0915 | AI时代的新工具浪潮：从桌面宠物到智能体浏览器

茉莉: 大家好，欢迎收听今天的产品速递，我是茉莉。

白桦: 我是白桦。今天我们把最近一天里发布的一批新工具放在一起看，它们其实有一条隐约的线索：AI不只是在帮你写文案，而是开始替你干活、替你管理知识、替你测试代码，甚至替你卖产品。

茉莉: 对，所以今天我们不像目录那样一个个念，而是把同类的东西放在一起比较。咱们先从一个挺有象征意义的产品说起——Aside，一个给AI代理用的浏览器。

白桦: 这个我第一眼看到就觉得方向感很强。它是一个面向AI代理的浏览器，核心卖点是：代理可以用你已经登录的账号去完成实际的工作。也就是说，不是那种隔靴搔痒的网页摘要，而是真的替你把事情做完。

茉莉: 而且它在安全这块给了几个很具体的承诺：支持通行密钥，也就是passkey；处理是本地进行的；还有加密。这些细节对愿意让代理碰自己账号的人来说，是能不能迈出那一步的关键。

白桦: 另外它宣称在基准测试里拿到了SOTA。不过这里要按老规矩提醒一句，这是厂商的说法，是主张，不是我们验证过的结果。基准测试覆盖哪些任务、跟我们日常用的场景重合度多高，都还是问号。

茉莉: 这也是Aside最有意思也最不确定的地方：实际任务的覆盖范围到底有多大。一个「登录状态下的实做代理」听起来万能，但真正能不能稳定订机票、填表格、处理后台操作，目前没有公开的证据。

白桦: 为什么它重要呢？因为它代表浏览器这个品类的转向。浏览器过去是给人用的工具，现在开始变成代理的运行环境。谁的代理能在浏览器里安全地替人干活，谁就抢到了下一层入口。

茉莉: 那顺着代理这条线走，下一个问题就很自然了：代理干活的时候，它从哪儿获取知识？如果一个团队里有好几个AI代理，还有一群人类员工，他们读写的知识能不能放在同一个地方？这就是OzBrain要做的事。

白桦: 它给自己的定位很直白，叫「代理知识的Dropbox」。AI代理和团队在同一个知识基盘上读写，不用每个代理各存一套、人类再另建一套wiki。

茉莉: 它有几个对我们这种在意数据的人很关键的特性：支持加密；承诺不用用户数据去学习；而且知识可以输出成markdown。最后这点很实用，意味着你的知识不是被锁死在它家平台里，真要迁移或者归档，格式是通的。

白桦: 从基础设施的角度看，OzBrain和Aside其实是一对。Aside解决的是代理的执行环境，OzBrain解决的是代理的知识共享层。一个管手脚，一个管记忆。

茉莉: 不过OzBrain也有它的未知点，就是和现有工具的迁移成本。团队已经有Notion、有Confluence、有散落的markdown文件，把这些搬进一个新基盘，代价多大、流程怎么改，这是它能不能被采纳的现实问题。

白桦: 好，代理有了运行环境、有了知识，接下来就看它在具体工作流里怎么干活了。咱们先聊开发这条线，因为今天有两个产品在这块思路非常一致：让AI代劳，但保持本地和透明。

茉莉: 先说TryCase，这个是把E2E测试变了形状的产品。传统E2E测试要写脚本、要维护、要等CI跑完。TryCase的做法是：每来一个PR，AI就真的去操作那个应用，然后生成一个视频走查，连同判定结果一起回传到GitHub。

白桦: 「视频走查」这个点我觉得特别值得展开。你不用去读测试日志，直接看AI怎么点你的应用，哪一步出了问题一目了然。而且它支持多个PR并行的验证，评审多个分支的时候不用一个一个排队等。

茉莉: 这里同样要标注：说AI能操作应用、能给出判定，这是厂商的描述。未知点也很明确——面对复杂应用，测试的准确率到底如何。一个有复杂状态、有权限流程的应用，AI点一遍能不能真的覆盖关键路径，这是没有证据的。

白桦: 再对照着看Oats，它是在另一个场景里贯彻同样原则的产品：会议记录。它是免费、开源、完全在设备上运行的。最大的特点是不会有机器人加入你的会议——录音、摘要全部在本地完成。

茉莉: 支持Mac和Windows，笔记可以保存成Markdown，还能直接存进Obsidian。对那种「开会不想被第三方听、又想要纪要」的人来说，这几个点组合起来就是它的差异化。

白桦: 你看，TryCase和Oats一个在开发工作流、一个在日常会议，但信条是一样的：AI替你干，数据留在本地，过程看得见。跟前面Aside的本地处理、OzBrain的加密不学习，其实是一脉相承的。

茉莉: 而且Oats开源这点还呼应了后面要聊的Deplo的开源选择。说到这，咱们就顺着开发工作流往下走——代码写完了、测试过了，接下来是部署。Deplo瞄准的就是这一步。

白桦: 它是一个自托管的PaaS，也就是你自己搭的平台即服务。痛点很清楚：传统自托管部署要碰Docker、要配SSH、要写YAML，对小团队和个人开发者门槛不低。Deplo的宣传点是这些都不需要，直接推送代码就完成部署。

茉莉: 除了部署本身，它还有预览环境、RBAC也就是基于角色的权限控制，而且能通过MCP让AI参与运维。你看MCP这个关键词，等下咱们还会在别的产品里再碰到它，这几乎是今天好几款产品的共同接口。

白桦: 开源许可上它选了AGPLv3，这点和Oats的OSS路线一样，是把「不被平台绑架」写进了许可协议。对在意长期可维护性的人来说是个信号。

茉莉: 它要回答的现实问题是：和Heroku、Vercel这类成熟的托管服务相比，功能差距有多大。自托管换来的是控制权，但运维的活儿总得有人干，AI参与运维能帮到什么程度，目前也是个问号。

白桦: 部署完之后，下一个环节是把内部能力开放出去。这就聊到Elva——它处理的是API这个问题。

茉莉: Elva的做法分两半。第一半是发现：它从代码里直接发现API，不需要你手写规格文档，就能生成API目录。对那种文档跟代码常年脱节的老项目来说，这省的是实打实的维护成本。

白桦: 第二半是统制：它用契约来控制公开范围，哪些API能对外、哪些只对内，由契约说了算。同时它提供托管的MCP服务器，带认证和分析。注意，又是MCP——跟Deplo的MCP思路正好呼应：让内外部的代理能够安全地使用内部能力。

茉莉: 把Deplo和Elva放在一起看特别有意思。一个让AI参与部署运维，一个让AI安全调用内部API，两块拼起来就是「代理进入开发全流程」的图景。未知点也很具体：Elva对大型遗留代码库的覆盖度如何，从代码里发现API这件事，代码越老越乱，难度越高。

白桦: 好，内部能力管好了，接下来就是往外走——怎么让客户用上你的产品。这就要聊Naoma V2了，它把AI放进了销售环节。

茉莉: 它的产品形态是「AI账户代表」：网站访客一来，AI就能立刻给他做产品演示，不用等人、不用约时间。厂商宣称累计已经完成了5万次演示，这个数字是他们的说法，我们就当作主张来对待。

白桦: 除了演示本身，它还有资格判定和CRM集成。也就是说它不只是给访客放个视频，而是把传统销售流程里的「筛线索、录系统」这两步也自助化了。真正的销售可以只接AI筛过的高质量线索。

茉莉: 未知点我们得诚实标注：演示的质量对复杂产品适不适配。简单工具的演示AI也许能做得像模像样，但一个需要按客户场景定制的复杂产品，AI能不能把价值讲清楚，这没有公开证据。

白桦: 销售触达的另一条传统通道是邮件，而邮件有个前置问题——你发的信根本到不了对方收件箱。Hello Inbox专门盯的就是这个：邮件送达率。

茉莉: 它的流程是先用AI去测试和分析你的送达情况，然后给出具体的修复步骤，不是泛泛地说「你的送达率低」，而是告诉你怎么改。它还带持续的监控，包括DMARC监测和进黑名单时的告警。

白桦: 对那种靠邮件做产品触达、做用户运营的团队来说，这是刚需。发不进收件箱，写得再好也是零。未知点在于各家邮箱服务商的规则更新速度——规则一变，工具的分析模型跟不跟得上，这是长期考验。

茉莉: 送达率管好了，邮件本身的活儿谁来干？这就是Slashy Assistant。它是AI原生邮件客户端里的AI助手，能起草回复、协调会议安排。

白桦: 它的差异化在跨渠道：可以通过iMessage、Slack，甚至电话来触发。而且自动化配置是用平文写的，不用你去点一堆界面菜单。跟Hello Inbox正好互补：一个管你的信能不能送到，一个管你的信怎么写。

茉莉: 不过它也有自己的问号：隐私与权限边界。一个助手能碰你的邮件、能经你的iMessage和电话发消息，它的权限到底划在哪，这是用户会不会放心交给它的关键。这一点目前没有详细说明。

白桦: 好，咱们把话题往外拉一拉。刚才聊的都是让AI替你执行，接下来这个是让AI替你调研——Nimble的Web搜索代理。

茉莉: 它的定位是领域特化、自我学习的网络调研代理。你不给它一个泛泛的搜索任务，而是给它一个特定领域，它会针对这个领域自我学习，适合企业调查、新闻监控这类需要「深潜」的场景。

白桦: 厂商强调的一个点是token节约——深入抓取的同时不把你的token烧光。对长期跑监控任务的人来说，成本是能不能一直开着的决定因素。

茉莉: 未知点也很清楚：自我学习的成本，以及结果的偏差。一个自己学习的调研代理，学偏了怎么办？结果的立场和准确性如何校验？这些目前没有说明。

白桦: Nimble这边其实还能跟Marqly的AI功能对照着看。Marqly 6.0是在书签管理里加了AI助手——它能根据你保存的内容回答问题，还会给出AI整理的方案。而且它支持MCP，能从Claude、ChatGPT那边直接接过来做保存和调查。

茉莉: 你看，Nimble和Marqly的AI功能是同一件事的两半：都让AI帮你搜集信息。Nimble是主动去深挖，Marqly是把你自己保存的东西变成可回答的知识库。区别在于Nimble面向公开网络，Marqly面向你个人的积累。

白桦: 调研的下一个环节是：信息被搜到之后，你的网站能不能被AI看见？这就聊到LLMagnet，一个WordPress插件，做的是「AI时代的网站可见性」。

茉莉: 它的具体功能列出来很实在：追踪AI爬虫的来访，也就是看看ChatGPT这类AI的爬虫有没有来过你的站；给出一个可见性评分；自动生成llms.txt；还会帮你改进结构化数据。

白桦: 这套东西合起来解决一个新问题：过去SEO是让你的网站在搜索结果里排前，现在多了一层——让AI在生成回答时引用你的内容。也就是大家说的GEO。你被AI引用了，流量结构就多了一条路。

茉莉: 而且有意思的是，Nimble和LLMagnet正好站在这条链的两端：Nimble是AI去调研别人的网站，LLMagnet是让你的网站被AI调研到。供需两头都在这批产品里出现了。

白桦: 未知点要标注：各家AI厂商对爬虫的规则不一样，而且会变。llms.txt和可见性评分这些做法，能不能被主流AI长期承认，目前没有一个统一标准。

茉莉: 好，重头的AI产品聊得差不多了，咱们换个节奏，看看给开发者和创作者的免费小工具。这类产品的共同点是：免费、在浏览器里、注重隐私。先说appdesigns。

白桦: 它是给你编辑App Store和Google Play应用截图用的。在浏览器里直接做，自带设备边框和标题文字，输出不限量、没有水印、不需要注册。

茉莉: 对准备上架或者更新应用的开发者来说，截图通常是外包或者用付费工具做的，这一下就省了。旁边还有个同气质的产品，Image to ASCII——把图片转成ASCII字符画。

白桦: 它强调所有处理都在浏览器内本地完成，免费、不需要注册。输出格式特别全：TXT、PNG、SVG、HTML、ANSI都能出。而且它还附了面向README和Discord的预设，也就是说它很清楚自己最常用的场景——给开源项目的说明文档和社区里加点视觉趣味。

茉莉: 这两个的未知点类似：模板的自由度。免费工具给你框和预设，但你要深度定制，能不能做到，得自己试了才知道。

白桦: 好呗，从浏览器小工具回到桌面，咱们聊今天最有趣的一组：桌面与系统工具的复古和趣味。先说MemoryPet 2.0。

茉莉: 这个产品的概念非常可爱：在Chrome工具栏上养一只宠物，这只宠物会根据你的内存和CPU使用率活动。系统忙，它就动得不一样。2.0版本加入了新的CPU追踪，宠物扩到8只，还加了图表和动画开关。

白桦: 动画开关这个细节我挺欣赏的，说明作者意识到「实时反映系统状态」和「省资源」之间要平衡。不过未知点也在这：一只持续活动的工具栏宠物，长期对性能的影响如何，这个没有数据。

茉莉: 同一条趣味线上还有AppZapper 3000，这是对macOS上经典卸载器的重新构建。它的交互很直观：把应用拖进去，它就找出这个应用散落在系统各处的相关文件，然后以一个3D激光动画把它删掉。

白桦: 「3D激光删除」听起来中二，但对一款卸载器来说，卸载 mac 应用最麻烦的就是相关文件散落各处，这一步是实打实的功能，动画只是让它好玩。MemoryPet和AppZapper拼起来就是桌面工具的一种路线：实用化与趣味化并存。

茉莉: 最后咱们用两个带怀旧味道的产品收尾。先说Afterglow——它把After Dark的经典屏保在现版macOS上复现了。

白桦: Flying Toasters，飞行的烤面包机，那可是老一代Mac用户集体记忆级别的画面。Afterglow的做法是原生执行这些经典屏保，而且不需要ROM。也就是说它不是模拟旧机器，而是把这些画面在现代系统上重新实现了。

茉莉: 不需要ROM这一点，其实是这类复古项目能不能合法长期存在的技术分水岭。不过它也有未知点：版权和长期维护。经典的画面版权归属复杂，项目能养多久也是问题。

白桦: 最后一个产品，OVO，走的是另一条「回归本质」的路：本地优先的音乐。它是面向iPhone、iPad和Watch的音乐播放器，以本地文件为中心，同时可以整合Apple Music等服务，还带10段EQ。

茉莉: 它的商业模式也值得一提：Pro永久许可，先到限1000人。跟现在流行订阅制相反，这是一次买断。对那种自己收藏音乐文件、不想被流平台绑死的人来说，这是一个明确的选择。

白桦: 把Afterglow和OVO放在最后收束今天这一期，其实特别贴题：一个让经典屏保回到现代桌面，一个让音乐回到本地文件。它们和Aside的本地处理、Oats的本地录音、OzBrain的加密不学习，是同一种态度——软件回归本质，把控制权还给用户。

茉莉: 没错。今天这一批产品从代理浏览器一路聊到飞行的烤面包机，跨度很大，但贯穿的主线就是这条：AI替你干活的边界越扩越大，而最让人放心的那批工具，恰恰是坚持本地、透明、开放的那批。

白桦: 当然，今天聊到的所有效果和数字都是厂商的描述，实际表现如何，尤其是那些标注过的未知点，还得等真实使用和社区反馈来验证。

茉莉: 好了，今天就到这里。感谢收听，我是茉莉。

白桦: 我是白桦，咱们下期再见。