289 分的 auto-ontology，等一下告訴你它怎麼讓 text-to-SQL agent 學會說「這題我答不出來」。
今日開源好物
1. OpenIDEA：留著 IntelliJ 的肌肉記憶，丟掉 JVM 的開機與記憶體帳單
- 它是什麼: 寫 Java／Kotlin 的人心裡都有個矛盾，IntelliJ 的快捷鍵和 tool windows 已經長進手指裡，但每天等它 index、看記憶體被吃掉幾個 GB 又很煩。OpenIDEA 就是把 IDEA 的操作習慣整套搬過來，包含 keymap、tool windows 和 search-everywhere，但換成一個輕量的 native 殼。給不想重學快捷鍵、又受夠開機時間的人用。
- 近期聲量: GitHub 7,251 星，是 30 天內冒出來的新專案，授權 Apache-2.0，主要語言 TypeScript。HN 上為了「到底算不算 rebuilt in Rust」吵了一整串。
- 亮點功能: 一套 app 裡面就含編輯器、code insight、除錯器、Git、終端機、資料庫 client 跟 HTTP client，支援 60+ 語言，三個平台都有 build；README 附上前面那組 benchmark 數字，而且難得誠實地註明「IDEA 對 Python 分析更深，ready 不代表兩邊在做一樣的事」，還提供 perf/compare 讓你在自己機器上重跑。
- 快速上手: 最快路徑是直接去 GitHub Releases 抓對應平台的安裝檔，macOS／Windows／Linux 都有。想自己編譯就
pnpm install && pnpm tauri dev，需要 Rust 1.96、Node 22 跟 Tauri 的前置套件。 - 跟同類比: 同樣是 Rust 系的 Zed 和 Lapce，整個 UI 都是 Rust 自繪；OpenIDEA 走的是 Tauri，Rust 核心加上 WebView／TypeScript 前端，所以 HN 才會有人覺得「rebuilt in Rust」名實不符。沐妍覺得這個質疑有道理，但它真正的賣點本來也不是純 Rust，而是「IDEA 的手感配上輕量外殼」。另外 README 自己也寫明與 JetBrains 無關，別拿它當 IDEA 的功能等價替代品。
- 適合誰: 離不開 IntelliJ 快捷鍵、但主力機記憶體已經快撐不住的人。
- 連結: https://github.com/l0ng-ai/openidea
2. Mika：跑在你手機裡的 computer-use agent，沒有官方伺服器
- 它是什麼: 手機版的 computer-use agent。它會在一個隱藏的背景虛擬螢幕上幫你開 app、點擊、打字、捲動，你同時還能正常滑自己的手機，想看進度就點開小視窗即時觀看。給那些想要自動化手機操作、但一想到要把螢幕畫面交給某家廠商後端就下不了手的人。
- 近期聲量: GitHub 7,301 星，同樣是 30 天內的新專案，Apache-2.0，主要語言 Kotlin，全部程式碼公開。
- 亮點功能: 靠「看螢幕找按鈕」的 accessibility 方式運作，不需要 app 提供 API，也不用一個個做整合，任何 app 或網站都吃；內建瀏覽器可以對著當下頁面直接下指令，手一碰頁面它就停；它會記住你講過的偏好，並把完成過的任務沉澱成 skill，下次更快更穩。
- 快速上手: 到 Releases 下載 APK（Android 11+），進 Settings › Model 選 provider 填自己的 API key，再照「Set up phone control」精靈配對一次無線偵錯就好。只想用聊天／網頁／檔案功能的話，第三步可以跳過。README 還給了一段指令，讓你電腦上的 AI agent 幫你把整套裝起來。
- 跟同類比: 跟那些要把畫面送上廠商雲端的手機代理服務不同，Mika 沒有自家後端，agent 流程跑在手機本機；也不像廠商內建助理只能操作自家 app。不過要講清楚雷點：沒有 Mika 伺服器不等於完全離線，模型還是你自己接的 API key 或 ChatGPT／xAI／OpenRouter 帳號，而且要讓它幫你點螢幕就得開 accessibility 和無線偵錯配對，這是不小的權限，裝之前自己想清楚。
- 適合誰: 愛自架、怕資料外流，又想把重複的手機操作交出去的 Android 使用者。
- 連結: https://github.com/wangzan101/Mika
3. NVIDIA auto-ontology：讓 data agent 先承認「這題答不出來」
- 它是什麼: 做過 text-to-SQL 或資料 agent 的人都踩過同一個坑，agent 回答得又快又自信，但答案是錯的。auto-ontology 從資料庫 metadata 自動編譯出一層 ontology，把業務名詞對應到欄位、measure 對應到經審核過的 SQL，還有表與表之間的關聯，agent 查這層語意圖而不是硬猜。給在企業內部真的要把 agent 接上正式資料庫的人用。
- 近期聲量: Hacker News 289 分、139 則討論，GitHub 8,260 星，NVIDIA 官方開源，Apache-2.0，主要語言 Python。
- 亮點功能: answerability check，先判斷這個問題到底答不答得出來，答不出來就讓 agent 回頭追問，而不是自信亂講；每個回答都附上 SQL 跟 agent 的步驟；同一份 context 可以透過 MCP、agent skills 和 REST API 餵給任何 agent harness，定義則可以在 Web UI 或 API 上人工審核與認證。另外有配套的 auto-ontology-eval repo，在 BIRD、BEAVER、FDABench-Lite 和 Wide World Importers 上做「schema 塞 prompt」對照「走 ontology」的同模型兩次提問實驗，用確定性 verifier 評分。這組評測是官方自己的 repo，建議當成可重跑的方法，而不是第三方背書。
- 快速上手: repo 內附 Dockerfile、docker-compose.yml 和 helm chart，複製
.env.example之後docker compose起一個服務跑在你的資料庫旁邊，再把 MCP endpoint 接給你的 agent 就通了。 - 跟同類比: 業界最常見的土炮法是把整份 schema 貼進 context window，token 隨著表和欄位線性膨脹，join 跟 measure 每次都靠 agent 即興發揮。auto-ontology 改成給 agent 工具去查 ontology，只取這題用得到的名詞與表。它也能匯入你既有的 semantic model，定位是補完 dbt、Cube 這類你已經有的語意層，不是取代它們。
- 適合誰: 手上有一堆表、正在被 agent 亂寫 SQL 折磨的資料工程團隊。
- 連結: https://github.com/NVIDIA/auto-ontology
結尾段落
今天這三個共同點很明顯，都在把「模型自己硬猜」換成「有結構可查」：OpenIDEA 把 IDE 的重量拆掉但保留操作慣性，Mika 把 agent 收回你自己的裝置，auto-ontology 則是替 agent 鋪一層查得到的語意地圖。真要沐妍挑一個今晚就裝的，是 OpenIDEA，下載安裝檔的成本最低，而且 README 附了 perf/compare，你完全可以在自己專案上驗證那組 1.1 秒。順帶一提，這三個專案的發布日期在手上的資料裡沒有確認，星數是研究當下的快照，實際數字以 repo 為準。明天見。
留言