Hall of Fame
Hall of Fame
Track
Type
Source
9月4日
今日趋势综述
今天的主线是「编排与交付」：并行 agent 的开发环境（Orca）、跑遍所有 harness 的统一 API（AgentSky）、把 skills 打包成可交付业务能力（Anthropic 电商 agent 蓝图），以及 AI 从工具变成可收钱的服务（$3K/月 retainer、垂直行业落地），价值都在「怎么把模型组织起来交付给客户」这一层。
今天的信号：不是「用哪个模型」，而是「怎么把一堆 agent 编排成能交付的东西」
把今天几条串起来看，会发现一个共同的动作——「编排」。Orca 用 5 个月冲到 5 万多星，卖的不是模型，而是一个能同时跑一队 coding agent、用 git worktree 互不打架的开发环境；AgentSky 拿下 Product Hunt 日榜第一，做的是「agent 界的 OpenRouter」——把 Claude Code、Codex、DeepSeek Harness 等十几种 harness 收进一个 API，让你并排比时间、成本、token。它们解决的都是同一个新问题：单个 agent 已经不稀奇，把一群 agent 组织好、跑稳、能对比，才是护城河。
再往「交付」看，Anthropic 直接把电商 agent 做成开源蓝图——不是给你一个模型，而是给你架构、skills、工具契约、安全模式和评测 harness，让工程团队几天内跑起购物 agent 和商家 agent，还附上「购物车大 35%、下单率高 60%」的实测数字。这和农业 AI 的落地（甘蔗 40% 增产、小农户 120% ROI、投入低于 $500）、以及独立开发者把 AI 打包成 $3K/月 retainer 服务，是同一件事的不同切面：值钱的不是能力本身，而是「把能力嵌进某个具体业务、变成客户愿意付钱的结果」。
对想在 AI 时代往上走的个人，今天的方向很清楚：往「编排 + 交付」这一层走。(1) 学会编排——同样一堆 agent，你能不能让它们并行、稳定、可对比地干活，这是纯手艺，Orca/AgentSky 就是免费教材；(2) 挑一个具体业务垂直（电商、农业、某类小企业流程），把 AI 落地成能交付、能验收、能收钱的工作流；(3) 把交付方式从「卖订阅」升级成「卖结果」——一个 $3K/月的 retainer 抵得过三百个 $9/月的订阅用户。模型能力在平权，编排和交付的手艺不会。
今日新增 6
#02
claude.com
Article
NEW
Anthropic 开源电商 Agent 蓝图：不给模型，给你一整套能几天上线的 skills + 工具契约 + 评测 harness
9 月 2 日 Anthropic 发布 Claude Commerce Agents——一套开源的电商 agent 蓝图。它不是发一个模型，而是把「怎么把 agent 落到电商业务里」整个打包：agent 架构、一组 skills（销售分析、商品与库存管理、营销促销、门户内图表看板 UI）、工具契约、安全模式、评测 harness，外加一个 Claude Code 插件，还给了零售/旅游/电信/票务四个参考实现。分成两个 agent：面向店面的购物 agent（搜目录、比商品、组购物车、送去结账）和面向后台的商家 agent（分析销售、盯库存、给定价与促销建议）。可通过 Claude API、Amazon Bedrock、微软 Foundry 或 Google Vertex AI 部署。Anthropic 给出的实测：跑购物 agent 的零售商购物车大了 35%、下单完成率高 60%，并已联手 Accenture、Mastercard、Visa 帮企业落地。
另有 2 家信源报道
展开详情
- **skills 即业务能力**：销售分析、库存管理、营销促销、门户看板 UI 全部以 skill 形式交付，这是「skills 从玩具变成可交付业务模块」的标志性一步
- **给的是交付套件不是模型**：架构 + 工具契约 + 安全模式 + 评测 harness + Claude Code 插件，工程团队几天就能跑起来
- **有硬数字**：购物车 +35%、下单完成率 +60%，且四大云都能部署、四个行业有参考实现
推荐理由：这对个人和小团队是一个明确的接单模板：大厂已经把电商 agent 的架构和 skills 开源了，你不需要从零造轮子，而是把这套蓝图搬到某个具体商家的目录/库存/促销数据上做交付。机会不在「写模型」，在「把这套开源 skills 调成某类中小电商能用、能验收的样子」——这正是 FDE/交付型工程师最值钱的活。
商机信号（加速）：谁付钱：有线上目录的中小电商/品牌方，愿意为『购物车更大、下单率更高』的可量化结果付费；以及帮它们做落地的服务商 痛点：商家想上 AI 导购/商家助手，但没有工程团队把 agent 接进自己的商品目录、库存和结账流程，自建门槛太高 切入点：拿 Anthropic 这套开源蓝图，专攻一个细分品类（如美妆/家居），把购物 agent 调成能接该品类商家目录的『开箱即用』版本，按上线 + 月度 retainer 收费
#04
intellias.com
Article
NEW
农业 AI 落地实测：甘蔗集成方案增产 40%、AI 灌溉省水 30%，小农户投入低于 $500 也能拿 120% ROI
把农业 AI 的落地数据摊开看，最强的一批实测是：Agripilot.ai 的甘蔗项目把 IoT + 卫星 + AI 顾问集成起来，增产最高 40%；AI 优化灌溉省水 30%；AI 管理的农场用工成本降 35%；产品分级质检的吞吐比人工快 40 倍且达商用精度。ROI 上，大农场（5000 亩以上）综合上 AI 拿到 150% ROI，小农户用低于 $500 的针对性工具也报出 120% ROI；结合机器学习产量预测 + 实时作物健康监测 + 天气情报，普遍能增产 15–25%、降投入 12–18%。软件类部署（生成式 AI 顾问、卫星监测订阅、供应链溯源）通常 12–24 个月回本，其中计算机视觉作物监测因直接砍投入成本回本最快。整个农业 AI 市场 2026 年约 31.1 亿美元，精准农业占 43% 份额。
另有 2 家信源报道
展开详情
- **增产有数**：甘蔗 IoT+卫星+AI 集成方案增产最高 40%，普适组合增产 15–25%、降投入 12–18%
- **小农户也玩得起**：低于 $500 的针对性工具报出 120% ROI，不是只有大农场能上
- **最快回本的是视觉**：计算机视觉作物/质检监测因直接省投入，回本最快；软件类整体 12–24 个月回本
推荐理由：农业是被 AI 讨论严重低估的落地场景，恰恰因为它「不性感」而竞争小、痛点硬。对个人的机会：不用去卷通用 agent，去啃一个具体作物 + 一个具体环节（比如某地某作物的病害识别、或分级质检），用现成视觉模型 + 便宜硬件做一个「投入几百块、能算出 ROI」的小工具。农户认的是实打实的省钱增产数字，这是最容易讲清楚价值、也最容易收到钱的一类落地。
#05
kilo.ai
Product
NEW
Kilo Code 上架 JetBrains 全家桶：开源、免费、可接 400+ 模型的编码 agent 铺进又一大生态
开源编码 agent Kilo Code 把插件铺到了 JetBrains 全家桶——IDEA、PyCharm、GoLand、WebStorm、RustRover、CLion 等十几个 IDE 都能装。此前它在 VS Code / Cursor 上已有 42 万+ 下载。产品走 open-core：agent 本体免费开源，组织级功能收费；可接 400+ 托管模型，也能用免费/本地模型或自带 key。特色是多模式协作——Architect 模式先设计架构再动手，Orchestrator 模式把复杂项目拆成子任务分派给多个 agent，用户还能自定义带专属角色、指令和工具权限的 agent。
另有 1 家信源报道
展开详情
- **铺生态**：从 VS Code/Cursor（42 万+ 下载）扩到 JetBrains 十几个 IDE，覆盖面进一步拉满
- **不锁模型**：400+ 托管模型 + 免费/本地/自带 key，open-core 让个人零成本用、组织按需付费
- **内建编排**：Architect 先设计、Orchestrator 拆任务分派多 agent，把「一人多 agent」做进 IDE 里
推荐理由：对 JetBrains 系（Java/Kotlin/Go/Rust）的开发者，这意味着不用换编辑器就能用上开源、可自带模型、还内建多 agent 编排的编码助手，几乎零成本。更值得学的是它的 Orchestrator 思路：把大任务拆成子任务分派——这套「拆解 + 编排」的方法论，正是从「用 AI 写单文件」升级到「用 AI 交付整个项目」的关键手艺，值得照着练。
#06
GitHub
Repo
NEW
netresearch/claude-code-marketplace
这是 Netresearch 做的精选 Agent Skills 集合，核心卖点是「开放标准 + 可移植」：遵循 agentskills.io 开放标准，同一份 skill 能跨 Claude Code、Cursor、Copilot、Codex、Gemini CLI 等 30+ 种 agent 使用，而不是绑死在某一家。它和官方 anthropics/skills 仓库一起，构成 skills 生态从「各家各写各的」走向「一次编写、到处运行」的一个信号——skill 正在被当成可跨平台分发的独立工件来做。
展开详情
一套跨 agent 可移植的精选 Agent Skills 集合与开放标准
周增长：随 agentskills.io 开放标准推进而升温
- **开放标准**：遵循 agentskills.io，把 skill 格式标准化，避免被单一 agent 厂商锁定
- **一次写到处跑**：同一份 skill 覆盖 Claude Code / Cursor / Copilot / Codex / Gemini CLI 等 30+ agent
- **精选而非堆量**：走 curated 路线，和只拼数量的 marketplace 形成对比，质量优先
推荐理由：对想吃 skills 生态红利的个人，「可移植」是比「多」更值钱的方向：与其在某个平台上堆一堆只能它自己用的 skill，不如按开放标准写少而精、能跨 30+ agent 复用的 skill。会写符合标准、跨平台可用的高质量 skill，正在成为一种能被 marketplace 和团队直接采用的可交付技能——这是 skills 从「玩具」进入「工件」阶段后新开的口子。
#07
arXiv
Paper
NEW
One Tool Is Enough: Reinforcement Learning for Repository-Level LLM Agents
这篇论文提出 RepoNavigator：处理仓库级任务的 agent 只配一个「执行感知」的工具——跳转到被调用符号的定义处。经强化学习训练后结果很反直觉：7B 模型超过 14B 基线，14B 超过 32B 竞品，32B 在多数指标上甚至超过 GPT-5 这类闭源模型。它的意思不是「工具无用」，而是「针对仓库理解这个具体任务，一个设计得当、贴着执行语义的工具 + 会用它的训练，胜过一堆泛工具」。
在仓库级代码任务上，只给 agent 一个『跳转到符号定义』的执行感知工具 + RL 训练，就让小模型越级打大模型，质疑了『工具越多越强』的直觉
另有 1 家信源报道
展开详情
- **越级打怪**：RL 训练后 7B 超 14B、14B 超 32B、32B 多数指标超 GPT-5，靠的是工具设计而非堆参数
- **一个好工具胜过一堆**：只给『跳转到符号定义』这一个执行感知工具，专治仓库级代码理解
- **方向反直觉**：质疑『工具越多 agent 越强』，指向『少而精、贴着任务语义』的工具设计
推荐理由：这对做 agent 的个人是一条省钱又提效的路子：与其给 agent 塞几十个工具、上更大的模型，不如吃透你的具体任务，设计一两个真正贴着任务语义的工具，再把小模型训/调好——效果可能反超大模型且成本低得多。「懂任务、会设计工具」正在比「会调大模型」更值钱，这也是小团队能和大厂掰手腕的地方。
#08
indieis.land
Article
直接可用
NEW
把 AI 打包成『服务 retainer』而不是『$9 订阅』：2026 现金流最实的一条路
2026 独立开发圈一个越来越清晰的共识：与其做 $9/月的订阅慢慢熬，不如用 AI 快速做出成果、按「服务 + 结果」收月度 retainer。数字很直白——一个 $3K/月的客户 retainer 抵得过三百多个 $9/月订阅用户；跑 AI 驱动服务的数字游民月收普遍到 $15K–$30K。玩法是：用 AI 在几天内搭出某个具体交付物（自动化流程、行业小工具、内容/数据管线），以「帮你把某个结果做出来」的方式卖给中小企业，按月收费、边做边探索。现实分布依然残酷（50% 独立开发者月入不到 $1K），但「AI 做交付物 + retainer 收费」是这波里门槛最低、回款最快的一条。
另有 2 家信源报道
展开详情
- **账很好算**：1 个 $3K/月 retainer ≈ 333 个 $9/月订阅，找 3 个客户就够养活自己
- **回款快**：卖『做出某个结果』的服务比养订阅漏斗现金流健康得多，跑 AI 服务的数字游民月入 $15K–$30K
- **门槛低**：用 AI 几天做出交付物、以服务形式卖给中小企业，不需要先攒一个百万级 SaaS
推荐理由：对想尽快用 AI 挣到现金流的普通人，这条路最现实：别一上来就做 SaaS 等订阅,先用 AI 帮 2–3 个具体中小企业把某个结果做出来（省时/增收/自动化），按月收 retainer。先把现金流跑起来、把某个垂类摸透，再考虑要不要产品化——顺序反过来，成活率高得多。
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 AI 做交付、按 retainer 收费，是现金流最快、启动成本最低的一条个人路径。
商机信号（加速）：谁付钱：没有技术团队、但愿意为『把某个具体流程自动化/某个结果做出来』按月付 $1K–$5K 的中小企业主 痛点：中小企业知道 AI 有用，但没人帮它落到自己的具体业务里，买通用工具又用不起来、见不到结果 切入点：锁定一个你熟的行业 + 一个高频痛点（如自动做报价单/自动整理客户线索），用 AI 做成可交付服务，按上线费 + 月度 retainer 收费，先服务化再考虑产品化
仍在热榜 2