1016 | AI 工具新浪潮：从代理基础设施到日常应用

茉莉: 大家好，欢迎收听这一期的每日产品速递，我是茉莉。

白桦: 我是白桦。今天这一期我们照例只聊过去二十四小时里出现的新产品和新发布，但今天有个特别清晰的主线：AI 代理正在从聊天框里走出来，进入真实的工作流程，随之而来的是一整套运行时的问题——跑在哪、花多少钱、谁来管风险。

茉莉: 对，所以我们今天不从最花哨的产品聊起，而是从最基础的东西聊起：代理的沙盒、成本控制和审批层。先把地基讲清楚，后面再看谁在这块地基上盖房子。

白桦: 先说 Buddy Sandboxes。这家做的是给 AI 编码代理用的持久 Linux 虚拟机。听起来很基础设施，但它解决的是一个非常具体的痛点：代理要干活，得有一个能跑命令、能装依赖的环境。Buddy 的卖点是 seventy 毫秒启动——对不起，七十毫秒启动，五十 GB 磁盘，支持快照，还接 MCP、CLI 和 API。

茉莉: 七十毫秒这个数字值得多说两句。传统虚拟机或者容器冷启动动辄几秒甚至几十秒，而代理的工作模式是一连串细碎的任务，每一步都要环境，启动慢一秒，整个代理循环就被拖慢一秒。所以快启动其实直接决定代理的响应体验。快照也很关键，代理可以做到一半存个状态，回头再恢复，这对长时间任务很实用。

白桦: 商业模式是按分钟计费。这一点我觉得很值得琢磨：按分钟计费意味着它跟着代理的活跃度走，代理越忙它赚越多，但反过来，如果你的代理经常空转，成本就会悄悄爬上去。这种模式对开发者透明，但也把“监控代理到底在干什么”的责任推回给了用户。

茉莉: 而“代理空转”恰恰是另一个产品要解决的问题。Navige 提出了一个概念叫“充足性智能”，说得直白点就是：别让代理干它不需要干的活。具体手段有三个：把请求路由到更小更便宜的模型、做缓存、以及循环保护——就是发现代理在原地打转的时候把它拽出来。

白桦: 这三招都很朴素，但组合起来瞄的是同一个问题：现在跑代理太贵了。大模型按 token 收费，一个代理任务动辄几十次模型调用，其中很多调用其实用小模型就够了。路由和缓存省的是直接成本，循环保护省的是浪费。

茉莉: 计费模式有意思。Watchtower 是免费的，付费版是抽成模式：它帮你省下的钱的五分之四归它。茉莉你刚才说按分钟计费把风险推给用户，这个抽成模式看起来更“共担风险”，用得省才付钱。

白桦: 表面上是的，但抽成模式有自己的问题。第一，“省下的钱”怎么算？是跟一个假设的基准比吗？基准由谁定？如果基准本身可以定义，那这个抽成就有操作空间。第二，五分之四是相当高的比例，用户只留五分之一，意味着Navige必须持续证明自己的价值，否则用户装个开源的路由层就绕过去了。所以我觉得这是两种都不完美但都值得观察的商业模式：一个跟着用量走，一个跟着效果走。

茉莉: 第三块拼图是 withHuman。它做的不是省钱也不是提速，而是管风险：一个开放的审批层，协议叫 AAP，专门拦在代理的“工具调用”前面。规则能自动决策的就自动放行或者自动拒绝，风险高的动作就交给人来点这个确认。

白桦: 这个和前两个放在一起看就很有意思了。Buddy 解决“代理跑在哪”，Navige 解决“代理花多少”，withHuman 解决“代理能不能做危险的事”。这三件事合起来，其实就是代理运行时的完整基础设施：计算、成本、安全。

茉莉: 而且它们都不在前端抢眼的地方，都是在后台默默工作的层。我认为这说明行业共识正在形成：代理不是玩具了，得有生产级的水电煤。当然这些还是早期产品，比如 withHuman 的规则引擎能覆盖多少真实的风险场景、Navige 的路由判断会不会因为选小模型而掉质量，这些都是开放问题。

白桦: 顺着安全这块往下游走，我们来看看代理本身长什么样。这一段有两条路线：开源和商业，各自押注同一个赌注——代理会成为通用的办公员工。

茉莉: 开源这边是 OpenMuse，MIT 协议，可以自托管。它的定位是个人代理，带一个持久的浏览器、终端和文件系统，兼容 AG-UI 协议，覆盖 iOS、安卓和网页端。“持久”这个词很重要：不是每次会话都从零开始，代理对你有记忆、有状态。

白桦: 商业这边是 Backdrop，自称“AI 同事”，定位是服务任意工作流。它的能力有三块：一个技能库，代理可以累积技能；一个非常聪明的上手方式——通过录屏来教工作流，你看它做一遍，它就学会了；还有一千五百多个集成，以及企业需要的审批和审计功能。

茉莉: 录屏教学这个点我想多停留一下，因为它真的很打动人。传统上教一个自动化工具要么写脚本要么配流程图，对普通办公室员工门槛很高。而“演示一遍”是人类最自然的传授方式。但可靠性是个大问号：录屏里看到的操作，和真实系统里要执行的 API 调用，中间有巨大的语义鸿沟，它到底是从录屏里推断出意图，还是只是模仿表面动作？源信息里没有给出验证结果，这个只能算厂商的说法。

白桦: 对，而且自托管这条线也有自己的问题。OpenMuse 让你自己跑一个能控制浏览器、终端和文件的代理，安全边界全在自己手上——一旦代理被恶意内容诱导，你本地的所有东西都暴露。开源换来了透明和控制权，但也把安全的复杂度交还给了用户。Backdrop 的审批审计功能恰恰是给没能力自建安全层的企业准备的。

茉莉: 这两个产品还有一个共同的隐藏议题：AG-UI 和 MCP 这类协议如果成熟，代理和工具之间的接口会标准化，到时候换个代理就像换个 app。所以我们接下来聊聊接口标准在企业里的落地，那里有一个很硬的数据。

白桦: Lleverage 把 AI 代理直接放进了 ERP 系统，处理订单、发票和采购单。它给出的客户案例是 Topa：原来四名全职员工做的这些事，现在百分之九十以上自动化了。

茉莉: 四个人到九成自动化，这是今天我们听到最具体的数字。它重要的原因在于，ERP 数据是企业里最“真”的数据——订单、发票、采购，每一笔都对应真实的钱和真实的货物。代理能在这类数据上干活，说明它已经不是在做“总结一下会议”这种软任务，而是在碰业务的核心。

白桦: 当然这个数字按我们的原则要当作厂商的说法来听，不是独立验证的结果。但即便是方向性的，它也说明了一件大事：代理落地的主战场不是消费者聊天，而是企业后台流程。

茉莉: 风险也很实在。ERP 里错一张发票就是真金白银的损失，所以错误率和审计责任是这类产品的命门。谁来为一个代理记错的采购单负责？审计日志怎么做到让人信服？这些在源信息里没有展开，是我认为接下来一年最值得追问的。

白桦: 从企业后台流程，很自然就过渡到开发者侧的质量把关。因为企业流程是代理在跑，那代理写的代码、代理改的配置，谁来验收？这一段有两个产品，共同点是都把质量门禁往前挪。

茉莉: 第一个是 Kerno 1.0，定位是“AI 后端 QA 工程师”。它在你本地测试正在运行的应用，覆盖用户流程、安全、后台任务、MCP，还支持 AWS Serverless。关键时间点是：它在代码提交 PR 之前就完成这些测试。

白桦: 传统 QA 的位置在 PR 之后，甚至部署之后，等测试团队发现问题，代码早就进了主干。Kerno 把测试挪到 PR 之前，等于把“这代码能不能交”的判断权前移。如果它真的能自动发现用户流程和安全问题，对后端团队是实打实的省人力。

茉莉: 第二个是 Polylane 的 Impact Analysis，它检查的维度更接近生产：在一个 PR 合并之前，对照你的生产基础设施和遥测数据来评估这次改动的影响，可以设置成阻断检查——不通过就不许合——而且它还有一个很细的功能：发现你的代码改动缺少监控埋点时，主动建议补上。

白桦: 这个功能我个人觉得是今天最有洞察力的之一。因为很多生产事故的根因不是代码错，而是你根本看不见发生了什么。一个 PR 改了关键路径却没加任何埋点，Polylane 会在合并前指出这一点。这是把“可观测性”变成了一个门禁条件，而不只是一个最佳实践建议。

茉莉: 这两个产品合起来，你几乎能看到一个未来的 CI 流水线形态：Kerno 在本地验行为和安全，Polylane 在合并前对照生产验影响。行业可能在酝酿“AI QA 标配化”。开放问题是它们跟现有 CI 怎么分工——现有测试套件、人工 review、这些新工具，边界在哪里，会不会重复或者互相打架，目前没有答案。

白桦: 好，从验证代码，我们再往前推一步：不只是写代码，连硬件都可以生成了。siliXon 让你用自然语言描述需求，直接生成一块布线完成的 PCB。它有个代理叫 Rocky，会挑选真实的元件，不是随便给你一个示意图。

茉莉: 目前的状态是 Beta，先支持两层和四层板，数字电路优先。还有一条对用户很重要的条款：设计文件归用户所有。这个“归用户”在 AI 工具里不是默认的，很多工具会在条款里留各种权利，siliXon 明确说了归用户，对硬件创业者是个安心剂。

白桦: 这件事的战略意义在于，它把“AI 写代码”的模式复制到了硬件设计。代码领域过去几年门槛大幅下降，本质上是 AI 把繁琐的实现工作接走了。如果 PCB 设计也走通，硬件创业的门槛会 similarly 下降——一个人加一块开发板就能出产品的时代，可能变成一个人加一段描述。

茉莉: 当然限制也要说清楚：模拟电路、复杂叠层这些更难的部分，时间表未知。数字电路优先是聪明的切入，因为数字电路的规则相对明确，但真实世界的产品往往离不开模拟部分。所以现在下结论还太早。

白桦: 从硬件再回到屏幕上的创意工作。这一组产品有一个共同模式：专业工作流里塞进自动化，而且都不试图替换你的现有工具，而是嵌进去。

茉莉: 先说 CinemaLit，给视频调色师用的。它在浏览器里量化分析参考帧的调色——就是你看到一张喜欢的电影截图，想知道它的色彩风格——然后生成 LUT，同时导出 Cube 格式和 Lightroom 格式，支持 Log 和 Rec.709 的素材。内置六十种风格，第一次匹配是免费的。

白桦: 这个产品的巧妙在于它输出的是行业标准格式。LUT 是调色圈的通用语言，CinemaLit 不要求你换工作流，而是产出你可以直接拖进 DaVinci 或 Premiere 的文件。这就是“嵌入而非替换”的典型。

茉莉: 录屏这边是 Reelbit，Mac 上的开源录屏工具，MIT 协议。两个亮点：一是停止录制的瞬间就拿到分享链接，省掉了“录完、导出、上传、复制链接”四步；二是它支持事后调整——自动缩放和画面平滑可以在录制之后再加，不用重录。存储可以接自己的 S3 或者 R2 桶，数据不走它的服务器。

白桦: 开源加自带存储，这个组合是对“录屏数据被平台拿着”的正面回应。很多录屏工具的隐忧就是你的屏幕内容存在别人云上，Reelbit 把这个决定权还给用户。代价是没有平台方帮你做托管的便利性，适合对数据敏感的人。

茉莉: 营销这边是 Superdraft，瞄准电商的邮件营销。它用 AI 发现发送时机——比如你的商品补货了、或者某个趋势起来了——然后自动产出符合品牌风格的邮件草稿，最后导出 HTML，你把它放回现有的邮件平台发送。

白桦: 注意它也不做发送，只做到 HTML 导出。Mailchimp、Klaviyo 这些平台的地位它不挑战，它只补“什么时候发、发什么”这两块智力劳动。三个产品连起来看，这个时代的工具创业 pattern 很清晰：不抢平台的位置，抢平台里最耗人力的那个环节。

茉莉: 接下来这组从工作转向生活，而且有一个非常一致的卖点：数据留在本地，加上自动整理。Talanoa 把邮件客户端重做成聊天视图——邮件往来像对话一样展开——同时带待办和日历，AI 在端上运行，支持 Gmail、Outlook 和 IMAP，覆盖 macOS、Windows 和 Linux，本地化，没有云同步。

白桦: 邮件做聊天视图这个方向其实反映了邮件的真实形态：大部分邮件就是一来一回的对话，传统的收件箱列表反而破坏了语境。而端上 AI 是隐私派的关键一招——AI 处理你的邮件内容，但数据不出你的设备。代价是端上模型的智力上限比云端低，这是这类产品要持续证明的地方。

茉莉: 更垂直的是 Daddy Issues，一个给父亲的 AI 每周简报。它打通孩子的相关信息、日历和任务，而且有一个很懂场景的功能：识别“需要提前安排的事项”——比如孩子下个月的生日要提前订场地，这类事情父职里最容易漏的就是“提前量”。目前免费。

白桦: Nostalgia 是最抒情的一个。iOS 应用，把你的听歌历史跟照片、地点、运动记录关联起来，生成一条时间线——三月的某天你在哪里跑步、听了什么歌、拍了什么照片。完全本地，没有账号，没有追踪，支持从 Spotify 导入数据。

茉莉: 这三个产品一起看，你会发现“本地优先”已经从极客的偏好变成一个可以卖的产品主张。普通用户可能说不清什么叫端上推理，但他们能理解“我的回忆和邮件不会被拿去训练什么”。这是隐私叙事的产品化。

白桦: 下面这组是小工具，但小得各有章法，而且代表了几种不同的轻量变现模式。Actually Asked 做的是自我改进的 FAQ：嵌在页面布局里的问答组件，回答只来自站方自己的内容——这一点很重要，它不会拿别的东西来编答案，从而保证了答案的可信边界。每月五十条免费回答，支持 Shopify、Framer 和 MCP。

茉莉: Shrine 则是一个刘海屏小应用，专门显示 Claude Code、Codex、OpenCode 这些 AI 编码会话的状态，还有一个很可爱的设计：一个像素小屋，随着你的编码进度慢慢长大。免费使用，Pro 版是一次性付费两点四九美元。

白桦: 一次性付费，现在很少见了，但对这种装饰性强、订阅理由弱的小工具，一次性付费是诚实的选择。而 iPhone 短信转发那个工具走的是第三条路：通过 Shortcuts 把短信转发到 Slack、Discord 或 Telegram，不需要注册账号，每月免费十五条，Pro 解除限制。

茉莉: 三个产品，三种变现：按量免费加订阅、一次性买断、免费额度加解除限制。没有一个是靠融资补贴烧出来的模式，都是小团队在自己验证“有没有人愿意为这个小痛点付钱”。我觉得这是独立开发者生态里最健康的那一层。

白桦: 接下来进入模型层和生态。这一段有一个共同主题：垂直场景的专用模型，和围绕代理的记忆控制点。三个产品，我们一个一个看，但要有分辨力，因为数字很扎眼，口径也很关键。

茉莉: 先说 Z.ai 的法律模型 GLM-Legal，基于 GLM-5.3-Flash。评测数字：Harvey LAB 上百分之十九点二，而基础模型只有百分之六点六七；LegalBench 上百分之八十六点二三。API 目前要通过申请才能用。

白桦: 十九点二对六点六七，接近三倍的提升，看起来非常猛。但我们得提醒听众：Harvey LAB 和 LegalBench 都是法律领域的评测基准，基准分数和真实办案质量之间隔着很远的距离。法律工作的难点往往不在知识检索，而在管辖权细节、客户具体情境的判断。所以这些数字应该读作“在标准测试上显著强于基座”，而不是“能替代法律工作”。API 需要申请也说明它还在控制开放范围。

茉莉: 第二个是 Dreamscale Labs，YC F26 批次，做机器人 AI 的云推理。卖点是延迟：低于一百毫秒，它的 DreamZero 十四 B 模型用三百二十毫秒完成推理，一张 H100 能同时服务八台以上机器人。

白桦: 机器人为什么需要专门的云推理？因为机器人在真实世界里做动作决策，延迟不是体验问题，是物理问题——手慢一拍，杯子就摔了。所以它把“低延迟”作为第一卖点，并且用“一张卡服务八台机器人”来论证经济性，这等于在说：机器人 AI 的算力成本可以被摊薄。这是把数据中心推理的规模化逻辑搬到物理世界。

茉莉: 但要区分两个延迟数字：一百毫秒是它的宣传上限，三百二十毫秒是 DreamZero 十四 B 的实际推理耗时——这两个数放在一起其实有张力，说明不同配置下数字差别很大，具体到某台机器人、某个任务上表现如何，还是要看真实部署。第三个是 SuperLocalMemory v2，做本地优先的多代理记忆控制点。它有个很明确的接口设计：对每个查询给出“支持、相关、无答案”三种判定，而不是硬凑一个回答。AGPL-3.0 协议，还挂了四篇 arXiv 论文。

白桦: “无答案”作为一个明确的输出类别，这个设计我很欣赏。记忆系统最大的失败模式就是强行关联——它翻出一个半相关的旧记忆，代理就拿着错误前提往下走。明确承认“我没有相关记忆”，比一个自信的错误有用得多。开源加论文也让它比闭源的记忆产品多了一层可检验性。

茉莉: 从模型层再往上，就是平台和硬件了。这一段是个很好的对比题：一个开放桌面的本地 AI，和一个封闭家庭的语音 AI，方向几乎相反。

白桦: Ubuntu 26.10，代号“Stonking Stingray”——这名字照例很 Ubuntu。它带来 GNOME 51、Rust 写的核心 coreutils，还有统一的应用中心。对普通用户最有感的是可选的本地语音转文字预览，叫 Myna。

茉莉: 几个点拆开说。Rust coreutils 是系统底座的现代化，性能和内存安全都有改善，虽然对桌面用户的感知不大，但长期影响系统可靠性。统一 App Center 解决的是 Ubuntu 多年来软件入口分裂的老问题。而 Myna 的意义在于：本地语音转文字进入主流 Linux 发行版，意味着“语音输入不必上云”成了默认可选项之一。

白桦: Apple 那边是 HomeView，一个带 Siri AI 的智能显示屏。七英寸 Liquid Retina 屏幕，十二 MP 摄像头，可以按面部和声音识别最多六个人，十一月十三号上市。

茉莉: 六人识别是它的核心差异——家里的屏幕能认出谁站在前面，给出那个人的日程和提醒。这个体验确实是亚马逊和谷歌的屏没有完全做透的。但对比很有意思：Ubuntu 的路线是“本地、开放、你自己控制”，Apple 的路线是“识别很聪明，但整个体验锁在我家生态里”。一个把隐私换成控制权，一个把控制权换成体验顺滑。用户要自己选边，而且两条路线的隐私边界——比如面部数据存在哪、怎么处理——目前公开信息有限。

白桦: 最后一站是客服和社区，主题是 MCP 正在成为连接标准。Chatway 是一个客服平台，它的差异化是“自带 AI”：通过 MCP 协议，你可以把 ChatGPT、Claude 或者其他模型接进客服流程，MCP 功能放在免费版里，官方连接器还在路上。

茉莉: 这个模式的重点不是 Chatway 本身，而是它背后的信号：当客服平台愿意把模型选择权交给客户，说明模型层的竞争已经充分到“平台不该绑定模型”的程度。而且它把 MCP 放进免费版，等于用免费扩散协议——协议铺得越广，生态位越稳。

白桦: 把它放回今天整期来看更有味道。还记得开头吗？Buddy Sandboxes 支持 MCP，Kerno 测试 MCP，Actually Asked 接 MCP，Chatway 通过 MCP 带模型，OpenMuse 兼容 AG-UI。MCP 今天在我们的十几个产品里出现了至少四五次，横跨沙盒、测试、客服和个人代理。

茉莉: 是的，这可能就是今天最重要的观察：MCP 已经从一个 Anthropic 的协议，变成了事实上的行业接口层。当然“能否成为跨厂商通用标准”还是开放问题——协议碎片化的风险始终存在，但今天的证据至少说明势头在持续。

白桦: 好，我们收个尾。今天我们看到的整体图景是：代理的基础设施——沙盒、成本、审批——在快速成型；代理在向企业 ERP、向开发者工具链、甚至向 PCB 硬件渗透；同时本地优先和开放协议在消费者侧 quietly 生长。

茉莉: 没错。所有这些数字——四个人到九成自动化、十九点二对六点六七、七十毫秒启动——都应该当作厂商的宣称来听，方向可能对，验证要靠时间和真实用户。感谢大家收听，我是茉莉。

白桦: 我是白桦，我们下期再见。