Hall of Fame
Hall of Fame
Track
Type
Source
8月21日
今日趋势综述
本期信号收束到一条主线——AI 的价值正从'模型多强'迁移到'怎么把能力可靠装进具体场景'：医疗把 AI 卡进写病历、企业把 AI 账单盘成可审计的账、coding agent 补上记忆层，而 Skills/插件正标准化成能力的分发与集成通道。
今天的信号：拼图的重心，从'模型'挪到了'最后一公里'
把今天的条目连起来看，会发现一条清晰的主线：AI 的竞争焦点，正在从'谁的模型更强'悄悄挪到'谁能把能力可靠地装进一个具体场景'。评测这边最能说明问题——SWE-bench Verified 上顶尖模型挤在 96–97% 分不出高下，可一换成更难的 SWE-bench Pro，Claude 家族霸榜的 80% 档和第二梯队之间立刻拉开 15 个点，而 GPT-5.6 Luna 又用 4% 的价格拿到旗舰 97% 的分数。模型能力已经过剩到'旗舰之间的差别，不如你会不会按难度和预算选模型'重要。
真正的价值，长在'最后一公里'。医疗是本期最好的样本：赢家不是搞 AI 诊断的炫技派，而是把 AI 死死卡进医生每天两小时的写病历苦活——Stanford 96% 医生满意、每天省两小时，Cleveland Clinic 15 周铺开 4000 多名医生。这条逻辑在别处反复出现：DepthData 把散落的 AI 账单盘成一张能审计的账（72% 企业过去一年被 AI 账单暴涨吓到），Greplica 给 coding agent 补上会失忆的短板，SkeMex 这篇论文则在研究层面证明'不改权重、只靠一层技能记忆，agent 就能越用越强'。它们干的都是同一件事——不造新模型，而是把现成能力封装进一个真实痛点。
而封装这件事本身，正在被标准化成一门生意：NVIDIA 把'怎么用我们的产品'做成官方 Agent Skills 一键塞进你的 coding agent，Agent Plugins 1.0 则把 Skills 和 MCP 打成一个能跨 ChatGPT/Cursor/Copilot 安装的包。对普通人的启示因此很具体：别去和大厂拼模型，去做最后一公里的封装——技能包、落地服务、支出治理、agent 记忆层，甚至只是把 AI 工具栈做成某个垂类的交付服务（本期那位一人 AI 设计代理，8 个月 $42 万年化，每周只干 25 小时）。今天所有能被买单的机会，都指向同一句话：模型已经够用了，稀缺的是把它可靠地用起来的人。
#01
benchlm.ai
Article
NEW
SWE-bench Pro 横评：编码模型的『难关卡』还没饱和，Claude 家族霸榜 80% 档，但真正的看点是性价比断层
上周我们聊过 SWE-bench Verified 已经卷到 96–97% 的天花板、区分不出高下。这周换个更狠的尺子看：SWE-bench Pro（更难、更贴近真实工程、还没饱和）。截至 8 月 18 日，Claude Mythos 5 以 80.3% 领跑，Claude Fable 5（80%）、Claude Opus 5（79.2%）紧随，Claude 家族包揽了 80% 这一档；再往下是明显的断层——Qwen3.8 Max 67.7%、Grok 4.5 64.7%、GPT-5.6 Sol 64.6%、Gemini 3.6 Flash 58.7%。也就是说，在'真难题'上，顶尖闭源和第二梯队之间还有 15 个点的真实差距，Verified 上那种'大家挤在一起'的假象在 Pro 上被拉开了。但更值得普通开发者记住的是价格维度：GPT-5.6 的廉价档 Luna（$0.20/$1.20 每百万 token）能拿到旗舰 Sol 约 97% 的分数，却只花 4% 的输出价。一句忠告：不同页面报的分常常没说清用的是哪套 scaffolding 和数据划分，跨来源的数字别硬比。
另有 2 家信源报道
展开详情
- **对比**：Claude Mythos 5 80.3% vs GPT-5.6 Sol 64.6% vs Gemini 3.6 Flash 58.7%（同一 SWE-bench Pro 基准，8/18 读数）——Verified 上看不出的差距，Pro 上拉开了 15+ 个点
- **性价比断层**：GPT-5.6 Luna（$0.20/$1.20 每百万 token）拿到旗舰 Sol 约 97% 的分数，只花 4% 的输出价——预算敏感场景的真答案
- **方法论提醒**：多数页面报分不说明用哪套 scaffolding / 数据划分，跨来源数字不可直接横比；认准同一榜单同一口径再比
推荐理由：选型不是'谁分最高用谁'。要啃硬骨头（复杂重构、跨文件大改）就上 Claude Mythos/Fable/Opus 5 这档 80% 的旗舰；日常量大、成本敏感的自动化（批量小修、测试、样板代码），GPT-5.6 Luna 或 Gemini 3.6 Flash 用零头的价格就够用。普通人真正该练的能力，是'为不同难度的任务分配不同价位的模型'——一套会按难度和预算路由模型的工作流，比盲目用最贵的省一个数量级的钱，效果几乎不打折。
#02
aha.org
Article
NEW
医疗 AI 落地实测：Stanford 96% 医生满意、每天省 2 小时，Cleveland Clinic 15 周铺开 4000+ 医生——赢在把 AI 卡进'写病历'这一件苦活
医疗 AI 这两年的真落地，赢家不是搞'AI 诊断'的炫技派，而是把 AI 死死卡进医生最烦、最耗时的一件事——写病历（ambient scribe，环境语音自动生成病历）。数据很硬：Stanford Health Care 用 Dragon/DAX Copilot 已累计生成超 100 万份临床记录、1600+ 医生每天在用，96% 的医生对 AI 文书工具满意、平均每天省下约 2 小时；Cleveland Clinic 上线 Ambience AI Scribe，15 周内 4000+ 医生和执业护士开始使用、记录了超 100 万次问诊，医生每天写/改病历的时间降了 14 分钟；一项覆盖 5 个学术中心的 2026 年 5 月研究显示，环境记录把单次问诊的文书时间砍了 16 分钟、总 EHR 时间降 13.4 分钟。宏观上，75% 的医疗系统已在用或计划用至少一个 AI 应用，部署 3 个以上方案的机构同比增加 67%，能量化 ROI 的机构里过半拿到了 2 倍以上回报（临床文书改进 CDI 与拒付预测约 70% 达到 2X+，环境记录 61% 达 2X+）。
另有 2 家信源报道
展开详情
- **Stanford**：Dragon/DAX Copilot 累计生成 100 万+ 病历、1600+ 医生日用，96% 医生满意、平均每天省约 2 小时
- **Cleveland Clinic**：Ambience AI Scribe 15 周铺开 4000+ 医生/护士、记录 100 万+ 次问诊，每天写改病历时间降 14 分钟；另与 PathAI 合作提升诊断
- **ROI**：可量化机构过半拿到 2X+ 回报（CDI/拒付预测约 70% 达 2X+，环境记录 61% 达 2X+）；75% 医疗系统已用/计划用至少一个 AI 应用
推荐理由：对个人最直接的启示：AI 在专业领域挣钱，靠的不是'替代专家做判断'，而是'替专家干那件重复、耗时、没人爱干的苦活'。医生不缺诊断能力，缺的是每天两小时的文书时间——AI 精准卡进这个缺口就能被买单。想进医疗/法律/财务这类高壁垒行业变现的普通人，正确姿势是找到该行业'专家时间被浪费在哪'，用 AI 把那段流程自动化，而不是妄图取代专家本身。落地能力（选型、和现有系统对接、让专业人员敢用）比模型本身值钱得多。
商机信号（加速）：谁付钱：医院与大型诊所的临床/IT 部门，以及被文书负担和医生倦怠困扰的专科诊所 痛点：医生每天约 2 小时耗在写/改病历上，职业倦怠严重、问诊时间被 EHR 挤占，人手又补不上 切入点：给中小诊所/专科做 ambient scribe 的选型评估 + EHR 对接 + 落地培训的托管服务，按医生席位或月费收——大厂只服务大医院，中小机构的落地缺口是切口
#03
arXiv
Paper
NEW
Experience Makes Skillful: Enabling Generalizable Medical Agent Reasoning via Self-Evolving Skill Memory
这篇论文戳中了当下 agent 记忆的通病：现有记忆机制往往把原始历史轨迹一股脑存下来，冗余、嘈杂、难治理，也分不清哪些记忆对未来推理真有用。SkeMex 的做法是——把有信息量的交互轨迹蒸馏成结构化的'技能'（可复用的流程性知识），组织进一个多分支仓库，分为通用、任务级、动作级三层经验；再用环境反馈估计每条记忆'依场景而定的效用'，据此做价值感知的检索与仓库治理。整个过程是一个'读-写-评-治'（Read-Write-Assess-Govern）的闭环：写入新技能、更新效用、提拔有用的、删除有害的，从而在不更新权重的前提下持续进化，支撑长链条的临床推理。它和本期另一条'医疗落地'遥相呼应：医疗既是 AI 应用最热的落地场，也是 agent 研究最前沿的试验田。
提出 SkeMex：一个'部署后'自进化框架，不改模型权重、只靠一层'技能记忆'让医疗 agent 越用越强——把智能体从'一次性调好'推向'边干边长本事'。
展开详情
- **技能而非日志**：把交互轨迹蒸馏成结构化、可复用的'技能'，分通用/任务级/动作级三层，替代'把原始历史一股脑存下来'的旧记忆
- **价值感知治理**：用环境反馈估计每条记忆'依场景的效用'，做价值感知检索，并主动提拔有用、删除有害的记忆条目
- **不改权重就进化**：'读-写-评-治'闭环让 agent 部署后靠经验持续变强，避开了重新训练/微调的成本，尤其适合长链条临床推理
推荐理由：对个人：未来一两年真正稀缺的不是'会调 API'，而是'会给 agent 设计记忆与技能治理层'的人。SkeMex 说明——同一个底座模型，谁的 agent 能把交互沉淀成结构化经验、还会自己淘汰坏记忆，谁就长期领先。这是一条可迁移的能力：拿你所在领域的真实交互数据，设计一套'什么值得记、什么该忘、什么时候调用'的机制，就能造出别人抄不走的差异化 agent。领域经验 + 记忆治理，正在成为通用大模型给不了的护城河。
#04
GitHub
Repo
★ 3K
2d streak
NVIDIA/skills
这不是又一个 star farming 的 awesome 列表，而是一个信号：连英伟达都开始把'怎么正确使用我们的产品'做成官方 Agent Skills 直接分发。过去你要让 coding agent 会用 CUDA、跑通 RAG Blueprint 或 Omniverse 仿真，得自己翻文档、反复试错；现在 NVIDIA 把这些踩坑经验打包成'技能'，npx 一键装进你的 agent，agent 立刻'懂'怎么端到端操作它们的软件栈。更关键的是它主打'NVIDIA-Verified'——在一堆真假难辨的社区技能里，厂商背书的可信技能正变成稀缺品。这标志着 skills 正在从'个人玩具'升级为'厂商的官方分发与集成通道'：谁的能力想被 agent 用起来，谁就得把它做成技能推出去。
另有 2 家信源报道
展开详情
英伟达官方的 Agent Skills 目录：把'怎么用 NVIDIA 全家桶'打包成可安装的技能，一条 npx 命令（skills@latest add nvidia/skills）就能塞进 Claude Code、Codex、Cursor 等 coding agent，让 agent 端到端跑通 CUDA-X、RAG Blueprint、NeMo、TAO、cuOpt、Omniverse、Physical AI/机器人仿真、视觉 AI、医疗 AI、GPU 加速数据科学等工作流。技能维护在各产品仓库、每天自动同步镜像到这个目录，标注'NVIDIA-Verified'。
周增长：官方新目录、持续增长（未经 API 核实）
- **厂商官方入场**：NVIDIA 把 CUDA-X、RAG Blueprint、NeMo、Omniverse、Physical AI/机器人、医疗 AI 等做成官方 Agent Skills，npx 一键装进 Claude Code/Codex/Cursor
- **Verified 是卖点**：标注'NVIDIA-Verified'、每天从产品仓库自动同步——在真假难辨的社区技能里，厂商背书的可信技能是稀缺品
- **分发范式变了**：能力不再靠'写文档等人读'，而是打包成技能主动塞进 agent 的执行环境——skills 成了厂商的集成通道
推荐理由：对个人：skills 生态正在出现'厂商官方 + 社区海量 + 可信稀缺'的结构，这里有两个真实切口。一是做垂类高质量技能包：挑一个你熟的工具栈或行业流程，做成靠谱、能端到端跑通的技能，受众是所有用 coding agent 的人。二是做'技能的策展与质检'：官方 verified 只覆盖大厂产品，海量社区技能鱼龙混杂，帮团队筛选、评测、维护一套可信技能库本身就是服务。会写、会审、会治理技能的人，正站在一个刚成型、竞争者还很少的位置上。
#05
agentpatterns.ai
Article
NEW
Agent Plugins 1.0 发布：一个 plugin.json 把 Skills 和 MCP 打成一个包，ChatGPT/Cursor/Copilot/VS Code 通吃
8 月 6 日，一个厂商中立的技术委员会发布了 Agent Plugins 1.0：用一个 plugin.json 清单，把 Agent Skills（skills/ 目录）和 MCP 服务器（mcp.json）打进同一个文件夹，再加上按反向域名命名的子目录放各客户端专属扩展。它注册了 application/agent-plugins+json 这个类型，让目录条目可以直接指向一个 plugin.json。意义在于'一次打包、跨端安装'——同一个插件能装到 ChatGPT、Codex、Cursor、GitHub Copilot、Kiro、VS Code 上。Claude Code 有自己的插件格式（.claude-plugin/plugin.json，结构不同、暂不原生兼容），但官方 plugins CLI 把这套可移植格式翻译进 Claude 自己的体系。要泼一盆冷水：1.0 只是'互操作地板'——安装、注册表、权限、来源、密钥、OAuth 这些语义全部留给各客户端自己管，标准本身不保证信任与安全。
另有 2 家信源报道
展开详情
- **一次打包跨端装**：plugin.json + skills/ + mcp.json 一个文件夹，通吃 ChatGPT/Codex/Cursor/Copilot/Kiro/VS Code；受众从单一生态扩到全行业
- **对比 Claude Code**：Claude Code 用自己的 .claude-plugin/plugin.json（结构不同、暂不原生兼容），但官方 CLI 会把可移植格式翻译进 Claude 体系
- **冷静看**：1.0 只是互操作地板——安装/注册表/权限/来源/密钥/OAuth 全留给客户端，'能跨端'不等于'可信任'，验证与安全仍是空白
推荐理由：对个人：这是一个'趁早卡位'的窗口。技能/插件正从各家私有格式走向统一打包标准，意味着你现在做一个好插件，未来能一次覆盖几乎所有主流 agent 客户端，而不是给每个生态各写一遍——分发红利在放大。而标准刻意留白的'信任、验证、权限、来源'恰恰是下一个机会：谁能给这些跨端插件补上质检、签名、安全审计和可信目录，谁就在替整个生态补最缺的一环。做插件本身之外，'让插件可信'是更稀缺的活。
#06
Product Hunt
Product
NEW
DepthData
DepthData 想解决一个正在爆发的新痛点：企业的 AI 账单和'影子 AI'越来越乱，没人说得清钱花在哪、谁在用。它把公司已经在用的各种 AI 工具（ChatGPT、Claude、Copilot、Gemini 等）连成一张'可审计'的支出与采用视图，每个数字都标注'是怎么核实出来的'，并且明确不读取 prompt 内容，还会诚实地告诉你每家厂商的 API 到底能暴露、不能暴露哪些数据。这踩中的是 2026 年的大盘：全球 AI 支出预计达 2.52 万亿美元（同比 +44%）；98% 的 FinOps 团队现在要管 AI 支出（两年前只有 31%）；72% 的组织过去一年遭遇过意料之外的 AI 账单暴涨或'惊喜账单'。当 AI 从零星试点变成全员在用，'把散落的 AI 订阅盘成一张能审计的账'正从加分项变成刚需。
另有 2 家信源报道
展开详情
- **一张可审计的账**：把 ChatGPT/Claude/Copilot/Gemini 等已用工具连成单一支出与采用视图，每个数字标注核实方式，不读取 prompt
- **踩中大盘**：全球 AI 支出 2026 预计 2.52 万亿美元（+44%），98% FinOps 团队要管 AI 支出（两年前仅 31%）
- **真痛点**：72% 组织过去一年遭遇 AI 账单意外暴涨——'影子 AI' 和不透明计费让财务/IT 失控
推荐理由：AI FinOps（给 AI 支出做财务治理）是被 2.52 万亿大盘和 72% 的'账单意外'硬顶出来的新刚需，而且还很早期。对个人：不必造一个 DepthData，可以先做轻的——给中小企业做一次'AI 订阅盘点 + 按团队/项目归集 + 生成可审计报表'的咨询或小工具，就能接到活。会把一堆散落的 AI 花费理成一张清楚、能过审计的账的人，正卡在一个刚被点燃、竞争者还不多的位置。
商机信号（加速）：谁付钱：有多个 AI 订阅、被账单暴涨和'影子 AI'困扰的企业财务/IT/FinOps 团队 痛点：AI 支出散落在各工具、计费不透明，72% 企业过去一年遭遇账单意外，看不清谁在花、合规审计拿不出据 切入点：给中小企业做'AI 支出盘点 + 按团队/项目归集 + 可审计报表'的轻量服务或垂类小工具，按月费或按盘点项目收
#07
Product Hunt
Product
NEW
Greplica
Greplica 给工程团队和每一个 coding agent 一层'代码库的共享记忆'：它持续从编码会话里抽取决策、约束、坑点、失败过的方案、文件级上下文，然后按当前任务只检索真正相关的那部分。它解决的是一个越来越贵的浪费——coding agent 每开一个新会话都要重新把整个代码库探索一遍，既烧 token 又慢，而团队的隐性知识（'这里为什么这么写''那条路走不通'）又散落在各人脑子里和聊天记录里。和静态文档或各 agent 各自为政的记忆不同，Greplica 始终扎根在真实仓库里、保持知识新鲜，并且跨开发者、agent、克隆和 fork 共享。它开源、能本地跑、也提供托管共享模式，Product Hunt 上以 32 个 upvote、206 条评论排到当日第 7。
另有 1 家信源报道
展开详情
- **给 agent 装长期记忆**：从编码会话持续抽取决策/约束/坑点/失败方案/文件级上下文，按任务只检索相关部分，省掉每次重头探索代码库的浪费
- **团队 + agent 共享**：知识跨开发者、agent、克隆、fork 共享，扎根真实仓库、保持新鲜，替代散落的静态文档和各自为政的 agent 记忆
- **开源可自托管**：开源、本地可跑 + 托管共享模式；PH 当日排名第 7（32 upvote、206 评论）
推荐理由：对个人：coding agent 的'记忆/上下文层'正在独立成一个产品品类，这里藏着两类机会。一是眼下就能用——把 Greplica 这类工具接进团队，等于给一队 agent 装上不失忆的共享大脑，token 和返工都省。二是可切入——'把代码库/业务的隐性知识沉淀成 agent 能检索的结构化记忆'本身是门手艺，帮团队搭这层记忆、定制检索策略，是比写业务代码更稀缺的活。谁会给 agent 造记忆，谁就掌握了让 agent 真正好用的关键一环。
#08
greyjournal.net
Article
直接可用
NEW
把 AI 工具栈做成'交付服务'挣现金流：一人 AI 设计代理 8 个月做到 $420K ARR、每周只干 25 小时
这组 2026 年的个体创业复盘里，最值得普通人抄的不是那些'月入几十万'的明星（如 Danny Postma 用 HeadshotPro 单人做到 $30 万/月），而是一个更朴素、更可复制的路子：Sarah Chen 用 ChatGPT Plus + Canva Pro + Zapier 这套全是现成工具的组合，做一家一人 AI 设计代理，2025 年 1 月起步，8 个月做到 $42 万年化营收，每周只干 25 小时。她没有造产品、没写代码，赢法是把 AI 工具栈打包成'某个垂类的交付服务'，按结果和项目收费，overhead 压到近乎为零。这类模式的经济账很硬：2026 年一套完整的个体创业工具栈全年成本约 $3K–12K（相比雇人省 95–98%），经营利润率能到 60–80%（传统人力密集生意只有 10–20%）。核心不是有没有'完美点子'，而是选对窄垂类 + 快速执行 + 稳定交付。
另有 1 家信源报道
展开详情
- **全现成工具**：ChatGPT + Canva + Zapier，不造产品、不写代码，把 AI 工具栈打包成垂类交付服务，按项目/结果收费
- **经济账**：全年工具成本约 $3K–12K（比雇人省 95–98%），利润率 60–80% vs 传统生意 10–20%，overhead 近零
- **可复制关键**：赢在选窄垂类 + 快执行 + 稳交付，而非'完美点子'；约一半在建的个体创业者仍卡在 $0–1K MRR，差距在执行不在工具
推荐理由：对想挣现金流的普通人：门槛最低、见钱最快的路，不是造一个 SaaS，而是把'生成 + 模板 + 自动化'这套 AI 工具栈，做成某个垂直行业的产出化交付服务——按结果定价，边际成本几乎为零，第一个客户就是现金流。关键动作有两个：一是把垂类选窄到'一句话能说清你帮谁解决什么'，二是把交付标准化到能稳定复制。工具人人都有，能持续、可靠地交付结果的人才收得到钱。
My Take：评分（5=最优）：最快成交 4 / 最低成本 5 / 可复制 4 / 风险安全度 4。用现成 AI 工具栈把设计/内容/自动化做成单一垂类的产出化服务，接单即现金流、几乎零启动成本。
商机信号（加速）：谁付钱：没有内部设计/内容/自动化团队、又需要持续产出的中小企业与个体商家 痛点：需要设计、内容或流程自动化，但养不起全职、外包又贵又慢、交付不稳定 切入点：用 AI 工具栈（生成 + Canva/模板 + Zapier 自动化）做单一垂类的产出化交付服务，按项目或月费收，先把交付标准化再复制