Hall of Fame
Hall of Fame
Track
Type
Source
9月16日
今日趋势综述
DeepSeek 官方把编码 agent 做成『一切皆插件』的开源底座一周揽星破十万，叠加 VISTA 论文用『给模型一块状态仪表盘』零训练大幅提升上下文管理——今天的信号都指向同一件事：模型这层在收敛，能打的是底座、上下文与工程手艺。
今天的信号：模型在收敛，『底座 + 上下文』在升值
今天最响的两个信号并不是又一个更强的模型。一个是 DeepSeek 亲自下场开源『DeepSeek Harness』——把编码 agent 的界面、工具调用、agent 循环、模型接入全做成可插拔插件，一周揽星冲到十几万，直接把『用哪家模型』变成底座下游一个可替换的选项。另一个是 VISTA 论文：它不训练模型，只给模型一块能看见『每块上下文有多大、多旧、用没用过』的仪表盘，就把 Gemini-3-Flash 在长上下文基准上从 22.7% 拉到 50.7%，还压过了 ReAct、compaction 乃至 Claude Code。两件事指向同一个判断：模型能力这层正在收敛，真正拉开差距的是底座（harness）、上下文工程和把它们落到业务里的工程手艺。
今日新增 7
#02
GitHub
Repo
★ 46.2K
NEW
ayghri/i-have-adhd
i-have-adhd 火成周榜第一，说明一个被长期忽视的事实：agent 好不好用，一半在模型，一半在『它怎么把结果交给你』。同样的模型，输出结构对不对，使用体验能差一大截——这恰好和今天 VISTA 论文『界面比模型更关键』是同一个道理的用户侧版本。它也示范了 skill 这个形态的威力：不改模型、不写复杂代码，几十行规则就能把通用 agent 调教成贴合你工作习惯的样子。对每天和编码 agent 打交道的人，这类『行为塑形 skill』是投入产出比极高的一手工具。
另有 2 家信源报道
展开详情
一个给编码 agent（尤其 Claude）用的 skill，专治一个真实痛点：agent 常把真正的答案和关键改动埋在一大段解释、铺垫、客套里，读者要扒半天。它用约 10 条格式规则强制改造输出——先给可执行步骤、多步任务编号、砍掉旁枝末节、去掉啰嗦的收尾——把冗长的『解释型』回答压成直给、编号的『行动型』回答。README 用 before/after 示例直观展示这种转变。
周增长：长期高居 GitHub 周榜 Top 1 附近，是当前『改造编码 agent 输出行为』这一 skill 品类里星数最高的项目之一
- **先给答案**：约 10 条规则强制 agent 先抛可执行步骤、多步编号、砍掉铺垫和啰嗦收尾，把『解释型』输出改造成『行动型』
- **零改模型**：不训练、不改权重，纯 skill 配置即插即用，几十行规则就把通用编码 agent 调成贴合个人习惯的交付风格
- **周榜第一 + MIT**：约 46.2K 星长期霸榜，开源可自由改造，是『用 skill 塑形 agent 行为』最热门的范例
推荐理由：对普通人的机会：别只盯着换更强的模型，先学会用 skill 塑形你手里的 agent。i-have-adhd 证明几十行规则就能显著改善日常体验——把它读懂、改成你自己的版本（比如你行业的术语、你团队的格式规范），就是一份可复用、可分享、甚至可打包出售的个人生产力资产。会写 skill，是这轮 AI 里门槛最低、见效最快的一门手艺。
#03
arXiv
Paper
NEW
LLM Agents Are Latent Context Managers: Eliciting Self-Managed Context via State Proprioception
这篇论文提出 VISTA（Visible Internal State for Tool Agents）：把 agent 的工作记忆表示成一块块有类型、可寻址的上下文，并给模型一个『仪表盘』，实时显示每块上下文的 token 占用、新旧、被访问历史和预算。作者的核心论点很反直觉——前沿模型对自己的上下文是『本体盲（proprioceptively blind）』的，光看提示词它根本不知道每块内容多大、多旧、用没用过；而『会不会管理上下文』这件事，能力其实已经潜藏在模型里，缺的只是一个把状态暴露出来的界面。给上界面后，零训练就大幅提分。它把『上下文工程』从玄学变成了可量化、可复现的系统设计。
证明了强模型早已『会管上下文』，缺的不是训练，而是一块能让它看见自身上下文状态的界面——给对界面，同一个模型长上下文成绩能翻倍。
另有 1 家信源报道
展开详情
- **零训练翻倍**：在 LOCA-Bench 上把 Gemini-3-Flash 从 22.7% 拉到 50.7%，BrowseComp-Plus 达 58.0%，全程不训练模型
- **界面 > 策略**：同一界面在 LOCA-Bench 上压过 ReAct、删除、掩码、compaction 乃至 Claude Code，并在 4 种底座上都迁移有效
- **可精确归档**：臃肿的上下文块可作为外部 payload 存档并留稳定句柄，按需精确取回原字节，删块不丢信息
推荐理由：对普通人的机会：VISTA 把一句朴素的经验变成了硬证据——你喂给 AI 的上下文『长什么样、怎么组织、怎么归档』，比换更强的模型更能决定结果。哪怕你不搞研究，也能把这套思路用在日常：给 agent 明确标注每段材料的用途和优先级、及时清理过期上下文、把大块资料归档成可召回的引用。把『上下文管理』练成习惯，是当前性价比最高的能力升级。
#04
Product Hunt
Product
NEW
Experiential Labs
Experiential Labs 是一个开源 AI 网关（gateway）：一把 key 就能调用 1000+ 模型，既能用它自带的模型市场，也能自带各家 provider 的 key，或接入本地/自有云上跑的模型。它的价值在于把『多家模型接入』这件重复劳动收敛成一个统一入口——这和今天 DeepSeek Harness『模型可插拔』是同一股力量在基础设施侧的体现。对既想用最新模型、又不想被单一厂商锁定、还想按成本灵活切换的开发者，这类网关正在成为标配中间件。开源 + BYOK 的组合，也让它比闭源托管网关更容易被小团队信任和自托管。
展开详情
- **一把 key 通 1000+ 模型**：统一入口调度上千模型，换模型近乎零成本，把厂商锁定问题下沉为可切换配置
- **开源 + BYOK**：可自托管、自带各家 provider key，也能接本地/自有云模型，数据与成本控制权留在自己手里
- **网关即中间件**：把多模型接入、路由、计费这类重复劳动标准件化，是自建 agent / 应用时省下大量胶水代码的地基
推荐理由：对普通人的机会：如果你在做 AI 应用或 agent，别把多模型接入一家家手写。用开源网关把『模型层』抽象成一个可切换入口，你就能在成本、速度、质量之间自由调度——今天用便宜的『够用层』跑批量，明天用前沿模型啃硬骨头。掌握『网关 + BYOK』这套基础设施打法，是把 AI 成本打下来、又不被锁死的关键一步。
#05
research.google
Article
NEW
医疗 AI 落地实测：Google AMIE 对话式诊断 AI 首次真人临床研究，诊断准确度追平全科医生、零安全叫停
Google 把对话式诊断 AI『AMIE』第一次放进真实临床场景做有监督部署，结论是：可行、且对话层面安全，诊断准确度可与初级保健医生（PCP）相当，患者与 AI 交互期间零安全叫停（zero safety stops）。这是医疗 AI 从『论文刷分/影像单点任务』往『真人问诊全流程』迈出的关键一步——注意关键词是『有监督部署』：AI 不是取代医生，而是在医生兜底下承担问诊与初步判断。配合行业其它数据（AI 病历工具把医生写病历时间砍 40–45%、影像诊断多项任务已达专家级），医疗 AI 的落地范式越来越清晰：AI 干重复与初判，人负责兜底与决策。
另有 1 家信源报道
展开详情
- **准确度追平全科医生**：真实临床研究中 AMIE 的诊断准确度与初级保健医生相当，且患者交互全程零安全叫停
- **范式是『AI+人』**：采用有监督部署，AI 承担问诊与初判、医生兜底决策，而非纯 AI 替代——和教育、法律的落地路径一致
- **外围早已成熟**：AI 病历工具把医生写病历时间降 40–45%、笔记错误率降 25–30%，影像诊断多项任务已达或超专家级
推荐理由：对普通人的机会：医疗 AI 的钱不在『造一个取代医生的模型』，而在『把 AI 稳稳嵌进医生工作流』的那层活——病历自动化、问诊预处理、随访提醒、合规与安全兜底。如果你在医疗、健康或相关 IT 领域，学会做『AI+人』的流程设计与落地交付（哪一步交给 AI、哪一步必须人兜底、怎么留审计痕迹），比单纯会调模型更稀缺、更值钱。
#06
deepengineering.net
Article
NEW
FDE 岗位真相：招聘一年暴涨约 729%，但『职位多 ≠ 好拿』，能真正落地的人才是稀缺项
Forward Deployed Engineer（前向部署工程师）岗位过去一年井喷——招聘数据口径『同比高出约 729%』『职位数暴涨 800%』，OpenAI、Anthropic、Google、Databricks、Scale、Ramp 等都在抢人。但这篇文章戳破一个错觉：职位多不等于好拿。FDE 的面试考的不是刷算法题，而是三关——行为/契合度（沟通与 ownership）、技术深挖（写生产代码 + 系统设计）、以及著名的『问题拆解（decomposition）』案例。企业其实招不到人，因为合适的人来自解决方案架构师、技术顾问、应用型 AI builder 这些非传统软件工程师池子，稀缺的是『能把模糊的企业问题拆成可交付、并亲手送进客户业务里』的判断力。
另有 1 家信源报道
展开详情
- **需求井喷但难填**：FDE 招聘同比约 +729%、职位数涨约 800%，却是最紧的高级技术市场，招聘周期常拉到 6–10 周
- **考拆解不考刷题**：面试三关是行为契合、技术深挖（生产代码+系统设计）、decomposition 案例，判断力比算法题更被看重
- **人来自非传统池**：合适人选多是解决方案架构师/技术顾问/应用型 builder，稀缺的是『把模糊问题送进业务落地』的能力
推荐理由：对普通人的机会：FDE 是当下 AI 里最稀缺、也最好『非科班切入』的高价值岗位。如果你不是顶尖算法工程师，但擅长跟客户对话、把模糊需求拆成可交付、并能写出能跑的生产代码——这正是企业最缺的画像。刻意练习『问题拆解 + 端到端交付』，比刷 LeetCode 更能让你吃到这波 AI 落地红利。
#07
fungies.io
Article
值得关注
NEW
把『AI 挽回失败扣款』做成小微 SaaS：AI dunning 挽回率 65–80% 碾压传统 30–40%，Churnkey 做到 $30K MRR
订阅制生意有个『闷声流血』的漏洞：扣款失败（信用卡过期、余额不足）会吃掉每月 8–15% 的 MRR，占全部流失的 20–40%，而且几乎全是可挽回的『非自愿流失』。传统 dunning 用死板的通用邮件和固定重试，只能挽回 30–40%；AI dunning 靠个性化重试时机、文案和升级路径，把挽回率拉到 65–80%。这生意对小微/个人开发者极友好：毛利 70–90%，收入直接和客户被挽回的钱挂钩，几周就回本。案例如 Churnkey 做到约 $30K MRR、平均帮客户降 18% 流失，Baremetrics 从副业做到 $1M+ ARR。切口清晰、痛点可量化、买单意愿明确——是典型『能算出回本』的现金流生意。
另有 2 家信源报道
展开详情
- **痛点可量化**：扣款失败吃掉 8–15% MRR、占流失 20–40%，且几乎全可挽回，是被 $10M ARR 以下公司系统性忽视的『捡钱』环节
- **AI 把挽回率翻倍**：个性化重试时机/文案/升级路径把挽回率从传统 30–40% 拉到 65–80%，毛利 70–90% 且收入随客户营收增长
- **有跑通案例**：Churnkey 约 $30K MRR、平均降客户流失 18%；Baremetrics 从副业做到 $1M+ ARR，切口窄、回本快
推荐理由：对想挣现金流的普通人：这是一个『痛点能算成钱、买单意愿现成』的窄切口。你不需要造复杂产品——挑一个细分（比如只服务某类 Stripe 独立开发者或某垂类 SaaS），把 AI 个性化重试 + 挽回文案做扎实，按『挽回金额分成或月费』收钱。因为客户能直接看到你帮他追回多少钱，成交和续费都容易。宁可窄、宁可深，先跑通一个细分再复制。
My Take：评分（5=最优）：最快成交 4 / 最低成本 4 / 可复制 5 / 风险安全度 4。定位：给中小订阅制商户做 AI 失败扣款挽回，按挽回金额或月费收钱、回本可算。
商机信号（加速）：谁付钱：月流水有一定规模的订阅制 SaaS / 会员制 / 独立开发者商户（尤其 $10M ARR 以下、被大厂 dunning 方案忽视的中小客户） 痛点：扣款失败吃掉 8–15% MRR、占流失的 20–40%，几乎全是可挽回的非自愿流失，但自己没精力做个性化重试与挽回，白白流血 切入点：锁定一个细分渠道（如某支付平台上的某垂类商户），做『AI 个性化重试时机+文案+升级路径』的轻量挽回服务，按追回金额分成或低月费起步，用『帮你追回了多少钱』的可见结果做转化，先跑通一个细分再横向复制
#08
benchlm.ai
Article
NEW
智力榜『够用层』价格坍塌：Gemini 3.8 Flash（$0.75/$3.75）智力逼近前沿，选型该按『任务分层』而非只买最强
把 9 月各家新模型摆到 Artificial Analysis 的智力指数（Intelligence Index）同一把尺子上看，会发现两件事：一是前沿被 Claude 领跑，二是『够用层』的价格已经坍塌到前沿的十几分之一，而智力差距只有几到十几分。这意味着『买最强的』在多数任务上是浪费——真正省钱的做法是按任务分层调度：批量、简单、走量的活交给便宜的 Flash 级模型，只有真正难啃的复杂推理才上前沿旗舰。配合今天 DeepSeek Harness / 开源网关『模型可插拔』的趋势，分层调度已经从理念变成人人可落地的工程实践。
另有 2 家信源报道
展开详情
- **对比（智力指数，越高越强）**：Claude Fable 5.1 约 66 vs Claude Opus 5 约 63 vs GPT-6 Astra 约 61 vs GPT-5.6 Sol 约 59–61 vs Gemini 3.8 Flash 约 53（Artificial Analysis Intelligence Index，max effort 口径）
- **对比（每百万 token 价格，越低越省）**：Gemini 3.8 Flash $0.75/$3.75 vs GPT-5.6 Sol $4/$20 vs GPT-6 Astra $10/$50——够用层比前沿便宜一个数量级，智力只差十几分
- **结论是分层**：多数量大简单任务用 Flash 级（省一个数量级成本），只有硬推理才上 Fable 5.1 / Opus 5 级旗舰，靠网关/harness 自动路由
推荐理由：对开发者/普通人：现在选模型别再『一把梭最强的』。把任务分三层——走量简单活用 Gemini 3.8 Flash 这类便宜够用层（成本能省一个数量级），中等复杂用 Sol 级，只有真正难的复杂推理才动用 Fable 5.1 / Opus 5。用开源网关或 harness 做自动路由，你能在几乎不掉质量的前提下把 AI 账单砍掉一大半。会『按任务×成本分层调度』，是这轮模型收敛里最实在的省钱手艺。
仍在热榜 1
Repo
deepseek-ai/deepseek-harness
在榜 3d
DeepSeek 官方开源的编码 agent 底座（harness），核心主张是『Everything is a Plu…
DevTools