Hall of Fame
Hall of Fame
Track
Type
Source
9月6日
今日趋势综述
本周信号收敛到同一句话：模型这层已经卷不出差距，真正的价值全挪到了『把模型组织好、送进业务、还能验收』的那一层——从 agent 运行时、skills 工程，到评测选型和企业落地。
今天的信号：值钱的不再是模型，是模型和业务之间那层『管道工』
把今天几条串起来看，一个主线特别清楚：模型本身正在快速商品化。评测榜上 Fable 5.1、Opus 5、GPT-5.6、Grok 4.6 挤在 61–66 分的一格里，彼此差几个百分点；开源和闭源、这家和那家，普通场景里已经很难拉开体感差距。于是钱和注意力都在往『上层』和『下层』跑——上层是 NousResearch/hermes-agent 这种 agent 运行时（靠日均 token 用量冲到 OpenRouter 第一，而不是靠跑分），下层是 skills 工程（把一个技能的上下文成本从 20 万 token 压到 2.5 万）和企业落地（Gartner 说 89% 的 agent 试点根本进不了生产，但活下来的那 11% 能做到 171% 的 ROI）。
今日新增 7
#02
startupcorners.com
Repo
NEW
Gitlawb/openclaude
在 hermes、deepseek-harness 这类重型运行时之外，openclaude 走的是相反路线：足够轻、足够中立，你可以把它接到任何模型（本地或云端）上，塞进任何环境。这类『轻量 + 模型无关』的编码 agent 之所以持续有人涨星，是因为大量开发者不想被单一厂商锁死，想要一个能自己换模型、自己控成本的口子。
另有 1 家信源报道
展开详情
一个轻量编码 agent，主打『到哪都能跑、接任何模型』——不绑定某家闭源模型，也不依赖重型 IDE，追求最小依赖、随处可用的编码助手。
周增长：约 +451 星/日（9/4 快照），本周稳定在 GitHub 趋势榜的编码 agent 分区
- **模型无关**：可接任意模型（含本地/开源），不被单一闭源厂商锁定
- **随处可运行**：最小依赖、不依赖重型 IDE，命令行即可用
- **轻量路线**：与重型 agent 运行时形成互补，主打可控与低负担
推荐理由：给普通开发者的机会：与其为某个闭源编码工具付月费、还被锁死，不如学会用这类『模型无关』的轻量 agent，把后端模型换成便宜的开源模型，自己掌控成本和数据。会『组装自己的编码 agent 工具链』本身正在成为一项加分技能。
#03
artificialanalysis.ai
Article
NEW
AI 智能榜挤成一格：Fable 5.1 拿 66 分登顶，Opus 5 / GPT-5.6 / Grok 4.6 全咬在 61–63，模型这层已经卷不动了
Artificial Analysis 最新一版智能指数（v4.1.1，max effort）里，头部模型的分差小到几乎可以忽略：这条『前沿一格』越来越挤，说明在通用智能这个维度上，谁比谁强几分已经不太影响日常体感——真正决定你选谁的，是价格、速度和它在你具体任务上的表现，而不是榜单名次。
另有 2 家信源报道
展开详情
- **对比**：Fable 5.1 66 vs Claude Opus 5 63 vs Fable 5 62 vs GPT-5.6 Sol 61 vs Grok 4.6 61（Artificial Analysis 智能指数 v4.1.1，max effort）
- **差距收敛**：头部 5 个模型挤在 61–66 的 5 分区间内，通用智能维度已高度同质化
- **选型逻辑变了**：名次趋同后，价格/延迟/在你任务上的实测才是分水岭，而不是榜单排名
推荐理由：对开发者：别再为『榜首』多付钱。日常写代码、做总结、跑 agent，这几个头部模型体感差不多，选便宜快的那个（很多场景开源/中等价位模型就够）；只有在最难的推理/长任务上，才值得为最强的那一两分买单。学会『按任务分级选模型』，一年能省下可观的 API 账单。
#04
endearhq.com
Article
NEW
零售 AI 落地实测：个性化推荐把转化拉高 15–25%、动态定价加 20% 营收，沃尔玛靠 AI 把缺货砍 30%、物流成本降 15%
零售是今年 AI 落地数据最扎实的行业之一：不是『会不会用』，而是『用了赚多少』。综合多份 2026 案例，个性化推荐普遍带来 15–25%（个别高到 288%）的转化提升，动态定价加约 20% 营收、22% 利润，AI 分群让营销 ROI 提升 20–25%；沃尔玛把缺货率降 30%、物流成本降 15%。整体上，用 AI 的零售商报告 5–15% 年营收增长、10–30% 成本节省，综合 ROI 落在 200–400%。
另有 1 家信源报道
展开详情
- **转化**：个性化推荐把转化率拉高 15–25%，头部案例高达 288%
- **营收/利润**：动态定价约 +20% 营收、+22% 利润；AI 分群营销 ROI +20–25%
- **沃尔玛实测**：缺货率 -30%、物流成本 -15%，库存持有成本最高降 40%
推荐理由：机会不在『再造一个推荐大模型』，而在把这些成熟能力送进那些还没用上的中小零售商——89% 大零售商在用，但海量夫妻店、垂类品牌还是一片空白。会把开源推荐/动态定价方案打包成『按门店交付、拿转化数字说话』的服务，就是一门现成的现金流生意。
商机信号（加速）：谁付钱：中小零售商、垂类电商品牌、连锁门店运营方——他们已经看到大厂靠 AI 提转化，但没有内部团队能落地 痛点：转化率上不去、库存和定价靠拍脑袋，市面方案要么太贵（面向大企业）要么太玄（纯 SaaS 自己不会配） 切入点：选一个细分品类（如美妆/家居/生鲜），用开源推荐+动态定价模型做成『按店交付、按转化提升分成』的代运营，先跑通 3–5 家出数字再复制
#05
agentpatterns.ai
Article
NEW
把 agent skill 写好=一门省钱工程：SKILL.md 压到 5000 token 内、渐进披露把单技能上下文从 20 万 token 砍到 2.5 万
当 skill 从『新鲜玩具』变成日常干活的基本单元，怎么写就成了实打实的工程问题。核心方法叫『渐进披露』：agent 分三层加载——启动时只读名字+描述（每个约 100 token），激活时才读 SKILL.md 正文（建议压到 5000 token 内），细节全部塞进按需加载的引用文件。效果很具体：Claude Code 自带的 claude-api skill 靠这招把上下文成本从 20 万 token 压到约 2.5 万；整体可省约 63% token。
另有 2 家信源报道
展开详情
- **三层加载**：名字+描述(~100 token) → SKILL.md 正文(<5000 token) → 引用文件按需读，别一次性全塞
- **真实收益**：claude-api skill 上下文成本从 200k→25k token；渐进披露整体省约 63%
- **六条铁律**：渐进披露、描述可被发现、单一职责、版本化、拿真实任务测、校验数据是否新鲜且属你
推荐理由：这是当下最容易上手、又最被低估的一项 AI 工程技能：写一个 token 省、职责清、能被审查的 skill，门槛不高但极其吃香。普通开发者完全可以从把自己重复的工作流（比如周报、代码审查、取数）写成一个规范 skill 开始，既省自己的 token，也能作为作品放进简历——『会写高质量 skill』正在成为一个可标价的能力。
#06
arXiv
Paper
NEW
Multi-Layered Memory Architectures for LLM Agents: An Experimental Evaluation of Long-Term Context Retention
这篇实验性论文把对话/交互历史拆成三层来管理：工作记忆（当下正在用的）、情节记忆（发生过的具体事件）、语义记忆（提炼出的稳定知识），并系统评测这种分层结构在长周期上下文保持上的表现，结论是相比把历史一股脑塞进上下文，分层管理在多个基准上都更稳、更省。它和本周另一篇《Memory for Autonomous LLM Agents》一起，标志着『agent 记忆』正从零散技巧走向有章法的架构学科。
把 agent 记忆从『一锅塞进上下文』升级成分层架构，是让 agent 能跨多轮、长周期稳定干活的关键一步——直接关系到 agent 能不能记住你上周说过的事。
展开详情
- **三层记忆**：工作/情节/语义分层，各管一段，别把所有历史塞进一个上下文窗口
- **长周期更稳**：在长期上下文保持的多个基准上优于『全量塞入』的朴素做法
- **学科化信号**：与同期综述一起，把 agent 记忆从技巧变成可复用的架构范式
推荐理由：对做 agent 应用的个人开发者：别再纠结『上下文窗口不够大』，真正的杠杆是学会分层管理记忆——什么该常驻、什么该按需检索、什么该提炼成长期知识。掌握这套记忆架构，是让你的 agent 从『聊两句就失忆』进化到『能长期陪你干活』的分水岭，也是当前很多产品的真实护城河。
#07
grove.publishstudio.one
Product
NEW
Grove
Grove 是一个『你和你的 AI agent 共用同一个终端』的工具：内置 MCP server 和 CLI，你和编码 agent 控制的是同一组终端进程，而不是各开一个窗口互相看不见。它切中了当下人机协作的一个真实痛点——agent 在它自己的沙箱里跑、你在你的终端里跑，两边状态经常对不上；Grove 让两者站在同一个终端里并肩干活。
另有 1 家信源报道
展开详情
- **共用终端**：人和 agent 控制同一组进程，不再各跑各的、状态割裂
- **MCP 原生**：内置 MCP server + CLI，agent 能直接操作真实终端环境
- **协作范式**：从『把任务丢给 agent』转向『和 agent 同屏并肩』，便于随时接管纠偏
推荐理由：值得关注的信号：agent 工具的下一站是『人机同屏协作』，而不是全自动黑箱。对个人开发者，早点习惯这种『我和 agent 共用工作台、随时接管』的工作方式，比幻想全自动更实际；这类协作型工具也给了独立开发者一个新赛道——做垂直场景的『人机协作工作台』。
#08
joget.com
Article
NEW
Gartner 泼冷水：89% 的 AI agent 试点根本进不了生产，但活下来的 11% 做到了 171% ROI——落地能力才是真稀缺
热闹背后是一盆冷水：Gartner 口径下 89% 的 agent 试点无法走到生产，Gartner 还预测到 2027 年底超过 40% 的 agentic AI 项目会被取消。但硬币的另一面很诱人——真正跑到生产的那 11% 平均做到了 171% 的 ROI。卡点不在模型能力，而在『能不能验收、能不能治理、够不够可靠』：64% 的负责人卡在评测缺口、57% 卡在治理摩擦、51% 卡在模型可靠性。目前也只有约 31% 的企业有至少一个 agent 真的在生产里。
另有 2 家信源报道
展开详情
- **对比**：89% 试点进不了生产 vs 活下来的 11% 平均 171% ROI——差距全在『落地』这道坎
- **真正的卡点**：评测缺口 64% / 治理摩擦 57% / 模型可靠性 51%，都不是『模型不够强』
- **现状**：约 31% 企业有 ≥1 个 agent 在生产；银行保险领先(47%)、医疗政府垫底(18%/14%)
推荐理由：这组数字其实是给个人的路标：市场最缺的不是又一个 demo，而是能把 agent 从 demo 推过评测、治理、可靠性这三道坎、并拿出验收数据的人。与其追模型发布会，不如专攻『agent 评测 harness』『agent 治理与权限』这类没人愿意干的脏活——它正是那 89% 失败项目最缺、也最愿意付钱的能力。
商机信号（加速）：谁付钱：已经砸钱做了 agent 试点、却卡在进不了生产的中大型企业（尤其银行、保险、零售） 痛点：demo 很惊艳，但没法证明它靠谱、没法治理和审计、没法向老板交出可验收的数字，于是项目被砍 切入点：做『agent 落地验收』的小切口服务：给客户搭一套评测 harness + 治理/权限清单 + 上线 runbook，按『帮你把试点推进生产』收费，而不是再卖一个模型
仍在热榜 1
Repo
NousResearch/hermes-agent
在榜 6d
NousResearch 推出的通用 agent 框架，主打『随用户工作流一起成长』——不是一个固定 agent，而是一…
AI Agent