1017 | 智能代理时代的工具全景

茉莉: 大家好，欢迎收听今天的节目，我是茉莉。

白桦: 我是白桦。今天这期内容特别有意思，因为这一批新产品放在一起看，你会发现一条非常清晰的主线：AI代理正在从聊天框里走出来，开始接管真实的工作流程。

茉莉: 对，从怎么让代理安全地用你的账号，到怎么让它们直接改设计、写代码、跑业务，再到怎么管理一群代理，几乎是给"代理时代"搭基础设施的一整天动态。我们还准备了几个轻松的话题做收尾。那我们就从最要紧的问题开始——安全问题。

白桦: 这个问题其实很尖锐。现在很多人开始让代理替自己干活，代理要访问你的邮箱、你的支付账号，那密码给不给它？给了，一旦遇到提示注入攻击，秘密可能就被套走了。

茉莉: 这正是Agent Vault想解决的问题。它的思路很有意思：代理手里拿到的只是一个模拟令牌，也就是mock token。真正用卡的地方，比如付款，实际发生在隔离的enclave里，真实卡号和密码根本不经过代理。

白桦: 所以哪怕代理被注入攻击劫持了，它嘴里也没有真东西可以吐出来。攻击者拿到的只是假令牌。这算是一种釜底抽薪的防御。

茉莉: 而且这个思路不是孤例。同一天还有一个叫GBrain Tools的产品，做的是AI专用的密码管理器。你把Gmail这类账号连接一次，然后通过MCP或者CLI提供给各个AI用。

白桦: 关键在于AI本身看不到密码，它发出的每个操作都会记录在同一个日志里。这两个产品放到一起，共同点非常明确：把秘密和代理隔离开，让代理"能用但不拥有"。

茉莉: 这也是我认为今天最值得展开讲的趋势——代理安全基础设施可能会成为标配。以前我们讨论企业安全，讨论的是人和服务器之间；以后讨论的可能是人和一群代理之间怎么发凭证、怎么审计。

白桦: 不过也要提醒听众，这些都是厂商的说法，产品声称"即使遇到提示注入也不会泄露"，听起来很漂亮，但真实的对抗性攻击下效果如何，现在是未知的。攻击者总会找到新的绕法，这个领域需要时间检验。

茉莉: 说完代理怎么安全地"拿钥匙"，我们再看看代理怎么安全地"动手干活"——今天有一整批工具在做这件事。

白桦: 先说设计这边。Tidy Design是一个开源的设计画布，定位是Figma和Paper的替代品，Apache 2.0协议。它最大的特点是代理可以通过MCP直接编辑设计文件。

茉莉: 这就改变了工作流的结构。以前设计师做完图，工程师拿截图或者标注去还原；现在代理能直接读写设计本身。而且它是开源的，对想自托管、想改造成自己内部工具链的团队很友好。

白桦: 但从Figma这类工具迁移过来，成本有多大？现有文件、协作习惯、插件生态怎么办？这是它面临的真实问题，也是目前看不到答案的地方。

茉莉: 另一个方向更激进，叫Skisso。它是一个免费的Chrome扩展，让代理直接编辑你眼前真实的UI。而且它保留design token，给代理传的只是一个大约380 token的diff补丁。

白桦: 380 token这个数字很值得琢磨。它意味着不是把整个页面扔给模型，而是传一个极小的改动描述，既省上下文又精确。这跟Agent Vault那边的思路其实有点像——都是给代理一个受控的、最小化的接口，而不是把全部东西暴露出去。

茉莉: 对，一个隔离的是密码，一个压缩的是界面改动。然后代码这边还有FinderGit，一个用SwiftUI原生写的Mac Git文件管理器。它可以一览所有仓库的状态，能生成AI提交信息，还有一个叫Repo Trust的功能专门检测危险脚本。

白桦: Repo Trust这个功能挺贴合现实的——代理生成的代码里如果埋了恶意脚本，你希望在运行前就被拦下来。这三个产品串起来，讲的是同一件事：代理接入设计和代码工作流时，需要新的界面和新的护栏。

茉莉: 这里还可以提一个支持性的例子，叫Pomerado，我们在后面代理访问网站那个话题还会细讲，但先说它的相关性：它能把任何网站几分钟内变成API或者MCP接口。你会发现今天这些工具的共同野心，都是给代理开原生的接口，而不是让它们像人一样去点浏览器。

白桦: 对，这是一个很有意思的转向。聊完代理怎么"动手"，接下来看看代理背后的"大脑"——开源大模型这一天的两个重磅发布。

茉莉: NVIDIA发布了Nemotron 3.5 Super VL，一个开源的120B参数MoE模型，但每次只激活12B。多模态，主打代理场景，声称在单块GPU上达到同级最高5倍的代理吞吐量。

白桦: 5倍吞吐这个卖点很能说明行业的风向。以前大家比跑分、比参数，现在直接拿"代理吞吐"当卖点——因为代理场景是连续调用、长流程，吞吐量直接决定成本和速度。

茉莉: 另一边是Meta的Muse Spark Open，开放权重的816B模型，激活42B，100万token的上下文，多模态。最惊人的是它的部署门槛：两台Mac Studio就能跑起来。

白桦: 两台Mac Studio跑一个816B的模型，这个组合放在两年前是不可想象的。MoE架构的价值就在这——总参数大意味着能力强，激活参数小意味着单次推理便宜。这两个发布合在一起的趋势是：大模型更强了，但部署反而更容易了。

茉莉: 当然，照例要泼一点冷水。这些吞吐倍数和"两台Mac能跑"都是厂商口径，实际的推理成本和输出质量的对比，还得等第三方评测。参数量和激活量是架构事实，但"好用"是另一回事。

白桦: 而且语音这个维度上还有补充：Fish Audio Drama 3，一个可以按句子精细控制情感、耳语、停顿的TTS，支持83种语言，能做多角色生成，权重也开放了。多模态和语音，正在从演示变成可部署的组件。

茉莉: 大脑说完了，接下来是一个很实际的问题：当你有不止一个代理的时候，怎么办？今天有一批产品专门回答这个问题。

白桦: 先看BOSS Console。它给自己定位是"常驻代理用的小型操作系统"，把浏览器、终端、编辑器统一成一个共享工作区，开源，macOS、Windows、Linux三平台都支持。

茉莉: 这个定位很关键——"常驻"。以前我们的AI工具是打开就用、关了就没了；如果代理要7乘24小时待命，它需要一个真正的运行环境，一个桌面级的家。

白桦: 然后是Parallax，在单个应用里管理多个编码代理。两个亮点：一是当某个代理达到用量上限时自动故障转移到别的代理；二是一个叫Captain的功能，可以纠正跑偏的会话。

茉莉: Captain这个功能我很喜欢。用过编码代理的人都知道，代理有时候会越走越远，自己改着改着就偏离任务了。有个"领航员"负责把它拉回来，这是很清醒的产品设计。

白桦: 还有Harness，把所有代理聚合到一个命令中心，Mac和Linux的开源桌面应用，端到端加密，手机上还能用语音回复代理。

茉莉: 你看这三个产品放在一起，共同点浮出来了：代理的数量一多，调度、监控、治理就成了刚需。这跟当年的容器编排有点像——单机时代不觉得需要Kubernetes，集群一多就必须有了。

白桦: 代理多了之后，下一个问题自然就是：这些代理怎么去消费外部的世界，尤其是网站？这就引出了接下来这两个产品。

茉莉: 第一个是Neophyte。你给它一个URL，它会让AI代理真的走一遍新用户注册到onboarding的完整流程，然后输出两份摩擦报告——一份是给真人的体验，一份是代理的体验。

白桦: 这个双报告的设计很聪明。现在网站的用户不只有人了，还有机器。一个新用户注册要填多少字段，代理能不能顺利完成流程，这是两种不同的摩擦，产品团队两份都需要。

茉莉: 另一个就是前面提过的Pomerado，把任何网站在几分钟内转成API或MCP接口，构建、托管、维护都自动处理，声称比浏览器操作更快更可靠，而且是开源的。

白桦: 把这两个放一起看，主线是"让代理原生地消费网站和产品"。Neophyte是诊断工具，告诉你网站对代理有多不友好；Pomerado是解决工具，直接把网站变成代理友好的接口。

茉莉: 但这里有个很大的未知数：站点方配不配合。网站所有者愿不愿意让代理这么访问？会不会有反爬、有条款限制？这些工具在技术上都成立，但生态上能不能跑通，还是问号。

白桦: 从访问网站再往前一步，就是让代理执行完整的业务动作了。这一批产品让我感觉代理正在从"助手"变成"执行者"。

茉莉: Lovable Growth Tools是一个很典型的例子。你用Lovable把应用建好之后，在同一个聊天里就能继续做增长：它会根据你的目标生成增长playbook，覆盖SEO、广告、社区发帖这些动作。重要的是，任何要花钱的动作，执行前都需要人工批准。

白桦: "花钱前必须批准"这个设计我觉得是对的。代理可以草拟所有计划，但触发真实支出的人类要签字。这是在自动化和失控之间划了一条清晰的线。

茉莉: Taim解决的是另一个环节——输入端。你用语音把想法吐出来，它自动分类成不同的线程，然后转换成任务、提醒和日程，并且通过MCP把这些上下文提供给各种AI代理。

白桦: 这个产品有意思在它把自己定位成代理的"记忆供体"。你的语音碎片变成结构化的上下文，再喂给其他代理用。工作流的入口和出口都被代理接管了。

茉莉: 然后是Dottr，可能是这批里业务闭环最完整的：把邮件转发给它，它就起草合同，用通俗的语言指出风险点，然后自动完成签署请求，甚至包括催促对方签署。计费是按量，一份合同一美元。

白桦: 从邮件进，到合同草稿、风险提示、签署流程、催促跟进，一条龙全包。这种"端到端业务执行者"的形态，就是代理和工作流工具最大的区别——传统工具给你一个编辑器，代理给你一个结果。

茉莉: 签署这个环节还有个配套产品叫SignWith，顺带说一下：它做无订阅的电子签名，每月三封免费，之后按量计费，带审计痕迹和OTP认证，而且可以从Claude通过MCP直接发送。

白桦: 这样Dottr加SignWith就拼成了一个完整的链条：AI起草合同，然后直接走电子签署。整个合同生命周期几乎不需要人碰。不过计费和合规的细节还都是未知，合同这个东西法务上的讲究很多，"平易地指摘风险"听起来好，但真出了纠纷谁负责，这些产品都没回答。

茉莉: 说完严肃的商业流程，我们轻松一下，看看代理怎么帮忙开会——这一天有两个产品都聚焦在会议的实时辅助上。

白桦: 第一个是NANI???，在Mac上跑的会议实时翻译字幕。它的特点是能用声音识别说话人是谁，更妙的是，如果你在会上被提问了，它会给您一个提示和返回答案的建议。

茉莉: 这个功能有点微妙啊。被提问时给你"答案建议"，对语言不通的人来说是救命的辅助，但也有人会说这算不算变相作弊？边界在哪里，可能每个团队自己定。

白桦: 值得强调的是它的隐私姿态：不保存音频。另一个是Hintly，它读取Google Meet的字幕，实时解释专业术语和人名，还能纠正字幕里的错误信息，而且它不派bot加入会议，每月60分钟免费。

茉莉: 这两个的共同点很清晰：无侵入。NANI不存音频，Hintly不派bot入会。它们都选择做"旁边静默的助手"，而不是会议里的一个参与者。这说明隐私和低打扰已经变成这类产品的默认设计要求，而不是加分项。

白桦: 从会议辅助再往外走，有两个产品代表AI进入存量内容和企业基础设施的方向。

茉莉: TwelveLabs的Jockey正式GA了。它是一个AI，能搜索、理解并整理整个视频和照片库，可以通过Claude、ChatGPT或者API来使用。

白桦: 这个解决了很实际的痛点——视频素材是最难检索的内容，没有一个代理能直接"看懂"你的整个素材库的话，视频团队的工作效率就上不去。GA意味着它从演示走向了正式可用。

茉莉: 另一边是Mozilla，在欧洲推出了Firefox Enterprise，法国、德国、奥地利、瑞士先行。这是Gecko浏览器，带一个可自托管的控制台，用于管理策略、数据和AI控制。

白桦: "AI控制"出现在企业浏览器的功能列表里，这本身就说明了一件事：企业开始需要管理员工浏览器里AI能做什么。就像开头讲的代理安全一样，AI的管理界面正在渗透到最基础的软件层。

茉莉: 好了，压轴的部分我们说点轻松的。先来一个完全和AI无关的小工具：Memory Chess。

白桦: 这是一个棋类记忆训练器。玩法是给你几秒钟看盘面，然后凭记忆把它重建出来。有每日棋盘，还有双向的等级分系统，而且不需要注册账号，直接玩。

茉莉: 免费、无账号、每日一题，这个组合很适合当每天的脑子热身。跟今天满场的AI产品放在一起，反而有种清爽感。

白桦: 最后一个，够劲爆：特斯拉发布新款Roadster超跑，所有版本都带吸力风扇，可以让车吸附在路面提升过弯。

茉莉: 但真正的话题点是那个仅限邀请的Rocket版本——加装了推进器，官方说法是能让车"飞起来"，不过它是不能合法上路的。

白桦: 一辆能飞但不能上路的车，这句话本身就够当广告语了。当然，这些也都是发布会的说辞，实际性能怎么样，等真车到手再说。

茉莉: 好，今天我们从代理的密码保险柜聊到能飞的超跑。这一天的共同主题很明确：AI代理正在长出四肢，接入设计、代码、业务、会议的每一个环节，而围绕它们的护栏、操作系统和治理工具也在同步成型。

白桦: 很多承诺还需要时间验证，特别是安全方案在真实攻击下的表现。但方向已经足够清楚了。感谢大家收听，我是白桦。

茉莉: 我是茉莉，我们下期再见。