AI圈子首页 · 最新大模型、AI产品、Agent与开源项目动态

字节跳动被摆成一份十赛道清单，看完就知道它有多恐怖。

赛道照录。短视频双冠。抖音在国内泛短视频里是绝对霸主，使用时长全网第一、压过微信，渗透率百分之四十六点八，把快手和视频号远远甩开。直播、电商、本地生活、短剧也一并打通。TikTok 那边，一百五十多个国家开着门，全球月活二十亿往上，欧美与东南亚的下载榜常年由它坐头把。

剪映也就是 CapCut，全球手机剪辑这块它排第一，国内月活两亿八，海外装机量五亿八往上，创作者人手一个。AI 对话这条，豆包是国内通用 AI 对话 App 月活第一，二零二六年月活三点八二亿，把阿里千问和 DeepSeek 都甩在身后。

免费网文是番茄小说，日活和时长长期领跑；短剧是红果免费短剧，月活超三亿，使用时长压过了 B 站和小红书。图文资讯有今日头条，稳居行业前二；音乐流媒体的汽水音乐月活一点四亿，已经越过网易云，只在 QQ 音乐之后。

人像修图这一格，醒图排在美图秀秀身后；汽车的懂车帝行业第二，刹车事件之后有望冲第一；企业办公的飞书在高端市场断层领先，和钉钉、企业微信三分天下；中长视频的西瓜在 PUGC 这块仅次于 B 站。末尾那句也留着，现在懂车帝敢硬刚华为的底气从哪来，有答案了。

"十个赛道九个前二"这半句是场重心。前面早半年占位讲的是软件生态里抢位置，这条讲的是每个赛道里都有一个位置摆在那里。跟前面那份数据对照实验呼应，那条在量一个旋钮，这条在量十个战场。两头都在提醒同一件事，位置本身是资产，占住之后复利才开始滚。跟前面生成搬回本地那条也接得上，一边是基础设施级的分发，一边是个人机器上的生成，两边同时在扩张。

我单独拎出来的是渗透率四十六点八这个数，它意味着接近一半的手机用户每天都在它的池子里。别的赛道再热闹，也是从这个池子分出去的水。

我留的疑问有三处。各赛道的口径年份没统一；第二名的具体差距没拆；刹车事件指的是哪一件也没说，这些都在各家的年度报告里才对得上。

这周把自己常用 App 的清单列一遍，看有几个落在这十格里。

"眼下的优势，是看清可能性并且保持好奇"，这句话被摆成了新时代的起跑线。

正文照录。用 AI 做软件工程如今已是默认配置，有优势的那批工程师都带着野心，且已经在岗位上跟代理磨了好几年，这是复利效应。给还没跟上的团队一条建议，要比现在更有野心，并且激进地把学到的东西分享给同事。

私下闷头干只有你自己受益；如果团队只能在下班后才摸到 AI，那就等于悄悄告诉他们，用 AI 这件事不算数。资深工程师应该第一个转，他们攒了几十年的系统设计品味和失败模式直觉，正是让代理输出变好的秘方。

该把这份经验用在给代理构建更安全的边界上，再把有效的做法摆出来让别人复制。引帖那句也留着，团队若忙得没空试 AI，就是在准备让成员被替换，AI 的使用已不再是可选。

"不算数"这半句是场重心。前面组里那堂分享讲的是个人怎么攒经验，这条讲的是组织怎么给经验定性。跟前面验收那步留着呼应，那条在流程里留关卡，这条在制度里开口子。两头都在提醒同一件事，工具的采纳从来不只关乎个人手感，还关乎组织认不认账。跟前面两派拔河那条也接得上，一边担心基本功下沉，一边催资深者带头转，两头说的其实是同一批人。

下班后才能试这句我单独拎出来，它把一个软性问题写成了硬指标，试用的时间安排就是组织对 AI 的真实表态，比任何宣言都准。

我留的疑问有三处。"磨了几年"的量化标准没给；分享机制的具体形式没拆；资深者带头的落地案例也没数，这些都在原文更长的版本里。

这周把自己团队的试用时段挪进工作时间，先跑一周看产出的落差。

github.com/tcchen2026/Vib…
vibeoffice.work

一千美元复刻出来的 Office 全家桶开源了，电子表格连 VLOOKUP 都认。

三句照录。源头是 V2EX 上的一个帖子，有人花了一千刀把 Office 全家桶复刻了一遍；转帖的人试用之后给了句实感，电子表格居然支持 VLOOKUP，配了个牛字加赞；最后两行把地址交出来，开源仓库和在线试用都在下面。两处地址挂在文首。

"VLOOKUP 都认"这半句是场重心。前面轮到家装出汗讲的是把制图搬走，这条讲的是把办公套件整个重打一遍。跟前面五十个目录收进一库呼应，那条在管工具的零件，这条在造工具的本体。两头都在提醒同一件事，AI 写出来的软件开始敢碰那些沉淀了几十年的老功能。

跟前面那道没答上的题也接得上，能认 VLOOKUP 意味着公式引擎不是花架子，复刻这件事从界面层沉到了引擎层。

一千刀这个数我单独拎出来。办公套件这种量级的东西被一个人用这个预算重做出来，靠的是把最耗人的部分全部交了出去。剩下的力气花在验收上。

我留的疑问有三处。全家桶具体包含哪几件没列；VLOOKUP 之外的函数覆盖没拆；协作能力有没有也没数，这些都在那个在线地址里才试得出来。

这周拿它开一份真在用的表，把 VLOOKUP 和透视这两关先跑一遍。

递归自我改进这件事在 Qwen 这里不再是传闻，全系模型都排上了日程。

三段照录。划的重点是，4.0 这一整代都会深度用上 RSI，而阿里巴巴动手更早，Qwen 3.8 Max 上已经连着跑了一个多月。云栖大会上，Qwen 负责人刘大一恒把话说实了，内部确实在用这套递归自我改进，Max、Plus、Flash、27B 四档一并继续往深里做。

过程那行写得最具体。模型先从真实日志里自己找毛病，再自己造训练数据，交给小模型多轮试，最后把结果推进旗舰的训练，中间几乎不用人插手。补的数也摆开。连着跑一个多月，三十三轮算数的迭代，Qwen3.8-Max 在 AA 智能指数上三十天从四十爬到四十五，一脚踩进第一梯队。收尾那句留着，全系正在自己推着自己进化，加速键按下多时了。

"近乎零人工干预"这半句是场重心。前面饭局上没夸自己家讲的是圈内听说谁在推进，这条讲的是当事人自己把流程摆上了台。跟前面那份数据对照实验呼应，那条在量数据的功劳，这条在量自动的成色。两头都在提醒同一件事，自我改进已经从论文名词变成了产线工序。跟前面两派拔河那条也接得上，人在回路的争论还没完，这边已经把人从循环里请出去了。

四十到四十五这个数我单独拎出来。三十天涨五个点听着不炸，可它是在没有换架构、没有换数据源的前提下自己爬上来的，爬的还是公开榜单。

我留的疑问有三处。三十三轮迭代的算力开销没给；小模型验证的通过率没拆；四档模型的采用深度是否一致也没数，这些都在云栖大会的完整分享里。

这周把 Qwen3.8-Max 在榜上的位置记一张底，等 4.0 全系落完再对一次涨幅。

一篇复旦的实证论文把 AI 搜索的信源底牌翻了出来，密码学研究院一起做的。

研究照录。论文的完整名字是《从公开内容发布到 AI 搜索引用：衡量 AI 搜索系统的脆弱性》。做法是真去发内容，再看谁被引用。覆盖十个 AI 搜索平台，ChatGPT、Google AI、Perplexity、Grok、豆包、元宝、文心、千问、Kimi、DeepSeek 都在内。

四条重要发现摆开。其一，一万七千两百一十一次 AI 引用显示各平台挑信源有明显偏好，部分平台前二十个网站就贡献了七成以上的引用。其二，八成的平台引用过人为造出来的概念，团队在公开平台发了虚构词条，七天内有八个 AI 搜索平台把它收进了答案。

其三，发布渠道比堆数量值钱，一篇发在高偏好平台上的文章，引用效果超过发在低偏好平台上的二十多篇。其四，内容进答案不算慢，各平台的引用延迟从约二十四小时到超过五天不等。另有一单 GEO 服务采购，发布一小时内就见到 AI 引用，单子只花十四美元，服务商发了十三篇。

数据部分也扎实。引用条数上，Grok 平均每次回答五十二条，千问只有六条半，差约八倍，作者提醒这不能直接翻译成答案质量，得在每个平台内部建基线再比。头部集中效应明显，文心的前二十个域名占了七成零八的引用，DeepSeek 的前二十个只占两成零五，四种问题类型分开统计仍然如此。平台之间的信源重叠还很低，前二十个高频域名的两两平均 Jaccard 值只有零点二零一。

九条结论里挑三条。排头一条说的是，AI 搜索握着的真权力不是把话写出来，是先筛掉谁不配进答案；看似在搜整个互联网，实际可能反复只引少数几个站；内容删得出互联网，却不一定马上从 AI 的答案里消失。

"有资格成为答案"这半句是场重心。前面关键词扫描器那条讲的是找真空，这条讲的是真空本身也是被安排出来的。跟前面评测所换尺呼应，那条在改评测的尺，这条在改收录的尺。两头都在提醒同一件事，信息的入口正在被少数几家握着，而握法各不相同。跟前面可审计治理那条也接得上，一个要第三方进得来看，一个把看的结果直接写成了论文。

重叠度只有零点二这个数我单独拎出来。十家平台眼里的互联网几乎是十个不同的互联网，品牌想被一致地理解，得一家一家经营。没有一招通吃。

我留的疑问有三处。十四美元那单的后续复现没给；关联信源集中那节的结论没展开；样本期的长度也没拆，这些都在论文全文里。

这周按平台分开建信源档案，先从引用条数最多的那两家试起。

GPT-6 Bel 还没发，一个循环剧本先写好了，末尾那句最扎眼。

四句照录。第一，OpenAI 即将发布 GPT-6 Bel，这模型被形容成猛兽，将碾压 Anthropic 的 Fable 5.5。第二，Codex 迎来的会是第二个 Astra 时刻，圈里会齐声喊 OpenAI 回来了。

第三，再往后一两周，Anthropic 那边抬出 Sonnet 或 Opus 6。第四，然后钟摆归位，Claude 把所有人按回去。引帖那句也留着，二十美元的 Plus 套餐是花过最值的钱，没有之一。

"回到当前的循环"这半句是场重心。前面聪明体现在哪讲的是单个模型的脾气，这条讲的是两家轮替的钟摆。跟前面饭局上没夸自己家呼应，那条在圈内交换风向，这条在圈内共用一副剧本。两头都在提醒同一件事，头部的胜负已经不再出圈，而是按月轮转。跟前面裁决成品类也接得上，一边是新赛道在发钱，一边是老对手在接力，热闹的形状不一样，速度却一样快。

倒数第二句那句自嘲我单独拎出来，Claude 碾压所有人写得毫不意外，说明这个循环已经被演练到能被预判，预判本身就是循环成立的证据。

我留的疑问有三处。Bel 的发布窗口没给；Sonnet 与 Opus 6 谁先没拆；碾压的衡量维度也没数，这些都得等各家自己兑现。

这周把两家的发布日历并排贴一份，下次循环开始时对着打钩。

一台笔记本的曲子这件事成了，本地音乐模型被搬到 MacBook Pro 上跑。

三句照录。第一句是发现好东西的惊呼，带一句 WTF；第二句给出门槛，这个本地音乐模型一台 MacBook Pro 就能运行；第三句给质量找了参照，堪比 Suno，随后把人引去看视频，说开源地址放在评论区。转述最后的观感也留着，太强了。

"堪比 Suno"这半句是场重心。前面付钱前先看这十处讲的是把开销挪到决策前，这条讲的是把创作整个搬回本地。跟前面省钱的试错不心疼呼应，那条在省接口的钱，这条在省掉接口这一步。两头都在提醒同一件事，生成的边界正在从云端往自己的机器里收。

跟前面 M3 上 NVIDIA 那条也接得上，一个在把吞吐推向机房，一个在把模型压进笔记本。两头同时在跑，说明本地这条路不是省钱的将就，是正经的选项。

MacBook Pro 这个参照我单独拎出来，拿一台笔记本当运行底线来宣传，等于把专业音乐人的顾虑提前拆了，门槛写在明面上才敢被转发。

我留的疑问有三处。模型的名字和参数没给；开源仓库地址没在正文里出现，只说了在评论区；生成质量和授权边界也没数，这些都得自己顺过去。

这周把评论区那条地址翻出来装一遍，生成一段试试它的成色。

一场 AI 独角兽的面试把 RAG 的深浅问了出来，答不上来的那题很典型。

题目照录。面试官靠在椅背上发问，智能客服里用户张口就要苹果最新款手机的价，可检索把库里红富士苹果每斤的批发排到了最前面。难题给了，这局面怎么彻底翻过来。心里那句吐槽也留着，这能怪谁，词向量聚类分不清水果和手机，要讲理找 OpenAI 和算法团队去，别拿一个做应用的出气。

嘴上蹦出来的只有两个补丁，往上换更大的 Embedding 模型行不行？或者把文本切块切得再碎些？面试官笑了笑，换到最大的模型也白搭，苹果就是苹果，语义照样发散，回去看看工业界怎么把关键词搜索和语义搜索拧到一起。

当晚请教完，落点才清楚。Dense 向量检索天生分不清专有名词和具体型号，这一条与模型大小无关。生产级的路子是把两套召回合着用，向量算余弦，BM25 管关键词精确命中，最后再让一个 Reranker 交叉编码过一遍打分。红富士手机那个笑话，标准的止血方案就是这一套。

"苹果就是苹果"这半句是场重心。前面聪明体现在哪讲的是模型缺的是提醒，这条讲的是检索缺的是结构。跟前面那份数据对照实验呼应，那条在训练侧控制变量，这条在推理侧补结构。两头都在提醒同一件事，能跑通的原型和能上生产的方案之间，隔着的从来不是模型大小。跟前面验收那步留着也接得上，检索错了要人验收，验收靠的就是这层结构化的设计。

心里和嘴上那两句反差我单独拎出来，它把应用工程师的窘境写活了，怪模型是本能，认结构才是专业。

我留的疑问有三处。混合检索的权重怎么配没给；Reranker 的选型没拆；题目之外的追问也没数，这些都在面试全长里才看得到。

这周拿自己项目里的检索排一遍，专有名词的召回率先量出来再说。

AI 监管框架该由谁坐在桌前，一句话点到了软件安全专家头上。

主张照录，就一句，这些人应当主导任何 AI 监管框架的讨论，说的正是软件安全专家。引帖把理由铺成了五条。其一，只靠前沿大模型自己的披露不够，护栏这类东西得设计成第三方能进来做观测和透明。

其二，等能做到了，企业用户还会想把护栏改成自己的价值观、原则和业务做法，总不能指望一套全球统一的护栏由模型创造者独占。其三，只要模型还是黑盒，真正做业务的公司就没法落地增强能力。可审计、可验证、可合规是企业继续经营的前提，得向外界证明尽到了照管义务。

其四，信息安全的架构几十年是稳的，AI 这边得腾出位置让人能顺畅、快速、持续地接口。眼下所有对接都是七拼八凑的补丁，因为模型供应商跑得太快。这层跟不上，整个行业会停住。其五，要让 AI 快速扩散并建立信任，刚由 Satya 开启的这场对话需要势头。

"第三方进得来"这半句是场重心。前面官方开始公开什么讲的是自家按班发报告，这条讲的是把门开给外人看。跟前面饭局上没夸自己家呼应，那条在圈内交换风向，这条在给圈外立规矩。两头都在提醒同一件事，模型的可信正从自我声明挪向可被检查。跟前面那份数据对照实验也接得上，一个用控制变量证明方法，一个用可观测性证明治理，证明这件事在两头同时变得重要。

黑盒那段我单独拎出来，它把模型的商业价值和安全风险说成了同一个东西，不能审计的增强能力，对企业来说等于没有。

我留的疑问有三处。框架讨论的正式场合在哪没给；软件安全专家的具体名单没拆；五条之外还有没有补充也没数，这些都在原对话的更长版本里。

这周把 Satya 那场对话的原话找全，对照自家模型的观测接口逐条核一遍。

六十五万美元的年薪，要的不是会写提示词的人。Stanford 把通往那里的整条路免费摆上了一个站点。

开头两句照录。Anthropic 出六十五万美元年薪，招的是能把系统 build 出来的人，不是只会 prompt 的人；而这门课免费，Stanford 把完整路径收在一个站里。路径六段，依次是分词、架构、系统、缩放、数据、对齐。

十讲的名目也摆开，01 概述与分词由 Percy Liang 讲 cs336.stanford.edu/lectures/?trac… 是 PyTorch 与资源核算，拆 FLOPs、内存、算术强度 cs336.stanford.edu/lectures/

trace=lecture_02；03 讲架构与超参数 github.com/stanford-cs336… 换 attention 的各种替代方案和专家混合 github.com/stanford-cs336… 进硬件，GPU、TPU、内核、Triton cs336.stanford.edu/lectures/

trace=lecture_13；06 讲并行，模型怎么被切到一批芯片上 cs336.stanford.edu/lectures/?trac… 是缩放定律 cs336.stanford.edu/lectures/

trace=lecture_07；08 收数据，来源、过滤、去重、合成 github.com/stanford-cs336… 后训练，SFT 与 RLHF github.com/stanford-cs336… 对齐与推理，讲到 RLVR github.com/stanford-cs336…

"能 build 不只会 prompt"这半句是场重心。前面聪明体现在哪讲的是把原则递给模型，这条讲的是把整条路径递给人。跟前面整洁之道新谈呼应，那条在守基本功的门，这条在开基本功的路。

两头都在提醒同一件事，提示词写得再好也只是入口，年薪级的位子认的是从分词到对齐的全链条。跟前面组里那堂分享也接得上，一个把经验讲给模型听，一个把经验摆成课程讲给人听，两头的教材都在成形。

十讲的排序我单独拎出来。它把课程从知识罗列改成了生产流水，前一讲的产物是后一讲的原料，跟着走等于把一次预训练亲手拆过一遍。

我留的疑问有三处。作业的评分方式没给；十讲之外的实战项目没拆；免费的时限也没说，这些都在站点上才查得到。

这周按这个目录建一张自己的进度表，一讲一格，先从 Percy Liang 那节开始。

github.com/ciembor/agent-…

GPT-6 Astra 的聪明被拆成了两半，一半在推理，另一半得靠人递过去。

评价照录。它的长处在推理和逻辑思考，说白了就是特别适合做数学题；这本事落到编程上也明显，让它实现一个复杂功能，逻辑能理得很清楚，最后真做得出来，低级错误很少。但软件工程这层差点意思，例子摆了三条，相邻代码都抽了常量它偏要写死；该抽个方法的地方它把逻辑直接内嵌；明明不需要额外封装它又多套一层，架构设计上偶尔也犯类似的毛病。

代码能跑、逻辑没错，实现方式却未必合理，放到长期维护的项目里尤其显眼。作者的解法是两个 Skill 加一份说明：Code Complete 管编码规范，A Philosophy of Software Design 管抽象和架构，再通过 AGENTS.md 让它动笔之前先照着原则走。

"它没意识到该关注这些"这半句是场重心。前面整洁之道新谈讲的是老一辈守住基本盘，这条讲的是把基本盘写成说明书塞给模型。跟前面验收那步留着呼应，那条在人手里留关卡，这条在模型前立牌子。两头都在提醒同一件事，模型的工程短板未必是能力不够，可能只是没人提醒过它。跟前面组里那堂分享也接得上，一个把经验讲给人听，一个把经验讲给模型听，同一批原则换了个听众。

补认知比补推理更有用这个结论我单独拎出来，它把提升的路径从换模型挪到了改提示，成本差着量级，见效却常常更快。

我留的疑问有三处。两个 Skill 之外还有没有备选没给；AGENTS.md 的写法没拆；补了原则之后维护性到底改善多少也没数，这些都在仓库里。

这周照它的样子把两本书的要点抄进自己的配置，跑一周看实现方式有没有变规矩。

github.com/FluentRead/Flu…

Chrome 上的开源翻译插件更新了，流畅阅读这个位置又被人点名。

三句照录。网站翻译这一项，它是开源阵营里做得最好的；YouTube 上的字幕翻译用起来也很顺手；作者平时的用法是先用它把字幕拉下来，再交给 Agent 做总结。最后那句再次推荐也留着。

"拉字幕再交给 Agent"这半句是场重心。前面二十二个只是开胃菜讲的是往工具里装零件，这条讲的是把现成的两步接成一条流水。跟前面付钱前先看这十处呼应，那条在花钱前挑地方，这条在动手时挑工序。

两头都在提醒同一件事，看外文材料这条链正在从翻译工具滑向摘要工具。跟前面七连 No 那条也接得上，一个在问选哪个模型，一个在给模型喂处理好的素材，喂与选本是一套动作的两端。

开源插件能在这个位置站稳，我单独拎出来，翻译是浏览器里最老的需求之一，能被人反复推荐靠的不是新，是不出错。

我留的疑问有三处。这次更新具体加了什么没拆；YouTube 之外的视频站支持没给；和 Agent 衔接的输出格式也没说，这些都在仓库的更新日志里。

这周拿它把收藏夹里的外文视频拉一遍字幕，试三支交给代理总结。

DS BOT 面世后的第一波反应来了，措辞很冲，直接把国内一票 Agent 软件摆上了被告席。

三句照录。头一句是杀手级应用，DS BOT 一出来，国内那一票 Agent 软件怎么跟进还没人答得上来。次一句更狠，国内用户可以无脑推荐 DSH 了，Workbuddy、Trae 这些可以扫进垃圾堆。

给没法访问海外服务的用户只留一条建议，DeepSeek 桌面版加这个 Bot，齐活，啥功能都有了。引的那条正式介绍也一并摆开，开源插件、持久化的 Bot、自用密钥、接任意模型，仓库地址和安装口令都在评论区。

"无脑推荐"这半句是全场重心。前面开源版 DeepSeek Bot 讲的是这个零件怎么造出来的，这条讲的是造出来之后市场认不认。跟前面二十二个只是开胃菜呼应，那条在数货架上的品种，这条在数谁被挤下货架。

两头都在提醒同一件事，插件层的搭法已经快到让成品软件站不住的密度。跟前面石扬离开 TRAE 也接得上，一个骨干出去另起炉灶，一个零件冒出来顶掉一排，行业的墙角就是这么被撬开的。

垃圾堆那句话糙，我单独拎出来，它把判断的门槛降到了不需要对比表的程度，能让人说出这种话的，通常不是参数赢了，是用法赢了。

我留的疑问有三处。Workbuddy 与 Trae 具体输在哪没拆；DeepSeek 桌面版加 Bot 的完整工作流没给；无脑推荐的适用边界也没数。

这周按它那套组合装一遍，把自己的日常工作流搬上去跑三天再说。

arxiv.org/abs/2610.09457

LeJEPA 把世界的潜在变量认出来了，缺的那一步解法现在也有了，还简单得出乎意料。

两段照录。LeJEPA 早就认出了世界的 latent，只差在一定程度的混合里分不开；如今出现了一个极简的后训练配方，能把那层歧义解开，把解纠缠的世界特征捞回来，末尾还带了句玩笑，What a time to be Gaussian。

引帖把问题问得更直白，不做重建也能可证明地恢复真实世界的单个潜在变量吗？答案给了个叫 DSReg 的东西，一种简单的正则化，事后贴到你已经预训练好的模型上就能用。

"事后贴上去"这半句是全场重心。前面那份数据对照实验讲的是把训练的旋钮一个个锁死来量，这条讲的是训练完再补一道小工序就能解开大问题。跟前面微软给出的决策呼应，那条在给模型加裁决的功能，这条在给表示做解剖。

两头都在提醒同一件事，模型的能力正在被拆成可以单独检查和单独修补的层。跟前面双开源那两张牌也接得上，一个把权重放开，一个把方法写进论文，研究的进展在往可复现的方向堆。

DSReg 能事后套用这个细节我单独拎出来，它意味着已经训好的模型不必推倒重来，方法论的价值就在于少烧一遍算力。

我留的疑问有三处。DSReg 正则的具体形式没在这条里给；恢复出的特征怎么验证没拆；对 JEPA 之外的架构适不适用也没数，论文全文才看得到。

这周把论文通读一遍，重点记它证明里"可证明"三个字的边界条件。

一段提示词把出海独立开发者武装成了关键词扫描器。流程写得像岗位说明书。

流程照录。每六小时跑一轮，数据来自 Google Trends 美国区，热搜榜加上一批 AI 种子词的 Rising 列表，像 ai tool、ai app、ai video 这几个。

入选线卡得死，要么是 Breakout，要么涨幅过一倍，而且必须是没见过的新词。候选词逐个搜清含义，含义不明的扔，巨头品牌词扔，涉黄赌毒的扔，没法用简单网站交付的也扔。再看它前十名自然结果的成色，论坛、社交、问答若占了七成往上，又找不出像样的独立产品站，判为真空期关键词。

到这一步才生成候选域名，按 SEO 的路子查可注册状态，精确匹配的点 com 优先。告警用中文发，关键词、含义、热度证据、搜索证据、推荐域名、上线建议，一条不少。红线写得很直，全程只读，不注册、不下单、不发帖，本地文件记已见词做去重。

"全程只读"这半句是全场重心。前面定时任务那类循环讲的是把动作挂上时钟，这条讲的是把判断也挂上去。跟前面真正用起来是两回事呼应，那条在劝人动手，这条在替动手省时间，两头都在提醒同一件事，代理的用法正从写代码挪到盯行情。跟前面付钱前先看这十处也接得上，一个在花钱前比价，一个在动手前找真空，两处都在把成本挪到决策之前。

七成这条线我单独拎出来，它把"没人做"量化成一个能执行的数字，模糊的商机就此变成机器能翻牌的条件。

我留的疑问有三处。种子词的完整清单没给；告警投递到哪没拆；真空词从发现到上线的转化也没数。

这周照它的流程让代理每天跑一轮，只看告警不动手，攒一周词单再对比市场。

两支智能体团队被摆在同一张图里对比，一支顶配进口一支全用国产快速档。这对照我看完先记两份名单再掂极限那半句。记的掂的点在下面一层层摆，摆好了看两份，份在下面摆着，摆好了自己选。
两份是这样列的。别人的队伍站着 Opus5.5、Astra，再配 Sonnet 或者 Sol，我的 AGENT 队伍站着 GLM5.3F、DS4.1F、Qwen3.8F 和 MIMO2.6F，两份的第二层是它们的差异。

差异是前者的单价和后者的零门槛，零门槛的第三层在下面摆着，摆好了别眨眼。眨眼就翻过去了。过去一页少一页，少一页都是损失，损失不起的往下看，看下段。
极限那句是这样收的。把 GLM5.3F 开到高思考档就是这个团队的极限了。极限的第四层是它给使用者的暗示，暗示是把免费档拉满之后剩下的差距靠组合和分工补。补的第五层是我的保留。保留是四件套的实际任务分工发布里没有给，阵容按截图记账。
点评两句。第一句是把顶配和免费档摆一图这个晒法今年值得所有自建团队抄，抄了的都会重新算一遍自己的账单。第二句是极限两个字点破了免费组合的天花板在哪，看破的回来点赞，句号。

github.com/HKUDS/CLI-Anyt…

AI 操作专业软件这件事换了条路走，CLI-Anything 是港大开源的项目，思路是给软件开一条命令行接口，让 AI 干活更稳。

三点照录。自然语言驱动，能连上 Blender 这类软件，让编程代理直接执行操作；CLI-Hub 快速安装，一条命令把社区里现成的工具装齐，省掉重复开发；兼容多种代理，Claude Code、Cursor、Pi、OpenClaw 的工作流都能接。

场景那句也留着，从 3D 场景到游戏 Demo，这种方式能减少手动操作，自动化复用也更方便。社区还在持续扩充命令行工具的品类，想让 AI 真正操作复杂软件，可以盯着这个项目。

"给软件开命令行接口"这半句是全场重心。前面把指挥官拔了讲的是任务怎么派，这条讲的是派下去之后 AI 够不够得着手里的工具。跟前面换角这件事定了呼应，那条在素材上动手，这条在软件上动手，两头都在提醒同一件事，代理的边界正从对话框往应用深处推进。跟前面二十二个只是开胃菜也接得上，一个在装插件，一个在开接口，货架和门同时在变多。

CLI-Hub 那个一步安装我单独拎出来，重复开发是社区项目最耗人的地方，把现成工具收进一个可寻址的货架，比再造一遍轮子更省。

我留的疑问有三处。命令行接口的稳定性边界没给；Blender 之外的专业软件覆盖清单没拆；安全沙箱怎么设也没数。

这周拿它连一次 Blender，跑个从建模到导出的完整小流程。