Hall of Fame
Hall of Fame
Track
Type
Source
8月3日
今日趋势综述
今天的信号收敛到一条线：能『交付成品』的 agent 正在从演示走向规模生产（银行已跑上千个用例、OpenAI 把 agent 做成企业工作台），而支撑它跑起来的底座——无状态的 MCP、单端点模型网关、干净的文档预处理——正好是个人现在就能上手的杠杆。
今天的信号：agent 从『会聊天』变成『交活』，而交活的底座你现在就能捡
把今天的几条串起来，方向很清楚：AI 的价值正在从『模型多聪明』转向『agent 能不能把一件事从头做完并交付成品』。OpenAI 的 ChatGPT Work 让 agent 接管整条工作流、几个小时后甩回做好的表格/幻灯片/网页；美国银行、摩根大通已经把上百到近千个 AI 用例塞进生产线，20 万员工每天几十万次调用。这已经不是试点，是把 agent 当员工在用。
但真正对个人友好的信号，藏在『底座』这一层。MCP 这次 2026-07-28 大改把协议从有状态改成无状态请求/响应——初始化握手、会话 ID 全砍掉，任何一台服务器都能被普通负载均衡随手转发，agent 后端第一次能像普通 Web 服务一样部署到 serverless/边缘。配上单端点接 290+ 模型的 OmniRoute、把扫描件和文本 PDF 秒级分流的 pdf-inspector，你会发现：搭一套能跑活的 agent 管道，门槛正在被逐块拆掉。
给普通人的一句话：别只盯着『哪个模型登顶』，去盯『交活链路』里还缺哪块砖。会把无状态 MCP + 模型网关 + 文档清洗拼成一条能交付成品的流水线的人，既能像 last30days 作者那样把一个技能做到 5 万星，也能像那些做 AI 语音前台的独立开发者那样，一个客户收 $300–800/月、两三周就见现金流。今天所有信号的共同点是：能力在变成基础设施，而基础设施是可以被个人捡起来变现的。
今日新增 6
#01
openai.com
Product
NEW
ChatGPT Work（OpenAI workspace agents）
OpenAI 把 ChatGPT 从『问答框』升级成『企业工作台』：ChatGPT Work 里的 agent 接一个目标（outcome），自己跨你的应用和文件收集信息、把复杂项目拆成小步、在后台连续干上几个小时，最后甩回做好的成品——电子表格、幻灯片、文档，甚至可分享的网页应用。它把三样东西打包成一条线：会接管工作流的 workspace agent、内置 Codex 的桌面客户端、以及托管站点服务，底层是 GPT-5.6，web/移动/桌面全平台放开。定位很直接：agent 不再只是回答问题，而是拥有并跑完整条工作流，且能在团队之间共享。
另有 2 家信源报道
展开详情
- **范式**：从『答问题』到『交成品』——给一个 outcome，agent 自己跨应用取数、拆步骤、后台跑数小时，交回表格/幻灯片/网页
- **打包**：一次发布捆了三件套——workspace agent + 内置 Codex 的桌面端 + 托管站点服务，等于把『造 + 部署』连成一条线
- **信号**：巨头把 agent 明确做成『企业工作流的拥有者』并能团队共享，agent 产品的战场从单机能力转向组织级交付
推荐理由：对个人的机会不是去和 ChatGPT Work 拼平台，而是读懂它划出的新标准线：以后老板衡量一个 agent 值不值钱，看的是『能不能把一件事从头做完交给我』。你要练的能力，是把自己的某个具体工作流（做周报、整理合同、跑竞品调研）拆成 agent 能独立跑完的步骤并交付成品——这套『流程拆解 + 成品定义』的手艺，比记住哪个模型分高值钱得多，也是你在公司里从『用 AI 的人』升级成『给团队搭 agent 的人』的入场券。
#02
modelcontextprotocol.io
Article
NEW
MCP 2026-07-28 大改：协议从『有状态』变『无状态』，agent 后端第一次能像普通 Web 服务那样部署
MCP（连接 agent 和外部工具/数据的事实标准）发布了 2026-07-28 版规范，是一次结构性大改：把协议核心从『双向有状态』改成『请求/响应无状态』。initialize 握手没了、Mcp-Session-Id 会话头没了、服务器主动请求改成重试模式；每个请求自带协议版本、客户端身份和能力，意味着任何一台服务器实例都能被一个普通的轮询负载均衡随手转发。配套还有 Multi Round-Trip Requests（交互式工具不再需要长连接会话）、基于 header 的路由、可缓存的列表结果、对齐 OAuth 2.0 / OpenID Connect 的授权加固，以及一个『受治理的扩展框架』——让 MCP Apps、Tasks 这类新能力走版本化扩展、不再动核心协议。结果是：MCP 服务器终于能无痛跑在 serverless / 边缘上，不用再管粘性会话和共享会话存储。
另有 2 家信源报道
展开详情
- **核心变化**：有状态→无状态请求/响应，砍掉初始化握手和会话 ID，任何服务器实例都能被普通轮询 LB 转发
- **部署红利**：不再需要粘性会话/共享会话存储，MCP 服务器可以像普通 HTTP 服务一样上 serverless、边缘、自动扩缩
- **治理**：新增版本化扩展框架 + OAuth/OIDC 授权加固，把『加新能力』和『不破坏兼容』这两件事制度化
推荐理由：这条对个人开发者是实打实的降门槛。以前想把自己的工具/数据接进 agent，得维护有状态会话、租常驻服务器，运维和成本都劝退小团队；无状态之后，你可以把一个 MCP 服务器直接部署到 Cloudflare Workers / Vercel 这类 serverless 上，按调用付费、几乎零运维。谁先按新规范把自己领域的能力（本地数据库、行业 API、私有知识）包成一个干净的无状态 MCP server，谁就能在 agent 生态里占一个别人绕不开的接口位——这是普通人给 agent 时代『修路收过路费』的具体机会。
#05
bankingdive.com
Article
NEW
银行把 AI 跑成了生产线：美国银行上百个用例、摩根大通近千个，20 万员工每天几十万次调用
两家美国银行巨头在 2026 年二季度财报会上，第一次把 AI 用例数量当业绩来报，信息量很大。美国银行（Bank of America）CEO Moynihan 说：超过 20 万名员工在用 AI 能力，全行有 300+ 个已批准的 AI 用例、其中 114 个是生成式 AI，34 个已在运营中完整落地，员工每天生成 40 万+ 条提示词，用途覆盖生产力工具、写代码辅助和更进阶的 agentic 工作流。摩根大通（JPMorgan）CEO Dimon 则称，全行有接近 1,000 个在跑的 AI 用例，覆盖风控、反欺诈、营销、文档阅读等；另有口径提到其企业级 ML 平台上跑着 400+ 个生产用例、处理约每天 10 万亿美元的交易。共同点是：AI 在大银行已经从『试点 PPT』变成了按数量统计的生产设施。
另有 1 家信源报道
展开详情
- **规模**：美国银行 300+ 已批用例 / 114 个生成式 / 34 个完整落地，20 万员工每天 40 万+ 次调用
- **广度**：摩根大通近 1,000 个在跑用例，覆盖风控/反欺诈/营销/文档，企业 ML 平台服务每天约 $10 万亿交易
- **转折**：CEO 把『AI 用例数量』写进财报口径本身就是信号——AI 从成本项变成了要对投资人交代的战略资产
推荐理由：别被『上千用例』的巨头体量吓退，真正该读的是落地节奏：美国银行 300 个批了、只有 34 个真跑起来——从『批准』到『落地』之间那道 90% 的沟，正是价值所在。这跟前几天医疗/法律/保险落地实测的结论完全一致：赢家不是买了最强模型，而是把 AI 卡进某一个具体流程并真正上线。对个人的机会是：金融这种强合规行业最缺的不是模型，是能把 AI 安全地嵌进风控/反欺诈/文档这类具体环节、还能过审计的人。懂业务流程 + 懂怎么让 AI 可控落地的复合能力，正在成为这些行业里最贵的技能。
#06
indiehackers.com
Article
直接可用
NEW
AI 语音前台代运营：一个人给本地生意接漏掉的电话，单客户 $300–800/月、约 80% 毛利
这是一条对『想用 AI 挣现金流的普通人』特别落地的路子：给本地服务型生意（水管工、诊所、美容院、律所这类营收 50 万–500 万美元的小企业）搭 AI 语音前台，帮他们接那些高峰期没人接、直接漏掉的电话。技术栈是现成拼装：Callin.io 做语音 agent、n8n 做流程编排、Cal.com 做预约，不需要自己训模型。单位经济很清楚：一次性 $1–2K 搭建费 + 每客户 $300–800/月订阅，毛利约 80%，执行顺的话 2–3 周就能见第一笔收入。市场缺口也具体：美国/欧洲有 6,200 万+ 小微企业还在用 2005 年的工作方式，每漏一个电话损失 $500–2K，天天在流血。3–5 个客户就是 $5–15K 月经常性收入，一个人、没员工没办公室，年化 $60–180K。
另有 1 家信源报道
展开详情
- **现成拼装**：Callin.io（语音）+ n8n（编排）+ Cal.com（预约），不碰模型训练，两三周上线第一个客户
- **单位经济**：$1–2K 搭建 + $300–800/月订阅、约 80% 毛利；3–5 个客户即 $5–15K MRR，一人可运营
- **痛点硬**：6,200 万+ 小微企业每漏一个电话损失 $500–2K，需求是『正在流血的现金』而不是想象出来的
推荐理由：对想挣现金流的普通人，这是当下门槛最低、成交最快的一类 AI 变现：你卖的不是『AI 很酷』，而是『帮你把漏掉的电话变成订单』——老板能直接算出回本。关键不在技术（工具都现成），而在你愿不愿意去跑本地生意、把某个垂直行业（牙医、律所、家政）的话术和预约流程调到能用。先服务 3–5 个客户跑通一个行业模板，再横向复制，就是一条一个人能扛起来的现金流生意。风险点是要真交付效果、管好误接漏接，别做成一次性收费就跑。
My Take：评分（5=最优）：最快成交 4 / 最低成本 4 / 可复制 4 / 风险安全度 3。定位：给本地生意接漏掉的电话，是当下 AI 变现里回本账最好算的一类。
商机信号（加速）：谁付钱：营收 50 万–500 万美元的本地服务型小企业（水管工、诊所、美容院、律所、家政），高峰期接不过电话、每漏一单损失几百到两千美元 痛点：没人力 7×24 接电话，漏接=直接丢单；现有雇前台/呼叫中心太贵，老板既想省钱又怕客户流失 切入点：用 Callin.io + n8n + Cal.com 给一个垂直行业做『AI 语音前台』模板，先手动跑通 3–5 个客户的话术与预约流程，按 $1–2K 搭建 + $300–800/月订阅收费，跑顺一个行业再横向复制
#07
GitHub
Repo
★ 6.0k
NEW
firecrawl/pdf-inspector
pdf-inspector 解决的是 RAG / 文档管道里一个又脏又贵的环节：一堆 PDF 混在一起，有的是可选中的文本、有的是扫描图片，如果一律走 OCR 又慢又费钱。它用纯 Rust（仅依赖 lopdf）在约 10–50ms 内采样内容流，判定 PDF 是文本型/扫描型/图片型/混合型并给出 0–1 的置信度和逐页 OCR 路由建议，文本型直接带位置信息抽取并转成干净 Markdown、完全不用 OCR。性能很硬：在一个 200 文档语料上总分 0.875、0.470 秒跑完，对比 LiteParse 0.873/0.750 秒、PyMuPDF4LLM 0.735/17.117 秒，速度快一个数量级还分更高。带 Python、Node.js、浏览器 WebAssembly 绑定，出自知名团队 Firecrawl。
另有 1 家信源报道
展开详情
一个高性能 Rust 库：先把 PDF 分类成文本型/扫描型/图片型/混合型，再据此智能路由——文本型直接快速抽取转干净 Markdown，扫描型才交给 OCR，避免无脑全跑 OCR。
周增长：2026-02 创建，近 7 天约 +510 星（约 +32%），基准结果 2026-07-31 刷新到 v0.2.6，属于持续有动量的文档处理工具
- **智能分流**：先判 PDF 是文本还是扫描（约 10–50ms、带置信度），文本型免 OCR 直转 Markdown，只把扫描件交给 OCR
- **性能对比**：200 文档 0.470s / 总分 0.875，对比 PyMuPDF4LLM 17.117s / 0.735——快约 36 倍且分更高
- **易接入**：纯 Rust 仅依赖 lopdf，提供 Python / Node.js / 浏览器 WASM 绑定，适合塞进任意文档预处理管道
推荐理由：这条提醒普通人：agent/RAG 时代最稳的机会常在『不性感的预处理管道』里。所有做企业知识库、合同分析、财报问答的团队，第一步都卡在『把一堆脏 PDF 变成干净可用文本』，而这一步既费钱又费时。会把 pdf-inspector 这类工具拼成一条『分类→路由→抽取→切分』的高质量文档流水线的人，等于握住了每个 RAG 项目的入口环节。把这条又脏又累的活儿做扎实、做成可复用的服务，比追最新模型更容易变成别人愿意付费的能力。
商机信号（萌芽）：谁付钱：要做文档问答/合同分析/财报解析的中小团队和独立开发者——手里有大量混杂 PDF，卡在『干净取文本』这一步，OCR 全跑又慢又贵 痛点：扫描件和文本 PDF 混在一起，无脑 OCR 成本高、速度慢、还常抽出乱码，导致下游 RAG 质量差、成本压不下来 切入点：基于 pdf-inspector 这类工具做一个『文档预处理即服务』——按页/按量收费的分类+路由+抽取 API，先服务某一垂类（如法律合同、发票、研报）把质量调到能用，再横向卖给更多做 RAG 的小团队
#08
pymnts.com
Opinion
NEW
Jamie Dimon
另有 1 家信源报道
推荐理由：把一位掌管全球最大银行之一的 CEO 的判断，翻译成对个人的信号：AI 的竞争正在从『谁有更强模型』转向『谁能把模型落进业务并跑稳』。这意味着未来几年最抢手的不是会调 prompt 的人，而是既懂某个行业业务、又能把 AI 安全可控地嵌进其核心流程的『落地型』人才。选一个你懂或愿意深耕的行业（金融、医疗、法律、制造),把自己练成那个能在合规约束下把 AI 跑进一线流程的人,你就站在了这场『战场』的供给侧。
仍在热榜 2
Repo
diegosouzapw/OmniRoute
在榜 2d
一个开源的 AI 模型网关：一个端点接 290+ 家提供商、500+ 模型（含 90+ 免费），让 Claude Cod…
DevTools
Repo
mvanhorn/last30days-skill
在榜 4d
一个 Agent Skill：给它一个话题，它并行去 Reddit、X、YouTube、Hacker News、Poly…
Skills · 自动化集成