Hall of Fame
Hall of Fame
Track
Type
Source
7月2日
今日趋势综述
今天的信号从『让 agent 更强』转向『让 agent 可靠、可私有、可落地』：普林斯顿给出一套量化 agent 可靠性的科学框架，H Company 把能打的电脑操作 agent 塞进本地 12GB 显卡，headroom 用压 token 让长任务变得省得起，字节的 deer-flow 和 MinerU 补上『超级 agent 基座』与『脏数据入模最后一公里』——对普通人，值钱的活越来越落在这些不性感却扎实的环节上。
今天的信号：AI 的下半场不比谁更聪明，比谁交付得稳、跑得起、接得住
把今天几件事连起来看，它们朝同一个方向使劲，而且明显偏离了过去两年『追最新最大模型』的惯性。普林斯顿 Arvind Narayanan 团队的《Towards a Science of AI Agent Reliability》把『可靠』拆成一致性、鲁棒性、可预测性、安全四个维度共 12 个可量化指标——等于承认：benchmark 分数再高，agent 在真实场景照样翻车，行业缺的是一套能测『它到底靠不靠谱』的科学。H Company 的 Holo3.1 把这件事落到硬件：一个能在本地 12GB 显卡上跑、每步约 140ms、OSWorld 逼近 GPT-5.4 的开源电脑操作 agent，意味着『用 agent 自动操作电脑』不再必须联网上云、按次付费。headroom 用压 60–95% 的 token 让长任务在经济上跑得起，deer-flow 给你一套开源的长程超级 agent 基座，MinerU 把 PDF/Office 这些脏数据变成模型能吃的干净输入——三者合起来，就是把 agent 从 demo 推到能真干活的全套管道。
一句话总结今天的主线：竞争重心正从『能不能生成』转向『能不能稳定、私有、低成本地交付』。这对个人反而是更友好的信号——可靠性、私有化、把数据和流程打通，这些活不需要你去炼更大的模型，靠的是工程手艺和对某个具体场景的理解，而这正是普通人能积累、能长期收费的东西。今天连 GEO/AEO（帮品牌在 AI 答案里被引用）都能成一门月费几千美元的生意，本质也是同一逻辑：谁能把『在 AI 时代被看见、被稳定交付』这件确定性卖给具体的人，谁就有现金流。
今日新增 5
#01
arXiv
Paper
NEW
Towards a Science of AI Agent Reliability：把『agent 靠不靠谱』拆成 4 维度 12 指标的可量化科学
这两天榜单反复出现『agent 能干活了，接下来比谁干得稳』，而这篇论文正是给『稳』这件事立标尺的。作者指出一个业内公开的尴尬：benchmark 分数一路涨，但 agent 到了真实任务里照样频繁失败——因为跑一次成功不代表跑十次都成功，换个措辞、换个环境就崩。他们把『可靠性』拆成四个维度：一致性（同样输入多次跑结果稳不稳）、鲁棒性（输入/环境有扰动还扛不扛得住）、可预测性（能不能提前知道它这次大概率会成还是会砸）、安全（会不会在失败时做出危险动作），并落成 12 个具体可测的指标，配了 66 页方法、交互式结果面板和可复现代码。核心洞见很朴素但被长期忽视：评估一个 agent 不该只看『最好一次能到多少分』，而要看『它的表现有多稳、多可预测』——后者才决定你敢不敢把真实工作交给它。
在『2026 下半年竞争转向 agent 可靠性』的大背景下，这篇 66 页论文第一次系统性地回答了『可靠到底怎么量化』——把模糊的『靠不靠谱』变成可测、可复现、可对比的指标体系，配了交互式结果面板和开源代码。
另有 2 家信源报道
展开详情
- **四维度框架**：把抽象的『可靠』拆成一致性 / 鲁棒性 / 可预测性 / 安全四个可测维度、共 12 个指标，第一次让『agent 靠不靠谱』能被量化对比
- **戳破 benchmark 幻觉**：明确指出高分不等于可靠——跑一次成功 ≠ 十次都成功，换措辞、换环境就崩，真实部署缺的正是『稳定性与可预测性』这把尺
- **可复现、能上手**：66 页方法 + 交互式结果面板 + 开源代码，出自普林斯顿 Narayanan（《AI Snake Oil》）团队，工程与学术都能直接借用
推荐理由：对普通人，这篇论文其实给了一份『怎么判断和交付靠谱 AI』的免费方法论，比追新模型有用得多。三点可落地：一是评估别只看『最惊艳的一次』，你自己用 AI 做事、或替客户搭 AI 流程时，务必把同一任务反复跑几次、换几种措辞和输入去压测，看结果稳不稳——稳，才敢交付；二是把『可预测性』当卖点，能提前告诉客户『这类活它 95% 能干好、那类活它容易翻车、翻车我怎么兜底』，比吹『我这个 AI 很强』值钱得多；三是安全兜底要内建，想清楚它失败时最坏会做什么、加上人工复核或护栏。一句话：AI 时代最稀缺、最能收费的能力，不是让它偶尔惊艳，而是让它稳定可信、并能诚实说明它的边界。
#02
Hugging Face
Article
NEW
Holo3.1：能打的电脑操作 agent 塞进本地 12GB 显卡——open-weights、每步约 140ms、OSWorld 逼近 GPT-5.4
如果说可靠性是今天的主线，Holo3.1 就是把这条线拉到『本地、私有、跑得起』这一维度的代表。它是 H Company 六月发布的一族开源权重（open-weights）电脑操作 agent（computer-use agent），能看屏幕、点按钮、跨网页 / 桌面 / 安卓操作。真正的信号是它把门槛砸了下来：提供 0.8B / 4B / 9B 到 35B-A3B 旗舰四档，并首次给出 FP8、NVFP4、Q4 GGUF 量化版，可以完全跑在本地 Windows / Mac 机器上——用 Q4 版旗舰模型在一块 12GB 显卡上每步约 140ms，OSWorld 上达到 74.2%、逼近 GPT-5.4 Computer Use，是目前得分最高、且唯一能本地跑的开源电脑操作模型；AndroidWorld 上旗舰从 67% 提到 79.3%。换句话说，『让 AI 自动操作我的电脑/手机去干重复活』这件事，第一次可以不联网、不上云、不按次付费，数据不出本机。
另有 2 家信源报道
展开详情
- **本地就能跑**：Q4 量化的 35B-A3B 旗舰在 12GB 显卡上每步约 140ms，Windows/Mac 本地可跑，数据不出本机——隐私与成本一次解决
- **开源且能打**：open-weights、四档尺寸（0.8B~35B-A3B），OSWorld 达 74.2% 逼近 GPT-5.4 Computer Use，是当前最强的可本地部署开源电脑操作 agent
- **跨端覆盖**：网页 / 桌面 / 安卓通吃，AndroidWorld 旗舰 67%→79.3%，浏览器自动化、业务软件操作都能接
推荐理由：对普通人，Holo3.1 释放的机会是『能力平权 + 隐私自主』：过去要让 AI 自动操作电脑、批量点网页、跑安卓自动化，要么写脆弱的脚本，要么把屏幕和数据交给云端 API 按次烧钱；现在你可以在自己一块 12GB 显卡的机器上，私有、免持续付费地跑一个够用的电脑操作 agent。两条可落地路径：一是给自己提效——把你手上重复的『点来点去』的活（对账、填表、跨系统搬数据、定时巡检）交给本地 agent，成本近乎零；二是对外交付——很多中小企业/律所/诊所有『数据敏感、不敢上云、又想自动化』的刚需，你能帮他们在本地把电脑操作 agent 搭起来、跑稳、接进现有流程，这本身就是一门服务生意。记住今天的主线：模型在变成可替换、可本地化的发动机，值钱的是你把它私有化、跑稳、对准某个具体场景的能力。
#03
GitHub
Repo
NEW
headroomlabs-ai/headroom
在『让长任务 agent 跑得起、跑得稳』成为主线的今天，headroom 是把这件事落到成本账上的关键一块。agent 一旦干长活——多步骤、带大量工具输出和检索——context 会像滚雪球一样膨胀，token 成本和延迟随之飙升，很多长程 agent 不是不能干，是贵到没法长期跑。headroom 的思路很直接：在数据进模型前先做内容感知压缩，工具输出、日志、RAG 块、文件、历史统统压掉 60~95%，答案质量尽量不掉；而且压缩可逆、本地优先，接入方式给足了库 / 代理 / MCP 三选一，能无缝插进 Claude Code、Cursor、Aider 这类现成工作流。它和今天其它信号是一股劲：可靠性论文管『稳不稳』，Holo3.1 管『能不能本地私有』，headroom 管『长任务在钱上跑不跑得起』——都是把 agent 从 demo 推向真实可持续使用的工程环节。
另有 2 家信源报道
展开详情
headroom 自称『AI agent 的上下文压缩层（context compression layer）』，专治长任务里最烧钱、最拖慢的痛点：塞给大模型的东西太多。它在数据进模型之前先做内容感知压缩——把工具输出、日志、RAG 检索块、文件、对话历史压掉 60~95% 的 token，同时尽量保持答案质量不变。工程上做得很实用：可作为 Python/TypeScript 库、HTTP 代理、或 MCP server 三种形态接入，本地优先（local-first）、压缩可逆（reversible），能直接对接 Claude Code、Cursor、Aider 这些编码 agent；还能通过 verbosity steering / effort routing 顺带压输出 token。一句话，它解决的是『agent 越跑越长、context 越堆越贵』这个人人都撞上的经济性瓶颈。
周增长：本周 Trendshift 周榜（2026-06-22~28）领跑的 AI 仓库之一，热度陡增
- **压掉 60~95% token**：进模型前对工具输出/日志/RAG 块/文件/历史做内容感知压缩，答案质量尽量不变——直接砍长任务的成本与延迟
- **三种形态、无缝接入**：可作 Python/TS 库、HTTP 代理或 MCP server，本地优先、压缩可逆，直连 Claude Code / Cursor / Aider 等现成 agent
- **踩中真痛点**：本周 Trendshift 周榜领跑，v0.28.0（2026-06-29）持续高频迭代——印证『agent context 太贵』是普遍且紧迫的需求
推荐理由：对普通人，headroom 点破一个被忽视却很值钱的方向：AI 时代的竞争力不只是『会用 agent』，更是『会把 agent 用得省』。同样一套长任务流程，别人 token 账单是你的两三倍，你就有了实打实的成本优势——这在替客户跑 AI 服务、或自己做需要长期运转的 AI 产品时，直接决定你有没有利润。两步可落地：一是马上给自己的 AI 工作流做一次『token 体检』，看哪些工具输出、检索块、历史是在白烧钱，用 headroom 这类压缩层或简单裁剪先降下来；二是把『省 token / 控成本』当成一项可对外收费的专业能力——很多团队被 AI 账单吓退，能帮他们在不掉质量的前提下把成本压一半，本身就是刚需服务。记住：能把 AI 跑稳、跑省的人，才敢把 AI 长期交付给别人用。
#05
GitHub
Repo
★ 7.3 万
NEW
opendatalab/MinerU
今天几条信号讲的是让 agent 跑稳、跑省、跑本地，而 MinerU 补的是更前置的一环——数据入模的『最后一公里』。现实里大量高价值信息锁在 PDF、合同、报表、扫描件里，格式一团乱；模型再强，喂进去的是乱码也白搭。MinerU 把这些复杂文档稳定转成干净的 markdown/JSON：去噪、留结构、抽表格图片、公式转 LaTeX、109 语种 OCR，扫描件手写多栏都扛。它形态齐全（Web/桌面/多语言 SDK/CLI/API/Docker），还能经 MCP 直接接进 LangChain、Dify、FastGPT 等框架，等于给任何 RAG/agent 项目配了标准化的『进料口』。约 7.3 万星、6 月还在发 v3.4.0，说明这个又土又硬的活是刚需——它不炫技，但决定了你上层的 agent 到底吃到的是干净饭还是垃圾。
另有 2 家信源报道
展开详情
MinerU 干的是 agent 落地里最不起眼、却最卡脖子的『最后一公里』：把复杂文档变成大模型/RAG 能直接吃的干净数据。它能把 PDF、Word、PPT、Excel、图片乃至网页，转成结构化的 markdown / JSON——自动去页眉页脚、保留文档结构、抽取图片和表格、公式转 LaTeX、表格转 HTML，支持 109 种语言 OCR，还能处理扫描件、手写、多栏排版。工程上是 VLM+OCR 双引擎，CPU/GPU 都能跑，形态给足了 Web 应用、桌面端、Python/Go/TS SDK、CLI、API、Docker，并通过 MCP Server 直连 LangChain、Dify、FastGPT 等 RAG 框架。一句话：agent 再聪明，也得先有人把脏数据喂顺，MinerU 就是那把顺数据的铲子。
周增长：v3.4.0 发布于 2026-06-18，持续活跃、稳居 AI 文档处理头部
- **脏文档→干净数据**：PDF/Word/PPT/Excel/图片/网页 转结构化 markdown/JSON，自动去页眉页脚、留结构、抽表格图片、公式转 LaTeX、109 语种 OCR，扫描件手写多栏都扛
- **接得进现成栈**：VLM+OCR 双引擎，CPU/GPU 皆可，Web/桌面/SDK/CLI/API/Docker 全形态，经 MCP Server 直连 LangChain/Dify/FastGPT 等 RAG 框架
- **又土又硬的刚需**：约 7.3 万星、2026-06-18 仍在发 v3.4.0——印证『把数据喂顺』是 agent 落地绕不开的一环
推荐理由：对普通人，MinerU 指向一个被严重低估的赚钱方向：AI 落地卡住的地方，往往不是模型不够聪明，而是数据太脏没人清。很多中小企业/律所/财务/医疗手里全是 PDF、合同、报表、扫描件，想上 AI 却卡在『喂不进去』这第一步——这恰恰是你能切入的服务缝隙。两步可落地：一是用 MinerU 这类工具，帮某个行业把他们的文档批量转成模型可用的结构化数据，做成一门『AI 数据入料 / 知识库搭建』的服务，门槛不高、需求真实且高频；二是把它接进 RAG/agent，给客户交付『能问自家文档的助手』这种看得见的成果。记住今天反复出现的主线：值钱的活越来越落在这些不性感却扎实的环节——把脏数据变干净、把流程接顺，谁做到了，谁的 AI 才真的能用、能收费。
#06
indiehackers.com
Product
值得关注
NEW
AEO/GEO 服务：帮小生意『在 AI 答案里被引用』，聚焦细分月费约 $2K–5K 起——但 10 家里 8 家只是把 SEO 换个壳
这是今天『在 AI 时代被稳定看见 = 现金流』主线落到小微生意上的一条。随着越来越多人不再用 Google、而是直接问 ChatGPT / Perplexity / Gemini / Claude 和 Google AI 概览，品牌新的生死线变成了『AI 回答问题时会不会引用到我』——这就是 AEO（答案引擎优化）/ GEO（生成式引擎优化）。2026 年它已长成一门真生意：小型聚焦试点月费约 $2K–5K，成熟机构综合方案能到 $10K–25K+/月，专业玩家用『引用优先』方法论覆盖 ChatGPT、Claude、Perplexity、Gemini、AI 概览。但一篇 Indie Hackers 的实测复盘泼了盆及时的冷水：他评测 10 家号称能把 B2B SaaS 送进 ChatGPT 引用的机构，8 家其实只是把老 SEO 换个壳——这恰恰是机会所在：真正懂『怎么让内容被 AI 引用』（结构化、可被抽取、建立可信来源、监测 AI 答案里的曝光）而不是嘴上换名词的人，稀缺且能收费。对个人尤其友好：不需要庞大团队，选一个你熟的细分行业，先帮一两家把『在 AI 答案里被提及』这件事做出可见成果（被引用次数、带来的咨询）即可起步。
另有 2 家信源报道
展开详情
- **新获客战场**：用户从『搜 Google』转向『问 AI』，品牌能不能被 ChatGPT/Perplexity/Gemini/Claude 引用成了新生死线——AEO/GEO 就是帮它被引用
- **真实单元经济**：小型聚焦试点约 $2K–5K/月、成熟方案 $10K–25K+/月，服务型按月订阅、上来即正现金流，个人可从单一细分做起
- **门槛在真本事不在名词**：Indie Hackers 实测 10 家有 8 家只是给 SEO 换壳——真懂『让内容被 AI 抽取引用+监测 AI 曝光』的人稀缺，正是个人切入的缝隙
推荐理由：对想挣现金流的普通人，这条把今天『被 AI 稳定看见就值钱』的主线，变成了一个能立刻上手的路子：你卖的不是『我会发帖做 SEO』，而是『我能让这家小生意在客户问 AI 时被提到、被引用』——这是一份看得见的确定性。它对个人特别友好：一是现金流健康，按月订阅、上来即正现金流，不用先烧钱做产品；二是壁垒来自真本事——市场上一大半玩家只是把 SEO 换个壳，你只要真钻研『内容怎样写才易被大模型抽取和引用、怎么建可信来源、怎么监测 AI 答案里的曝光』，就能明显甩开滥竽充数者；三是可复制，一个细分行业跑通打法后能横向复制到同行。最务实的第一步：选一个你熟悉或身边就有的本地/垂类小生意，免费或低价先帮一家做出『被 AI 引用/带来咨询』的真实成果，把『诊断→优化→监测→按月收费』这套跑顺，再复制。记住：技术和信息都是公开的，难的是真做出效果，而不是把旧活换个新名词。
My Take：评分（5=最优）：最快成交 3 / 最低成本 5 / 可复制 4 / 风险安全度 4。卖『让品牌在 AI 答案里被引用』的确定性、服务型按月订阅上来即正现金流、几乎零启动成本，壁垒在于真能做出被引用效果（市场上八成同行只是给 SEO 换壳）；最适合肯钻研内容与 AI 抽取机制、且能从一个细分行业做出可见成果的个人。成交偏慢是因为效果需要时间验证，需用案例背书。
仍在热榜 1
Repo
bytedance/deer-flow
在榜 4d
deer-flow 是字节跳动开源的一套『长程超级 agent 基座（long-horizon SuperAgent h…
AI Agent