我们发现了什么
Show HN：Remarc——为 AI 代理提供更好的上下文反馈。和任何副项目一样，Remarc 源于我自己的问题：没有好的方式向 AI 编程代理提供关于其输出的上下文反馈。
- 来源：Hacker News（首次 2026-08-17 · 最近 2026-09-09）
- 证据等级：C · 存在定价或订阅线索；有收费设计不等于已有收入。
- 商业模式：Subscription SaaS
- 主题：AI Agent
- 初筛评分：14.6/100 · 收录 2 次
证据，比故事更重要。
规则清洗与初筛，未经人工商业核验。原文语境、实际客户和付费情况仍需自行验证。
引用与数字披露
来源类型（原作者自述／第三方测算／媒体转引）需采集端标注，本版尚未落字段。
- 作者
- 未标注
- 抓取日期
- 来源类型
- 未标注
- 币种
- 未标注
- 口径
- 未标注
- 披露主体
- 未标注
- 披露日期
- 未标注
中文辅助译文（全文）
像许多业余项目一样，Remarc 诞生于我自己遇到的问题：当时找不到一种好方法，能够针对 AI 编码智能体自身的输出提供具备上下文的反馈。市面上有大量用于人类协作的工具，但令人意外的是，用于与 AI 协作的工具却寥寥无几。聊天这种形式，无法承载我希望给出的反馈：实施计划中的这一项？把它改成那个。你这里是什么意思？看到这个按钮了吗？这是一张截图，我圈出了它，因为它缺少 hover 状态。第三段中的这句话？换一种说法。 如果你是一位有强烈主张的构建者，这种方式很快就会变得笨拙。你要么口述一长串杂乱无章的反馈，要么逐条敲定每一个细节。AI 擅长解析混乱的内容，但"垃圾进，垃圾出"这条规律依然适用。 我可以很快把产品做到 90% 完成度。剩下 10% 的反馈与打磨才是瓶颈。于是我构建了 Remarc。 Remarc 让你在任意 Mac 应用中选中文本、截取并标注截图，或对网页元素发表评论。每条评论都保留其原始上下文、状态和会话。接入的智能体可以读取会话、处理评论、更新状态，并通过 MCP 留下处理结果摘要。可以把它类比为在 Google 文档上留下批注，而不是在 Slack 里发送一段冗长散乱的反馈——反馈颗粒度越细，就越能从结构化和更丰富的上下文中获益。 Remarc 免费且开源，无需账号、无需付费、无任何数据采集与上报。https://remarc.app/ https://github.com/metedata/Remarc
译文由上游机器翻译生成，可能有误；判断请以英文原文为准。
英文原文（来源本站未改写）
Like any side project, Remarc started with my own problem: there was no good way to give AI coding agents contextual feedback on their own output.There are plenty of tools for collaborating with humans, but surprisingly few for collaborating with AI.Chat was not cutting it for the feedback I wanted to give: This thing in the implementation plan?Change it to that.What did you mean here?See this button?Here is a screenshot.I circled it because it is missing a hover state.This sentence in the third paragraph?Rephrase it.If you are an opinionated builder, this gets clunky quickly.You either dictate paragraphs of messy feedback or resolve every detail one by one.
AI is good at parsing mess, but garbage in, garbage out still applies.I could get products to 90% quickly.The last 10% of feedback and polish was the bottleneck.So I built Remarc.Remarc lets you select text in any Mac app, capture and annotate a screenshot, or comment on a web element.Each comment keeps its original context, status, and session.A connected agent can read the session, work through it, update statuses, and leave resolution summaries over MCP.Think of it like leaving comments on a google doc vs sending a long rambling feedback note via Slack - the more granular you get with your feedback, the more it benefits from structure & better context.
Remarc is free and open source, with no account, subscription, or telemetry. https://remarc.app/ https://github.com/metedata/Remarc
这条还缺什么证据？
下面每条都由本条已有字段推出（等级、理由、商业模式、来源次数、是否演示）， 本站不生成推测性结论；通用验证方法放在方法论页。
- 可核验的收入或付费证据查官网定价页与付费口径；第三方数据源（如 GetLatka）只作旁证，需标注来源与时点。
通用验证清单（谁有这个问题／谁愿意付费／一个人能交付哪一小步）见我们的筛选方法。