Hall of Fame
Hall of Fame
Track
Type
Source
9月26日
今日趋势综述
agent 工具战从「单个更聪明的 agent」转向「怎么同时管一队、怎么把 token 省下来、怎么按每任务成本挑模型」——Orca 让你并行跑一队编码 agent、context-mode 把工具输出砍掉 98%、GPT-6 Sol/Luna 把便宜档做成选型新坐标；与此同时巨头在硬件入口（Muse 进眼镜）和算力（Colossus 2 冲 144 万卡）上厮杀，普通人真正能收到钱的仍是法律、语音前台这类垂直落地。
今天的信号：agent 进入「车队 + 成本」时代
这两天几条工具线拼在一起，指向 agent 使用方式的一次换挡：主角从「一个更聪明的 agent」变成「怎么同时管一队 agent、怎么让它们别把上下文和钱烧光」。Stably AI 的 Orca 冲到 7.8 万星，卖点是让你在各自隔离的 git worktree 里并行跑五六个编码 agent、从一个界面盯全场；context-mode 用 MCP 把工具输出从 315KB 压到 5.4KB（98% 削减）、把会话状态存进 SQLite 按需检索；连智谱 Z.ai 都开源了自己的编码 agent 工作台 ZCode。信号很一致：单个 agent 已经不稀奇，能同时编排一队、还能把 context 成本压住，才是新的工程门槛。
和这条线咬合的是选型逻辑的变化。OpenAI 刚把 GPT-6 Sol/Luna 的便宜档推出来——Sol 定价对标 Opus 5.5，Luna 便宜到 $0.10/$0.50（比 Opus 5.5 便宜约 40 倍），在 AutomationBench 上 Sol 高强度跑出接近 Opus 5.5 的分数却只花约三分之一的每任务成本。加上前几天 Opus 5.5 登顶智力指数，结论越来越清楚：模型能力在顶部挤成一团、价格却在跳水，选型该看「这一类任务，谁的每任务成本最低、能不能自托管」，而不是谁 token 单价便宜、谁榜首。会「按任务分层调度不同价位的模型」正在变成一项实打实的省钱技能。
巨头则把战线抬到了个人够不着的地方：Meta 在 Connect 上把 Muse 塞进智能眼镜、抢下一代硬件入口，马斯克宣布 Colossus 2 年底可能冲到 144 万块 GPU——入口和算力是资本游戏。对个人，机会依旧在「模型已经够用、但还没接进真实业务」的缝隙：法律行业一线已经把尽调文档审阅时间砍掉 73%（M&A 项目从 200 小时压到 54 小时），一个人用现成语音模型给本地小生意做 AI 前台，单客户能收 $300–800/月、毛利约 80%。别在能力层和算力层里内卷，去做编排、做省钱调度、做垂直交付——那才是这一波普通人能落袋的地方。
今日新增 7
#02
GitHub
Repo
★ 949
NEW
mikehasa/golive-skill
golive-skill 补的是 vibe coding 之后最脏最烦的一段：东西做出来了，但要真正上线得注册一堆服务、连 Vercel/Netlify、开 Supabase/Neon、买域名（Porkbun/GoDaddy）、配邮件（Resend）、接 Stripe 支付……它把这套「上线运维」打包成一个 agent 可调用的技能，用你自己的账号操作、零 GoLive 托管服务、无遥测，纯本地 Node CLI。关键在它的安全设计：每一步先 detect→plan，改动前要 --yes 审批，DNS/生产部署/删除等危险操作还要二次确认，支持有限回滚。目前是 v0.1 早期 alpha，但它示范了一个正在冒头的品类——「让 agent 不只写代码，还能把产品推上线」的自动化技能。
展开详情
一个开源的 agent 技能（skill）：把「agent 做出来的产品」真正上线——托管、数据库、域名、邮件、支付全用你自己的账号一键搞定，走「检测→规划→审批→执行→校验」五步，改动前必须人工点头。
周增长：约 +900/周（本周新上榜 GitHub Trending）
- **补上「最后一公里」**：托管/数据库/域名/邮件/支付一键接好，全用你自己的账号，专治 agent 写完代码却上不了线
- **审批闸门**：detect→plan→approve→apply→verify 五步，DNS 与生产部署要二次确认，凭「人工把关」把自动化风险关住
- **信号**：本周新上 GitHub Trending，TypeScript、零后端零遥测，代表 skill 从「帮 agent 写代码」扩到「帮 agent 交付运维」
推荐理由：对独立开发者和做 AI 交付的小团队：会写代码的 agent 已经不稀缺，能把产品「安全地推上线并运维」的能力才是稀缺环节。golive-skill 这类「部署技能」提示了一个可切入的活——帮别人把 agent 生成的原型接上真实的托管/支付/域名并对结果负责，这正是很多个人开发者卡住、愿意付钱的地方。
商机信号（萌芽）：谁付钱：用 AI/agent 快速做出原型、却卡在「上线运维」这一步的独立开发者和小工作室 痛点：产品做出来了，但配托管、数据库、域名、支付、邮件这套上线杂活既烦又容易出错，还怕搞坏生产环境 切入点：做「agent 产品上线代运维」的小服务：用这类部署技能帮客户把原型安全推上线并托管，按项目或月费收钱，先吃「会做不会上线」这批人的需求
#03
digitalapplied.com
Article
NEW
GPT-6 Sol/Luna 把「便宜档」做成选型新坐标：Sol 高强度≈Opus 5.5 分数却省约 2/3 每任务成本，Luna 便宜 40 倍
OpenAI 在 9 月 22 日补齐了 GPT-6 的便宜档：Sol 定价 $2/$10（每百万 token 输入/输出），正好对标 Claude Opus 5.5；Luna 只要 $0.10/$0.50，比 Opus 5.5 便宜约 40 倍。分数上顶级模型仍略胜——在两家都报的 AutomationBench 上 Opus 5.5 领先 40.0% vs Sol 33.2%；但一算「每任务成本」画风就变了：Sol 高强度（xhigh）在 AutomationBench 拿 33.2% 只花 $0.27/任务，而 Opus 5 顶配拿 26.9% 却贵 11.1 倍；Luna 顶配在 DeepSWE 拿 66.6% 只花 $0.22，和 Sol xhigh 花 $1.00 拿到的同分。结论是：顶部能力挤成一团、价格却在跳水，选型的关键坐标从「谁 token 单价低/谁榜首」变成「这一类任务谁的每任务成本最低」。
另有 2 家信源报道
展开详情
- **对比（价格）**：Sol $2/$10 对标 Opus 5.5；Luna $0.10/$0.50，比 Opus 5.5 便宜约 40 倍
- **对比（每任务成本，AutomationBench）**：Sol xhigh 33.2% @ $0.27/任务 vs Opus 5 顶配 26.9% @ 11.1 倍成本；分数榜 Opus 5.5 仍领先（40.0 vs 33.2）
- **对比（DeepSWE）**：Luna 顶配 66.6% @ $0.22 = Sol xhigh 花 $1.00 的同分——同分下按成本挑更便宜档
推荐理由：对开发者和做 AI 产品的普通人：现在最省钱的做法不是「一律上最强模型」，而是按任务难度分层——需要稳、需要顶级推理的关键任务上 Opus 5.5/Astra；量大、结构化、可容错的批量活用 Sol/Luna，能把账单砍掉几倍到几十倍。真正值钱的技能是「给不同任务配不同价位的模型 + 用每任务成本而非 token 单价比价」，这套调度能力现在就能直接省钱。
#04
thomsonreuters.com
Article
NEW
法律 AI 落地实测：GenAI 使用率一年从 28% 涨到 41%，尽调文档审阅时间砍 73%（M&A 200 小时→54 小时）
法律是今年 AI 落地数据最扎实的行业之一。2026《AI in Professional Services》报告显示，律所里生成式 AI 的使用率一年从 28% 涨到 41%，企业法务从 23% 涨到 47%；Clio 称 79% 的法律从业者已在实践中用 AI，但全所范围的结构化采用只有约 34%——用起来的人多，真正体系化落进流程的少。真实效果上，有管理合伙人报告 AI 把尽调文档审阅时间砍掉 73%：一个典型 M&A 尽调从计费 200 小时压到 54 小时；有明确 AI 战略的律所拿到可见 ROI 的概率是别人的近 4 倍。合同审阅是最集中的场景，52% 的企业法务已在用或评估。整体市场预计从 2025 年的 21 亿美元长到 2030 年的 39 亿美元（CAGR 17.3%）。
另有 1 家信源报道
展开详情
- **采用率**：律所 GenAI 使用率一年 28%→41%，企业法务 23%→47%；但全所结构化采用仅约 34%，瓶颈在流程而非模型
- **硬效果**：尽调文档审阅时间砍 73%，M&A 尽调从 200 小时压到 54 小时；有明确 AI 战略的律所拿到 ROI 概率高近 4 倍
- **场景**：合同审阅最集中（52% 企业法务在用/评估）；市场 2025 年 21 亿→2030 年 39 亿美元，CAGR 17.3%
推荐理由：对想切法律 AI 的个人/小团队：机会不在「再造一个法律大模型」，而在「把已经够用的模型接进律所的真实流程」——数据显示卡点是结构化采用（只有 34%），也就是没人把 AI 稳稳嵌进尽调、合同审阅这些具体工序。会做「垂直场景的流程改造 + 评测把关 + 数据合规」的交付型角色，比纯做工具的更容易在这个高客单价行业收到钱。
#05
GitHub
Repo
★ 23200
NEW
ousamabenyounes/context-mode
context-mode 盯的是 agent 最贵也最容易被忽视的成本——上下文里堆的工具输出。它做成 MCP server + 各平台原生 hook：工具（如 ctx_execute）在隔离子进程里跑，原始数据留在沙箱、只有精简后的 stdout 进 context；每一次文件编辑、git 操作、任务、报错都记进 SQLite 并用 FTS5 建索引，会话被压缩时用 BM25 检索「只取相关的那部分」回灌，而不是把原始记录重新塞回去；ctx_index/ctx_search 还能把 markdown 知识库切块检索。它支持 17+ 平台（Claude Code、Cursor、VS Code Copilot、Codex CLI 等），2100+ 次提交、是个成熟在维护的项目（ELv2 协议）。它和 Orca 是同一趋势的两面：一个管「并行的一队 agent」，一个管「每个 agent 别把 context 和钱烧光」。
展开详情
给编码 agent 做「上下文瘦身」的 MCP 中间层：把每次工具调用灌进上下文的原始数据关进沙箱，只让摘要进 context（315KB→5.4KB，声称 98% 削减），并把会话状态存进 SQLite 按需检索。
周增长：约 +2K/周
- **工具输出砍 98%**：原始数据关进沙箱、只让摘要进 context，315KB→5.4KB，直接压 token 账单
- **会话可恢复**：编辑/git/任务/报错记进 SQLite+FTS5，压缩后用 BM25 只回灌相关片段，而非重塞原始记录
- **信号**：17+ 平台 hook、2100+ 提交、约 2.3 万星、ELv2，代表「context 工程」正在长出专门的基础设施层
推荐理由：对做 agent 的开发者：token 账单里最大的一块常常不是 agent 写的代码，而是工具输出反复灌进上下文的 overhead。context-mode 这套「工具输出沙箱化 + 会话状态外置 + 按需检索」的思路，是把 agent 从 demo 推向长时间生产运行时绕不开的一课——就算不用它，也该把这套降本模式抄进自己的项目。
#06
GitHub
Repo
★ 6800
NEW
zai-org/ZCode
ZCode 是又一家一线大模型公司把自己的「编码 agent harness」开源出来——继各家竞相做编码 agent 之后，智谱 Z.ai 用 Apache-2.0 放出了自己的工作台。它的形态是「一套后端 + 多种前端」：桌面（Electron）、Web、终端 TUI 三种界面共享同一个 Agent runtime 和 provider 系统，一个 zcode 命令就能在本地做编码助手，也能作为远程服务部署，支持 SSH/WSL 远程开发场景。它本身的星数（约 6.8K）不算爆炸，但信号明确：编码 agent 的「工作台/harness」这一层正在从各家自研走向开源标准化，连中国头部实验室也在这条赛道上摆开架势。
展开详情
智谱 Z.ai 开源的编码 agent 工作台：一个统一的 zcode 命令，同时提供桌面应用、浏览器界面和终端 Agent 三种入口，可本地跑也可远程部署（支持 SSH/WSL）。
周增长：约 +2K/周（本周上榜 GitHub Trending）
- **一命令三入口**：桌面/浏览器/终端共享同一 Agent runtime 与 provider 系统，本地或远程（SSH/WSL）皆可
- **开源信号**：智谱 Z.ai 出品、Apache-2.0，一线大模型公司把编码 agent 工作台开源，harness 层正在标准化
- **定位**：不是模型而是「跑模型的壳」，和 Claude Code、Codex、Orca 争同一层——谁掌握开发者的日常入口
推荐理由：对开发者：编码 agent 的竞争正从「谁的模型强」下沉到「谁的工作台顺手、能不能自托管、锁不锁模型」。像 ZCode 这类开源 harness 的价值在于可自托管、可换底层模型——对在意数据不出内网、想按每任务成本换模型的团队尤其实用。留意这条「开源 agent 工作台」赛道，它决定了你未来每天在哪个壳里干活。
#07
indiehackers.com
Product
直接可用
NEW
AI 语音前台「代运营」的单人经济账：$1–2K 搭建 + $300–800/月/客户、约 80% 毛利，2–3 周见首单
前几天我们扒过语音前台的工具（Retell/ThunderPhone）和垂直缝隙（牙科、家政），这条是把「一个人靠它挣现金流」的经济账算明白：用 Callin.io 这类白标语音平台 + n8n 编排 + Cal.com 排期，给本地服务生意（年营收 $50 万–500 万那类）做 AI 接线员，单价是一次性搭建 $1–2K 外加每客户 $300–800/月，毛利约 80%，从接单到首笔收入通常 2–3 周。需求侧的痛点很硬：小生意每漏接一通电话平均损失 $500–2K，全美/欧仍有 6200 万家小微在用 2005 年的老流程接客。它不是新工具，而是一份可复制的「现金流配方」——门槛低、成交快、按月续费。
另有 1 家信源报道
展开详情
- **单位经济**：一次性搭建 $1–2K + 每客户 $300–800/月，约 80% 毛利，2–3 周见首单
- **需求硬**：小生意每漏接一通电话损失 $500–2K，6200 万家小微仍在用老流程，付费意愿明确
- **工具栈**：白标语音平台（Callin.io 等）+ n8n 编排 + Cal.com 排期，无需自研，个人可跑通
推荐理由：对想用 AI 挣现金流的普通人：这是当下「最快成交」的一类活——不需要造模型、不需要大团队，把现成语音 agent 打包成本地生意的 AI 前台，按月收订阅。关键不是技术，而是找客户和把交付标准化：先锁一个垂直（诊所/家政/med spa），做出一个能演示的样板，再复制到同类商家。
My Take：评分（5=最优）：最快成交 5 / 最低成本 4 / 可复制 5 / 风险安全度 4。用现成白标语音栈给本地小生意做 AI 前台，是现在个人最容易跑通、按月续费的现金流生意。
商机信号（加速）：谁付钱：年营收 $50 万–500 万、靠电话接单又常漏接的本地服务生意（诊所、家政、维修、med spa 等） 痛点：高峰期没人接电话，每漏接一通平均损失 $500–2K，请全职接线员又贵（年 $2.8–3.5 万） 切入点：用白标语音平台 + n8n + Cal.com 打包成「AI 前台代运营」，锁定一个垂直做出样板再复制，一次性搭建费 + 每月 $300–800 订阅
#08
Twitter/X
Opinion
NEW
Elon Musk
另有 2 家信源报道
推荐理由：对个人：算力和硬件入口是资本游戏，普通人挤不进也不该挤。真正的启示是反过来的——当头部把几十万卡堆起来、把模型价格打到地板（见今天 GPT-6 Sol/Luna），「智能」正在变成像电一样的商品。你的机会不在发电，而在用电：把便宜且够用的模型接进具体业务、做省钱调度和垂直交付，才是这波算力洪水下普通人能站住的位置。
仍在热榜 1