0901 | Product Hunt 发布：Revolte 交互会话、BrandJet 销售信号、Particle Radar 播客搜索

茉莉: 欢迎收听 Bri 电台的《ProductHunt 产品分享》，我是茉莉。今天我们聊到的工具跨度不小，从帮团队跑完整交付流程的开发工作区，到把公开提问变成销售线索的外向平台，还有播客搜索引擎和几个新上线的 AI 工具。

白桦: 我是白桦。像 Revolte 的 Interactive Sessions 那种带标签页的工作区，还有 Ask My Wardrobe 这样的数字衣柜服务，都值得单独说一说，咱们一个个来看。

白桦: Revolte 在 Product Hunt 发布 Interactive Sessions，据联合创始人兼 CEO Raj 介绍，这是标签页式工作区，一个任务一个会话，用户逐步驱动从架构、代码、测试到 staging 和部署的完整交付周期，每一步都要批准，且不需要 Jira，也不需要 CI 配置，注册后不到一分钟就能启动。

茉莉: 它和此前发布的 Autopilot 模式不同：Autopilot 接一个 Jira 工单后由代理端到端执行到 pull request 并部署，工程师只批准关键步骤；而 Interactive Sessions 每一步都要用户点头。发布方称两种模式共享同一套代理栈、治理层和 Platform-as-Code 合同，写代码前有计划审批，合并前有内联 diff，部署前有成本上限，每个动作都有审计轨迹。

白桦: 发布方还拿 Cursor 和 Devin 对比：Cursor 是每个击键都要你参与的手动工具，Devin 是交任务后只看结果的放手工具，Revolte 的卖点不是比它们更好，而是让团队不必同时维护三套工具、三套治理、三次采购和三个成本中心。6 倍发布加速、95% 测试自动化这些数字都来自发布方自己。

茉莉: 评论区留下的未决问题更有信息量，比如何时才信任代理触碰真实代码库、代理是否跨会话保留上下文、部署中途遇意外会发生什么。也有人补场景：若代理真能免去自定义 Docker 和 Kubernetes 的配置，开箱即用的 preview 和 staging 就能省大量时间；还有人把 Lovable、Emergent 归为适合快速原型的 vibe 编程工具，认为 Revolte 面向的是要在真实代码库里逐步控制交付的工程师。

白桦: 把公开信号变成生意，BrandJet 是这么做的：官方介绍称它监听 X、Reddit、LinkedIn 和开放网络，凡有人提出与你所解决问题相关的提问，就把每个信号补全成带联系信息和上下文的潜在客户，在对方实际用的渠道——电子邮件、LinkedIn、WhatsApp、X、Instagram、Telegram——发出联系；回复进统一收件箱，有 CRM，还能同一平台内签约，签约工具叫 Plutus。

茉莉: 平台以 MCP 服务器形式开放，提供七十多个覆盖监听、补全、外联、收件箱和 CRM 的工具，AI 代理 Artemis 负责基础工作，外部代理也能驱动同一层。联合创始人 Marsad 说平台在说话之前先听，并自称团队用 BrandJet 来卖 BrandJet，这些是制造方自我描述，还没独立验证。他用数字说明要解决的问题：从数据商买的一万个联系人里，九千九百四十个关联到疫情期间已换工作的 Gmail 地址，真正有购买意图的人此刻在公开提问。

白桦: 社区没得到答复的疑问里有几个实质的，比如怎么过滤购买意图低的模糊提及、选话题时怎么拿到近期 Reddit 帖子而不是热门帖子、合同阶段有没有人工复核还是 Artemis 自己起草并发送、规模化外联时怎么保证邮件进收件箱而不是推广、更新或垃圾箱。

茉莉: 还有评论者点出机制风险：若机制真有效，一个公开提问谁了解某竞品替代品的人，可能一小时内收到十一条消息，然后学会不再公开提问；在 WhatsApp 和 Telegram 上，相关会变成被监视的感觉，他建议按信号限制外联数量并写进定价页。也有人问它跟 Gojiberry、Instantly 的对比，以及有没有这两家工具具备的 warmup 这类基础设施。

茉莉: Particle 今日推出播客搜索引擎 Radar，联合创始人兼 CEO Sara 在 Product Hunt 社区介绍，它由 Particle 的 Podcast Intelligence API 驱动，可搜索超过十三万个正在转写的播客，每日新增约两万单集，覆盖数百万小时、数十亿行转写文本；厂商称每个单集都完整转写、做了说话人分离和标注，还提取人物、公司等实体。

白桦: 它支持按实体、关键词或短语以及语义含义搜索播客转写，还即将推出 Smart Search。Sara 解释了出发点：在代理越来越常用的世界，播客内容除非被转写成文本否则无法被听到，所以他们先建了 Podcast Intelligence API 和 MCP 让代理也能搜索播客；Radar 面向想直接查看或收听内容的用户。

茉莉: 社区有个提问还没厂商回应：当你只记得大致想法而非确切措辞时，Radar 是否仍能准确找到内容。另有用户说把播客对话变得可搜索或能让播客研究更省时，但这是评论者的个人看法，不能当作已验证的使用效果。

茉莉: 接着看 Product Hunt 上的另一个新工具 StackScope，它专门用来查看新网站在上线当周用了哪些技术，比如本周哪些网站开始采用 Stripe、Shopify 或 Next.js。开发者 Jonathan 一个人打造的，他的理由是想赶在 BuiltWith 和 Wappalyzer 前面——那两家擅长分析成熟网站，但东西出现在那儿的时候已经不算新了。

茉莉: 产品方说发现管线不靠用户提交，而是从公开基础设施信号自行索引，目前已收录超过两百二十万个网站、追踪超过四万种技术；站内统计显示它分析过九万零七百八十七个发布，其中四十三万三千一百六十三被归为发布类，典型技术栈是十一点一种技术。StackScope 比发布平台早触达时平均早十四点五到十四点七天，差不多两周。浏览和搜索免费，付费方案加入 Stackdar 技术采用提醒、API 访问、附带公开联系方式的批量导出，还有给 Claude、ChatGPT 和 Cursor 用的 MCP 服务器。

白桦: 我补一句社区反馈。有位用户说新网站刚起步就出现上去了，另一位觉得数据浏览容易也有趣，但指出没法按地点筛选，可能看到目标受众所在地以外的网站，地点筛选到底支不支持材料里没说。还有人浏览中突然被阻止访问、原因不明；另一位搜索返回空结果，他猜索引只收已完成发布的网站，这个猜测没被确认，而产品方描述其实也涵盖普通新网站、可切换。最后有用户问能否在已追踪网站更换工具时收到提醒，目前只知道 Stackdar 在新网站采用某技术时提醒，是否覆盖已追踪网站还是未知。

白桦: 这一带补一个 Fotor 的 Video Agent，面向创始人、营销人员和创作者的 AI 视频工具，可以聊天把想法、脚本或素材变成视频和动态图形。Fotor 增长负责人 Coral 在发布帖里说，现有多数工具只输出锁定的 MP4，改错字、换镜头或调节奏都得重生成整条视频，对持续迭代的营销团队不可接受。

白桦: 发布方称它有三项差异化能力：可编辑的多轨时间线，文字、数字、logo 和图表渲染前保持可编辑；类 After Effects 的动画信息图，把原始数据变成实时、参数化的动画图表而无需 After Effects；以及端到端代理编排，用户描述想法、上传 PDF 或粘脚本后由代理规划、生成并组装。Coral 自述内部测试里原本三到五天的制作现在约四十分钟，但这是发布方自述、未经独立验证。

茉莉: 社区在把方向从 AI 视频生成转向 AI 协助制作。有位自称与 Fotor 密切合作的评论者说代理能统筹脚本、场景、画面、节奏、配音、音乐和动态图形，且不产出黑箱视频，用户仍掌控最终剪辑；另一位觉得它适合固定格式的周期性内容。还有评论者前一天试过 Topview 的 Motion Studio，打算再比较。开放问题也没人答：AI 从文档生成的视频要人工改多少、编辑功能进移动应用还是仅限网页、有人对月付三点九九美元问有什么猫腻，以及人物贴边、复杂背景和品牌一致性的实际准确度都无回应。

茉莉: 再聊 Ask My Wardrobe，一款 AI 穿搭生成器和规划器，定位完整数字衣柜体验。官方宣传功能包括用已有衣物生成新造型、提前数天或数周规划穿搭、购买前虚拟试穿、保存造型分享征求意见、在可视化编辑器整理衣物，以及用月历查看已规划造型。

茉莉: 创建者说最初设想是上传本人照片和想试的衣服再决定买不买，但用户更多在用同一批衣服组合新造型、把新品和已有衣物搭配、保存造型回头比较，穿搭规划器因此变得比虚拟试穿更受欢迎，产品也随之转向完整数字衣柜。用法三步：上传全身照片、上传衣物照片、生成造型。免费，无需注册即可开始，注册后能获得更多试用次数并保存造型，照片在用户主动分享前保持私密；网站也说明虚拟试穿效果不是完美但方向正确，照片清晰度、光线和背景会影响结果。

白桦: 社区里有用户说最可能常用规划器，因为自己总反复穿同样的三四套；也有人觉得衣柜整理比虚拟试穿更实用，希望购买前能把新品与已有衣物混搭来判断是否真需要买。还没人回答的开放问题包括：衣柜是从照片、收据还是手动输入建立；用户照片存在个人设备还是云端、为何这样选；衣物随时间更换后产品会不会提醒重扫或清理衣柜，还是只能用户自己维护。

茉莉: 今天榜单上有个挺有意思的浏览器终端学习产品，叫 WebTerm Learn。制作者是独立开发者 Dai，它用像游戏一样的方式教终端：先是手绘幻灯片讲概念，然后让你在真实的浏览器沙箱里敲命令，系统一条一条查。课程现在覆盖终端、Git 和 Vim，一共十二门课、一百二十九节课，全部免费，第一课大约一分钟。

白桦: 进度会呈现在一个三维世界地图上，还有个会进化的伙伴跟着你。它的前身就是今年早些时候发布的 WebTerm，按 Dai 的说法是个在浏览器里跑 rm -rf / 也不会弄坏任何东西的终端，如今每天有一千多人在用，WebTerm Learn 就是在它之上补了一条循序渐进的学习路径。

茉莉: 而且它专门模拟真实事故，比如一次把生产环境弄垮的发布，或者一个被不小心推到仓库的密钥，让学习者在安全环境里练这种高风险操作。面向的是第一年工程师、自学编程的人，还有用 AI 写代码但看不懂命令含义的人。Dai 的观点是，AI 写代码不会终结学习需求，关键在于是不是把 AI 的工作当黑箱——这决定你能否作为专业人士介入。

白桦: 不过有一个最关键的机制问题还没被回答。有位评论者问，系统检查的到底是命令字符串，还是沙箱文件系统的最终状态——因为真实终端里，同一结果通常能写出好几种不同命令，用不同参数达成同样终态的学习者，不该被判定成错。这个问题在现有材料里没有制作者的答复。还有评论者建议加一门读 diff 的课，理由是现在人们更容易在批准 AI 生成的代码时出错，而不是写错命令行本身。

茉莉: 榜单上还有一款 iPhone 演讲教练应用叫 Orato，独立开发者 Petros Tepoyan 做的。他是试用过几款要求把语音上传到陌生服务器的演讲应用之后，决定自己构建这个版本。用户先选一种练习模式，说三十到九十秒，然后得到语速、流利度、词汇和连贯性四项评分。

白桦: 每个填充词和长停顿都会落在可回读的转写稿上，点任意一行就能看到教练当时注意到什么。六种模式包括即兴演讲、辩护一个话题、三个问题、讲故事、电梯演讲和朗读，每次会话末尾还有三条具体建议。

茉莉: 隐私设计是这款应用的核心。在支持 Apple Intelligence 的 iPhone 上，转写、评分和反馈全部在设备本地运行，不用账户，飞行模式下也能用，音频在任何路径下都不会离开手机。有两条可选路径会把转写文本——注意只是文本，不是音频——发到设备外：老款 iPhone 可以选云教练，把转写送去生成反馈，但要用 Sign in with Apple 登录；还有 Pro 的增强 AI 教练，默认关闭，开启后转写会发给 OpenAI 做更深入报告。

白桦: 练习历史无论走哪条路都留在设备上。有评论者说，设备本地、无需账户正是这款应用能成立的原因，但也提醒评分要谨慎——语速和流利度可测量，连贯性却是主观判断，如果连贯性评错了，用户可能不再相信另外三项。另一位评论者说，回听自己每隔几秒说一次嗯很痛苦，但这可能恰恰是这种练习有用的地方。

茉莉: 今天我们聊到了两种截然不同的 AI 工作形态：Revolte 的 Interactive Sessions 把选择权交给团队，每一步都等人批准；而 BrandJet 则用公开购买信号自动跑完整个外向销售环节。两边的数字都还是发布方自己的说法，社区提出的不少问题也还没有答案。

白桦: 对，这也是有意思的地方，工具形态可以完全相反，但都还在等真正的独立验证。感谢收听，我们下期再见。