
0725 | 火器搜索API和AI代理新工具亮相ProductHunt
Show notes
本期聚焦面向 AI 代理的多款新工具与协作平台。Firecrawl 发布新版 /search API,专门训练模型为搜索结果生成摘录,号称节省 10 倍 token,SimpleQA 准确率达 94.7%。Pushary 推出原生移动 App,将 Claude Code、Codex、Cursor 等工具的权限审批推送到手机锁屏,扫码配对即用。HarnessRouter 提供统一 API 接入顶尖 AI 代理作为应用后端,已获医疗机构和初创公司采用。Block 发布开源协作平台 Buzz,基于 Nostr 协议把人、代理和代码纳入同一加密身份系统。此外还有 Fluree AI 用可验证结构化数据替代 RAG、Freesolo Flash 降低小模型训练门槛、Prosed 来源地图功能用颜色标注创作者原创内容、Fedica 2.0 跨 12+ 平台分发、Liso 网页转语音,以及 Hotspot Meter、MinkNote、YC has it 和 HealthyNotch 等实用工具。
时间轴
- 00:00:00 开场
- 00:00:04 开场:AI 代理工具与协作平台速览
- 00:00:38 Firecrawl /search:面向 AI 代理的精准搜索,SimpleQA 达 94.7%
- 00:01:22 Pushary:AI 代理审批直达手机锁屏,告别桌面等候
- 00:02:17 HarnessRouter:统一 API 接入顶尖 AI 代理,已获医疗与初创领域采用
- 00:02:59 Freesolo Flash:让企业团队轻松训练小语言模型
- 00:04:03 Buzz:Block 发布去中心化开源协作平台,挑战 Slack 与 GitHub
- 00:04:48 Fluree AI:用可验证结构化数据替代 RAG,每次请求权限检查
- 00:06:08 Prosed 来源地图:颜色标注书稿,创作者原话超 90%
- 00:06:57 Fedica 2.0:15 年受众智能,跨 12+ 平台一站式创作
- 00:07:45 Liso:网页一键转语音,打造个人有声书
- 00:08:31 Mac 效率工具:Hotspot Meter 流量监控 + MinkNote 本地笔记
- 00:09:28 YC has it 免费搜索创业方案 + HealthyNotch Mac 健康提醒
- 00:10:29 结尾快速回顾
相关信息
- The new Firecrawl /search - Bri Product Hunt
- Pushary - Bri Product Hunt
- HarnessRouter - Bri Product Hunt
- Buzz - Bri Product Hunt
- Freesolo Flash - Bri Product Hunt
- Fluree AI - Bri Product Hunt
- Prosed - Bri Product Hunt
- Fedica 2.0 - Bri Product Hunt
- Liso - Bri Product Hunt
- Hotspot Meter - Bri Product Hunt
- MinkNote - Bri Product Hunt
- YC has it - Bri Product Hunt
- HealthyNotch - Bri Product Hunt
本期节目由 Bri 出品。Bri 使用先进的 AI 技术将你在意的资讯转换成适合收听的播客。如需联系,请发邮件至 hi@bri.so。
Transcript
茉莉: 欢迎收听 Bri 播客的「ProductHunt 产品分享」,我是茉莉。
白桦: 我是白桦。
茉莉: 今天有几款面向 AI 代理的工具挺有意思——Firecrawl 发布了新版搜索 API,说是要让 AI 代理搜索更准;还有个叫 Pushary 的工具,把代理的权限请求直接推到手机锁屏上。
白桦: 没错,还有 HarnessRouter 想用统一 API 把各种顶尖 AI 代理接成应用后端,Buzz 这个开源协作平台也值得关注,它要把人、代理和代码放到同一个加密身份系统里。
茉莉: 先来看 Firecrawl 的新动作。他们发布了新版 /search API,定位很明确——要做面向 AI 代理最准确的网页搜索接口。
白桦: 这次的核心不一样。团队专门训练了一个模型,能为每个搜索结果直接返回最贴合查询的摘录内容,而不是让代理去读整页信息。
茉莉: Firecrawl 自己的说法是,这种做法比处理完整页面节省 10 倍 token。同时他们还给出了一个基准测试成绩:在 SimpleQA 上,使用 /search 的 AI 代理得分达到 94.7%。
白桦: 他们指出这个表现高于其他所有提供商。目前这个功能已经对所有 /search 调用生效,不需要额外配置。
白桦: 接下来这个解决了一个很实际的痛点。Pushary 把 AI 智能体的权限请求直接推送到手机锁屏上。
茉莉: 场景是这样的:当 Claude Code、Codex、Cursor、Gemini CLI、Hermes 或者 Claude Cowork 这些工具在执行中停下来请求批准时,用户在手机上点一下"是",运行就能继续。
白桦: 这次发布推出了原生 iPhone 和 Android 应用。配对方式很简单,用手机扫描终端上的 QR 码就行,不需要粘贴密钥。
茉莉: 权限控制做得也比较细,支持按工具设定策略,比如可以自动批准安全的读取操作。每一项决策都会记录在审计轨迹里。
白桦: 创始人 Aadil 提到了一个观察:当前智能体运行中最慢的环节,往往是等待人类手动审批。Pushary 的目标就是让这个环节从桌面终端解放出来。
茉莉: 再来看 HarnessRouter,它做的事情是提供统一 API,让开发者把世界顶尖的 AI 智能体作为应用后端接入。
白桦: 它支持的智能体包括 Codex、Claude Code、Hermes 等等。平台自己说可以省去数月自行搭建后端的时间。
茉莉: 功能上集成了沙盒、智能体运行时、工具编排、文件与产物管理、会话与流式传输、重试与超时、权限管控,还有成本控制。
白桦: 客户覆盖的面也不窄,包括顶级医学研究机构、领先的医疗保健公司,以及多个领域的尖端初创公司。已经有 AI 视频营销初创公司基于 HarnessRouter 作为后端进行开发。
白桦: 转向模型训练这一侧。Freesolo Flash 是一个面向企业团队的全栈平台,目标是降低小语言模型的训练门槛。
茉莉: 核心理念是让强化学习变成一种商品化能力,使任何团队都能为特定任务训练小型、专业化的模型。
白桦: 有社区成员指出了背后的逻辑:并不是所有 AI 交互都需要大型前沿模型。标记、搜索等大量使用场景,最适合 100 亿参数以下的模型。
茉莉: 这类模型推理可以在毫秒级完成,成本比前沿模型低多个数量级。但历史上工程师需要在模型规模与质量之间做取舍——模型越小,性能、遵循度和召回率会线性下降。
白桦: 而在生产数据上进行后训练可以弥补这个差距。Freesolo Flash 就是为此构建的,目标是通过编码代理端到端地完成监督微调与强化学习等训练循环。
茉莉: 还有一个特点是定价方式:采用预先定价策略,而不是按 GPU 时长计费。
白桦: 最后来看 Block 发布的开源协作平台 Buzz。它把人员、AI 代理、对话和代码放在同一个加密身份系统下。
茉莉: 这个项目由 Jack 主导,目标是降低对 Slack 和 GitHub 的依赖,解决跨工具上下文丢失的问题,同时创建工作记录的签名可归属记录。
白桦: 技术实现上,消息、补丁、评审、工作流步骤和审批都以签名事件的形式存储在自托管中继上。底层基于 Nostr 协议,采用 Apache 2.0 许可。
茉莉: Buzz 是模型无关的,目前已支持 Codename Goose、Codex 和 Claude Code。项目目前处于早期阶段,正在开发频道等功能。
茉莉: 今天先来看一个 AI 基础设施的新发布。Fluree 推出了一套叫「Fluree AI」的 AI 层,它的定位很有意思——叫「为每个 AI 代理提供可信上下文」。
白桦: 这个名字听起来像是要解决 AI 落地的一个老问题。具体来说,它怎么做?
茉莉: 它直接查询结构化数据,每次请求都会进行权限检查,然后返回可引用、可验证的答案。整个过程不需要重建提示词,也不依赖 RAG 的猜测机制。
白桦: 这个切入点和很多 AI 工具不太一样。Fluree 的 CEO Brian 解释过他们背后的逻辑——他说团队此前多年一直在为受监管企业构建图数据基础设施,涉及溯源、权限控制和加密审计追踪这些能力。
茉莉: 然后大语言模型出现了。用 Brian 的原话说,「整个行业都面临我们的老问题:AI 擅长语言但不擅长处理数据,幻觉数字、上下文随会话重置、五套工具产生五套版本」。
白桦: 这个总结挺精准的。所以他们等于是把自己在受监管企业积累的那一套数据治理方法,搬到了 AI 代理的场景里。
茉莉: 对,而且部署速度也很快——Fluree AI 可以在几分钟内接入 MCP 就绪的代理、仪表板和应用程序。
白桦: 接下来这个产品和创作者关系很大。图书服务 Prosed 推出了一项叫「来源地图」的功能。
茉莉: 来源地图——这个功能是做什么的?
白桦: 它把稿件里的每个段落都用颜色标注出来:哪些是创作者自己在邮件、播客、帖文里的原文,哪些是 Prosed 添加的衔接内容。
茉莉: 也就是说,打开一本书,你能一眼看到哪些是你的原话,哪些是平台帮你润色或者串联的。
白桦: 没错,而且目前每本汇编图书里超过 90% 都是创作者自己的原话。这个数字还是挺关键的。
茉莉: Prosed 是今年 5 月上线的,上线之后创作者问得最多的问题就是——「我怎么确认这本书真正属于自己?」来源地图这个功能,可以说就是直接回应这个担忧。
白桦: 再来看一个社交创作工具的新版本。Fedica 2.0 已经上线了,创始人兼 CEO Samir 说,这个产品帮助创作者在 12 个以上社交平台发布定制帖文,并通过统一收件箱与互动者建立联系。
茉莉: 十二个以上的平台,还统一收件箱——这个量级对做跨平台运营的人来说挺有吸引力的。它的核心能力是怎么积累起来的?
白桦: 它底层基于原 Tweepsmap 的地理基础,累积了 15 年的受众智能。所以它支持深度受众细分、人口统计,甚至可以追踪超级粉丝到城市级别。
茉莉: 十五年数据积累,颗粒度能做到城市级别——对于需要精确做本地化或者社群运营的创作者来说,这个维度确实不太一样。
茉莉: 接下来这个工具解决的是一个很多人都有的痛点:读不完。Liso 可以把网页上任意高亮文本即时转成自然语音。
白桦: 它的创始人说了一句挺实在的话——「阅读列表永远读不完,因为文字只是思想的载体」。所以他们干脆构建了一个「无需再阅读」的工具。
茉莉: 具体怎么用呢?你选中一篇文章、简报、帖子或者文档,右键就能把选中内容一步生成音频,然后存入你的个人库。
白桦: 这样积累下来,就形成了一个由你自己挑选内容组成的私人播客。创始人自己说的那个「稍后读」积压文章,现在已经变成了能听完的收听队列。
茉莉: 最后来看两个新工具,都是注重隐私的。先说 Hotspot Meter——这是一个免费的 macOS 菜单栏应用。
白桦: 它能做什么?
茉莉: 它可以实时显示每个 Wi-Fi 网络和手机热点的下载和上传速度,按会话和网络统计用量,保留历史记录,还支持流量上限预警。
白桦: 开发者 Mikey 特别强调了一点——所有数据只存储在本地 Mac 上,没有分析、没有账户、不收集也不外传任何个人信息。
茉莉: 另外还有一款笔记应用 MinkNote,由 Demian 开发,定位是原生的私密 Markdown 笔记工具。它直接基于用户自己的纯 Markdown 文件,没有数据库、不需要账户、也没有厂商锁定。
白桦: 功能上支持项目管理、日志、标签、快速搜索,还能做富文本与 Markdown 编辑,本地图片也会自动整理——所有这些都在本地优先的工作空间里运行。
茉莉: 先来说说 Y Combinator 推出的一款搜索工具,名字叫「YC has it」。用法很简单,你用自然语言描述自己的问题,它会从四千多家活跃的 YC 初创公司里,帮你匹配一到三家最相关的企业。每条结果还会附带推荐理由、定价信息和集成方式。
白桦: 而且这个工具完全免费,甚至不需要登录。一位叫 Raghav 的开发者公开分享了这个设计思路——本质上是把 YC 整个生态变成可检索的创业资源库。
茉莉: 再来看另一款产品,叫 HealthyNotch,是专门给 Mac 做的健康提醒工具。它最大的特点是买断制,一次性付费,没有订阅,也没有 Dock 图标,非常安静。
白桦: 它利用 Mac 屏幕顶部的「刘海」区域来显示提示,默默提醒你站立、喝水、眨眼和拉伸,还配有一个平衡评分。开发者说,正是因为自己长期久坐写代码的经历,才一个人把这款工具做了出来。
茉莉: 好,今天内容就到这里。我们快速回顾一下:Firecrawl 发布了新版搜索 API,主打面向 AI 代理的准确搜索,用训练模型直接返回贴合查询的摘录,省去代理处理整页的消耗。
白桦: Pushary 把 AI 权限请求推到手机锁屏,Claude Code、Codex、Cursor、Gemini CLI 等工具需要批准时,手机上点一下就行。HarnessRouter 则提供统一 API,把 Codex、Claude Code、Hermes 这些顶尖代理当应用后端接入,省去数月自建时间。
茉莉: Block 发布了 Buzz,一个把人员、代理、对话和代码放在统一加密身份下的开源协作平台,目标是降低对 Slack 和 GitHub 的依赖。Fluree 推出了 AI 层,强调每次请求都做权限检查,返回可验证答案。
白桦: 还有 Freesolo Flash 让企业团队能自己训练小语言模型,Prosed 的"来源地图"用颜色标注稿件里哪些是创作者原话、哪些是衔接内容。Fedica 2.0 支持在 12 个以上社交平台分发定制帖文。
茉莉: Liso 把网页高亮文本转成自然语音,Hotspot Meter 是 macOS 上免费的网速监控菜单栏工具,YC 的新搜索"YC has it"可以用自然语言从四千多家活跃 YC 公司里匹配初创企业。
白桦: 感谢收听,我们下期再见。