Hall of Fame
Hall of Fame
Track
Type
Source
7月26日
今日趋势综述
今天的信号一条线：机会正从『造更强的模型』移到『把 agent 用对、管住、卖出去』——会编排技能、会按价选型、会把 AI 塞进具体生意的人，正在拿到最实在的红利。
今天的信号：模型见顶，杠杆在『会用』的人手里
把今天几条放一起看，会发现它们指向同一件事：光有强模型已经不够了，真正拉开差距的是怎么把它用出来。微软 SkillOpt 把『技能文档』当成可训练的状态来优化，一个冻结不动的模型靠一份被反复迭代的 skill，就能在 GPT-5.5 上平均涨 23.5 分——这说明『会写、会调技能』本身正在变成一种可积累、可复利的能力；一位地球物理学家被裁员后用 Claude Code 搭的 ai-job-search 三周冲到近两万星，则是最朴素的证明：普通人把 agent 编排成一条完整流水线，就能替自己干真正有价值的活。
另一头是『把 agent 管住、跑稳』的基础设施在补齐：Sim 让不写代码的人也能拖拽出 agent 工作流，LangChain 的 OpenWiki 专门给 agent 造一份它读得懂的代码文档，而 AgenticSTS 这篇论文直指长跑 agent 最要命的软肋——记忆一旦无界就会崩。能力的天花板不再是模型，而是可靠性和工程。
最后是『把 AI 变现』这一端越来越具体：中端模型（Sonnet 5 / GPT-5.6 Sol / Gemini 3.1 Pro）价格差到两三倍，会按场景选型的人直接省下真金白银；零售靠一个购物 agent 就能把转化拉到 3 倍；连『帮小店永不漏接电话』都能做成按月收费的白标生意。给个人的行动建议只有一句：别再追下一个榜首模型，去练那些模型进步抹不平的能力——编排技能、按价选型、把 AI 落进一门具体的生意。
今日新增 5
#04
GitHub
Product
NEW
langchain-ai/openwiki
OpenWiki 是 LangChain 刚发布的开源 CLI：它给你的代码库自动写并持续维护一份『给 agent 看的文档』。跟传统给人看、靠人扫读的 README 不同，它生成的是一份专为大模型结构化的 wiki，并在合适处自动嵌入 Mermaid 图——运行/请求流用时序图、数据模型用 ER 图、生命周期用状态图、控制流用流程图——而且随着仓库变化自动更新。它瞄准的是一个越来越现实的痛点：当写代码的越来越多是 agent，代码库也需要一份 agent 读得懂、且不会过期的说明书。
另有 1 家信源报道
展开详情
- **为 agent 写文档**：不是给人扫读的 README，而是为大模型结构化的 wiki，让编码 agent 更懂你的代码库
- **自动画图**：在能讲清楚概念处自动嵌 Mermaid——时序图（请求流）、ER 图（数据模型）、状态图（生命周期）、流程图（控制流）
- **保持不过期**：CLI 接进你的编码 agent，随仓库变化自动维护更新，多后端（OpenRouter/Fireworks/Baseten/OpenAI/Anthropic）开箱即用
推荐理由：OpenWiki 点出一个正在成型的新范式：文档的读者正从『人』变成『agent』。对个人开发者，这里有两个即时可用的价值——一是给自己的项目挂上 OpenWiki，让 Claude Code / Codex 这类 agent 干活时少犯错、少跑偏，直接提升你用 agent 编码的产出质量；二是更前瞻的机会：『为 AI 可读性做优化』（给代码库、给产品、给知识库准备一份 agent 友好的结构化文档）正在成为一项新技能，就像十年前的 SEO。谁先意识到『你的东西要被 agent 读懂才有价值』，谁就占了身位。
#05
arXiv
Paper
NEW
AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM Agents
这篇论文关注一个被榜单掩盖的真问题：agent 要连续干很多步（long-horizon）时，最常见的做法是把过往对话原样越攒越长地塞进上下文，结果 prompt 无界膨胀、表现随之崩坏。AgenticSTS 提出一个『有界记忆』的测试床与契约：明确规定每一步决策『被允许看到什么』——不再把跨决策的原始对话流一股脑append 进去，而是每次都从一条全新的用户消息出发，靠带类型的检索去组装该看的信息，从而让 prompt 在整个运行过程中保持有界。它把『agent 记忆该怎么管』从工程玄学变成了可度量、可对比的研究对象。
直指长跑 agent 最要命的软肋——记忆一旦无界拼接就会拖垮表现，并给出一套可复现的『有界记忆』测试床与替代契约
展开详情
- **问题定位**：长跑 agent 把历史原样拼进上下文会导致 prompt 无界膨胀、表现退化——这是很多 agent『跑着跑着就变笨』的根因之一
- **替代契约**：每步决策从全新用户消息出发，用带类型的检索按需组装信息，不 append 原始跨决策对话流，让上下文始终有界
- **可复现测试床**：给『记忆该看什么、看多少』提供了统一的评测环境，把记忆管理从手感调参推向可度量对比
推荐理由：对做 agent 应用的人，这篇是很实用的一课：agent 不稳定、跑长任务就退化，往往不是模型不行，而是你把记忆管坏了——无脑往上下文里堆历史。可迁移的做法很明确：别把全部历史原样塞进去，而是给每一步决策显式设计『它该看到什么』，用检索按需组装、保持上下文有界。这也指向一个正在升值的能力方向——『agent 记忆/上下文工程』：会做有界记忆、类型化检索、上下文预算管理的人，能让同样的模型跑出稳得多的长任务表现，而这正是当前 agent 落地最缺、最值钱的工程能力之一。
#06
edenai.co
Article
NEW
中端模型三选一：Sonnet 5 / GPT-5.6 Sol / Gemini 3.1 Pro，价格差到两三倍，怎么选才不亏
旗舰模型的编码榜单已经刷到饱和，真正影响个人和小团队钱包的其实是『中端主力』的选型。把三家中端拉到同一张表：能力上，SWE-bench Pro 上 GPT-5.6 Sol 约 64.6%、Claude Sonnet 5 约 63.2%，两者贴得很近（作为参照，同榜旗舰 Fable 5 约 80.3%、Opus 4.8 现役约 69.2%）；价格上差得却很大——Sonnet 5 引入期（截至 8/31）约 $2 / $10 每百万 token（输入/输出），Gemini 3.1 Pro 约 $2 / $12（超 200K 上下文涨到 $4 / $18），GPT-5.6 Sol 约 $5 / $30，是三者里最贵的。也就是说：能力咬得很紧，成本却能差两到三倍，选错的代价直接体现在账单上。
另有 2 家信源报道
展开详情
- **对比（能力）**：SWE-bench Pro 上 GPT-5.6 Sol ≈64.6% vs Sonnet 5 ≈63.2%（旗舰参照：Fable 5 ≈80.3%、Opus 4.8 现役 ≈69.2%）——中端两家几乎打平
- **对比（价格/百万 token）**：Sonnet 5 ≈$2/$10（引入期至 8/31）vs Gemini 3.1 Pro ≈$2/$12（>200K 涨到 $4/$18）vs GPT-5.6 Sol ≈$5/$30——最贵的是 Sol
- **方法论提醒**：OpenAI 7/8 审计指出 SWE-bench Pro 约 30% 任务存在缺陷（测试过严/描述不全），Gemini 3.1 在不同评测集上从 46% 到 80% 波动大，分数要结合基准来源看
推荐理由：给普通开发者的可执行结论：中端这三家能力咬得很紧，别为『感觉更强』多付两三倍的钱。具体怎么选——追求性价比、又要能力全面，Sonnet 5 在引入期价格（$2/$10）几乎是最划算的主力；要长上下文、或已在 Google 生态里，Gemini 3.1 Pro 便宜且量大，但注意超 200K 会涨价；除非你有明确只有 Sol 才做得好的场景，否则 GPT-5.6 Sol 的 $5/$30 对大多数日常任务并不值。真正省钱的能力不是追榜首，而是按『任务难度×调用量×上下文长度』分场景配模型——把重活留给旗舰、日常批量走中端最便宜那档。
#07
mparticle.com
Article
NEW
零售的『代理式电商』落地实测：一个购物 agent 把转化拉到 3 倍、AOV 高 38%——Tatcha 的数字与 BCG 的大盘
零售是今年 agent 落地里数字最实、最能算清 ROI 的领域之一。护肤品牌 Tatcha 接入购物 agent 后的一手数据：AI 辅助购物者的转化率是站点平均的约 3 倍，客单价（AOV）高约 38%，全站营收里约 11.4% 可归因于这套 AI 对话，同时 82% 的客服问题无需真人、CSAT 达 81%。放到大盘看也不是个例——BCG 研究显示部署第一方 AI agent 的零售商普遍有 5%–15% 的转化提升，AI 增强搜索最高可提转化 20%、发现引擎抬 AOV 约 12%。关键不在买了多强的模型，而在把 agent 真正嵌进『搜索—推荐—答疑—下单』这条转化链路里。
另有 2 家信源报道
展开详情
- **一手数字（Tatcha）**：AI 辅助购物者转化 ≈站点平均 3 倍、AOV 高 ≈38%、全站营收 ≈11.4% 可归因于 AI 对话，82% 问题无需真人、CSAT 81%
- **大盘对比（BCG）**：部署第一方 AI agent 的零售商普遍 5%–15% 转化提升；AI 增强搜索最高 +20% 转化、发现引擎 +12% AOV
- **赢点不在模型**：效果来自把 agent 嵌进搜索—推荐—答疑—下单的完整转化链路，而非采购了最强旗舰
推荐理由：对想在零售/电商里吃到 AI 红利的人，这条给出很具体的方向：机会不在『卖一个更聪明的聊天机器人』，而在『把 agent 接进转化链路并对结果负责』。Tatcha 的 11.4% 营收归因意味着——只要能把购物 agent 的转化、AOV 提升说清楚、算成钱，商家就愿意持续付费。个人/小团队可切入的最小切口：给某一类中小电商（比如某个垂直品类的独立站）做『会带货的购物 agent』集成，按转化提升或营收分成收费；核心竞争力不是模型，而是懂这门生意的转化链路、能把效果量化出来。
商机信号（加速）：谁付钱：有一定流量但转化和客单价上不去的中小电商/独立站商家，尤其美妆、时尚、家居等高决策成本品类 痛点：客服答不过来、顾客有疑问就弃购，站内搜索和推荐做不精，转化与 AOV 长期卡住 切入点：为单一垂直品类的独立站做『会带货的购物 agent』集成（答疑+推荐+引导下单），先做出一个能证明转化提升的样板店，再按转化提升/营收分成复制到同品类商家
#08
leadlock.ai
Product
直接可用
NEW
白标 AI 语音前台『转售』模式：帮小店永不漏接电话，做成按月收费的现金流生意
这不是又一个语音 agent 产品，而是一门可复制的现金流生意：用现成的白标语音平台，给『一漏接电话就丢单』的本地小店（诊所、餐馆、家政、维修、律所）搭一个永不漏接的 AI 前台，按月收订阅费。经济账很清楚：小企业平均每年因漏接电话损失约 $12.6 万；一个 AI 前台的年成本约 $1,188–$5,988，而请一个真人前台要 $2.8 万–$3.5 万；客户通常 2–3 周就靠追回的漏接来电回本，之后扩容边际成本几乎为零。给做生意的人这端，平台成本低到 Retell $0.07/分钟、Trillet 白标 $99/月带 3 个子账户，意味着你可以一次搭好、多客户复用、按月稳定收费。
另有 2 家信源报道
展开详情
- **客户的痛点值钱**：小企业年均因漏接电话损失约 $12.6 万；AI 前台年成本 $1,188–$5,988 vs 真人前台 $2.8 万–$3.5 万，客户 2–3 周回本
- **转售成本极低**：Retell ≈$0.07/分钟、Synthflow ≈$0.15–$0.24/分钟，Trillet 白标 Studio ≈$99/月含 3 个子账户——一次搭好、多客户复用
- **可复制**：按行业做模板（诊所/餐馆/家政/维修/律所各一套话术与预约流程），复制到同类商家即可，边际成本趋近于零
推荐理由：对想挣现金流的普通人，这是当前门槛最低、成交最快的 AI 变现路径之一：你不需要会训练模型，只需要会用白标平台搭好一个『永不漏接电话+能预约』的语音前台，再把它当服务卖给本地小店。真正的坎不是技术（平台已经现成、$99/月就能起步），而是分发——能不能找到并说服一批同类小老板。所以最小切口是：先绑死一个你熟的垂直行业（比如本地诊所或家政），做出一套能证明『帮他们月增 X 个预约/少丢 Y 单』的样板，再靠口碑和转介绍在同行业里复制，按月收订阅。先做一个行业做深，比做通用工具好卖得多。
My Take：评分（5=最优）：最快成交 4 / 最低成本 5 / 可复制 5 / 风险安全度 4。用现成白标平台把『帮小店永不漏接电话』做成按月收费的服务，技术门槛低、复制性强，成败主要看能否搞定分发和获客。
商机信号（加速）：谁付钱：营业时间忙、一漏接电话就直接丢单丢预约的本地小店：诊所、餐馆、家政、维修、律所等 痛点：高峰期/下班后没人接电话，客户流失且看不见；请全职前台太贵，自己又搭不起 AI 切入点：锁定一个熟悉的垂直行业，用 Retell/Trillet 等白标平台搭好一套带预约的行业专用语音前台，做出可量化效果的样板店，再靠转介绍在同行业复制、按月订阅收费
仍在热榜 3
Repo
microsoft/SkillOpt
在榜 2d
SkillOpt 是微软开源的『技能优化器』：它不去微调模型，也不靠人手改提示，而是把一份 skill 文档当作冻结模型…
Skills · 元技能
Repo
MadsLorentzen/ai-job-search
在榜 2d
ai-job-search 把 Claude Code 变成一套完整的『求职助理流水线』：fork 下来、填好自己的档案…
AI App