1113 | 智能体时代的工具发布速览

||下载

节目备注

从代码智能体到视频制作,再到本地优先工具与开发者平台:本期快速浏览近期值得关注的 AI 工具与产品发布,拆解哪些是真正解决痛点的,哪些只是新包装,以及智能体开发与运维生态正在走向何处。

时间轴

  • 00:00:04 开场
  • 00:00:43 编码智能体的评测、监控与问责
  • 00:04:41 智能体的记忆、数据与沟通底座
  • 00:07:35 智能体开发平台与部署:从云端到本地
  • 00:11:51 营销、销售与客户沟通的智能体化
  • 00:15:15 工作流里的 AI 队友:创意与协作
  • 00:17:50 本地优先、买断制与人机监督
  • 00:21:17 收尾

相关信息

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。

文字稿

茉莉: 大家好,欢迎收听今天的产品快评,我是茉莉。

白桦: 我是白桦。今天我们还是围绕最近这批新产品聊,但今天这些产品背后有一条挺清楚的线索:智能体正在从能聊天、能演示的东西,变成真正要进生产环境、要被评测、被监控、要负责任的东西。

茉莉: 对,而且不只是编码智能体这一条线,营销、创意、日常沟通都在被同样的逻辑重写。我们今天就按这个思路,把最有内容的几块慢慢聊透。先从最硬核的开始:编码智能体的评测、监控和问责。

白桦: 这个话题其实是三个产品撑起来的。第一个是 Plurai 的 Simulation。它做的事情挺特别:在沙盒里建一个智能体世界的数字孪生,让智能体在里面跑评测。关键在于,它检查的不是智能体“说了什么”,而是真实的状态有没有变化。

茉莉: 这个区分很重要。很多评测其实就是看模型输出像不像正确答案,但一个会动手的智能体,光看输出是不够的,你得看它有没有真的改了数据、真的完成了动作。Plurai 是检查真实状态变化的,而且失败可以重放,你可以回过头看它是在哪一步走歪的。

白桦: 还有一点是它能跑在 Claude Code 和 Codex 里,也就是说它不是要你换一套开发流程,而是嵌进你已经在用的编码智能体环境。这对实际采用是加分项。

茉莉: 然后是智能体上了线之后的事,这是 three.dev 的地盘。它给线上的智能体流量打分,自动检测失败模式,而且是按严重程度排序的。

白桦: 这个排序很实际。因为线上智能体的失败不会只以一种方式出现,有些是小毛病,有些是灾难性的。你自己盯着日志看,很难判断哪个先处理。three.dev 帮你按严重度排好,然后更进一步:通过 MCP 把修复交给编码智能体。

茉莉: 所以整个闭环就是:线上发现问题,自动识别模式,然后把修复任务直接递给你正在用的编码工具。评测在上线前,监控在上线后,两段各自有人管。但中间还缺一环:问责。

白桦: 这就是 Oxagen。它把每一次编码智能体的执行关联到人、任务、改动、成本和结果。也就是说,出了问题你能回答“这是谁让哪个智能体在哪个任务上做的改动,花了多少钱,结果怎么样”。

茉莉: 它还带预算和审批。这个在团队场景里太重要了,智能体跑起来成本是不透明的,没有预算机制,财务上就是黑盒。加上审批,就是人在回路的基本形态。

白桦: 我们把这三个放一起看,其实正好对应智能体从演示走向生产的三个缺口:上线前的评测、上线后的观测、以及整个过程的问责。这三个工具各自补一块。

茉莉: 值得注意的是,它们目前还是各自独立的。下一步很可能是这几类工具互相打通,比如 three.dev 发现的失败模式,直接带着上下文进 Plurai 的沙盒里重放。但这些都还是推测。

白桦: 真正未知的,也是我们都该保持怀疑的,是这些东西在真实的大规模团队里效果如何。每个产品讲的故事都合理,但团队规模大了之后,评测的覆盖率、监控的噪音水平、问责数据的准确度,都还没经过独立验证。

茉莉: 同一个话题里还有第四个名字,Cloudways Velocity,它管的是另一件事:托管。它是托管 Node.js 环境,卖点是服务器始终预热,没有冷启动。

白桦: 冷启动这个问题对智能体应用尤其致命,因为很多智能体工作流是间歇性触发的,冷启动那几秒会直接毁掉体验。Velocity 用始终预热来解决,价格是统一的平价模式,部署走 Git。

茉莉: 他们还有个折扣码 BFCM802,八折。不过说回来,托管为什么和评测、监控放在一起聊?因为部署基础设施其实是第四个缺口。你有了评测、监控、问责,但如果环境本身不可靠,前面三样都白搭。

白桦: 而且托管这块正好能引到我们下一个话题:环境不只是跑代码的地方,还有专门存东西的设施,也就是智能体的记忆和数据底座。

茉莉: 对,这里有个很有意思的产品叫 Harness Memory。它解决的问题是:不同编码智能体框架之间,记忆是割裂的。Claude Code、Codex、Hermes,各自有自己的上下文和记忆方式。

白桦: Harness Memory 做跨环境的长期记忆,也就是同一个用户在不同 harness 之间能带着记忆走。而且有两个设计细节值得说:一是按用户隔离,你的记忆不会混进别人的;二是只有人类能删除记忆。

茉莉: “只有人类能删除”这条挺有态度的。它等于承认了一个风险:如果智能体自己能改写或删除自己的记忆,那记忆就不可信了。把删除权留给人类,是在架构层面做安全设计。

白桦: 但这里也有一个真正的未知数:跨框架记忆的边界怎么管理?Claude Code 的记忆格式和 Codex 的不一样,什么该共享、什么该留在某个框架内部,这个问题现在没有标准答案。

茉莉: 从记忆往下一层是数据结构,这是 Omnigraph 的地盘。它是开源的,MIT 协议,是一个对象存储的图数据库,专门面向智能体。

白桦: 几个特点:Git 式的分支,你可以给数据开分支、合并,像管代码一样管数据;类型化的本体,数据有结构定义;混合搜索;底层用 Lance 格式。对象存储加图数据库这个组合,本质上是承认智能体的数据既有文档属性又有关系属性。

茉莉: Git 式分支对智能体场景特别贴合,因为智能体做实验性操作时,你希望它能“开个分支试试,不行就回滚”。这在传统数据库里做起来很别扭,在 Omnigraph 里是原生能力。

白桦: 然后我们再看通信这一层,Hoy for Mac 是个很生活化的例子。它在 Mac 菜单栏里按人建频道,你可以拖文件给某个人,按住说话它会自动转写。

茉莉: 它的架构值得注意:基于 iCloud,没有自己的服务器,而且只有苹果生态。这意味着隐私模型很简单,数据走你的 iCloud,不经过第三方服务器。代价是跨平台能力为零,安卓和 Windows 用户用不了。

白桦: 这三个层次,记忆、数据、通信,合起来看,其实是同一个判断:智能体要长期可靠工作,底下得有像样的基础设施。记忆层决定它记不记得住你,数据层决定它的知识有没有结构,通信层决定它怎么和人及其他智能体交接。这几层现在都还没有标准化,所以每个产品都在自己定义。

茉莉: 可能的发展方向是记忆层和数据库层进一步标准化,就像当年的对象存储和 SQL 一样。但那是以后的事。

白桦: 说完底层,往上走就是开发和部署本身怎么被智能体重写。这块的产品最多,而且正好能分成云端和本地两边。

茉莉: 云端这边先看 CanyonOS。它是开源的,AGPL-3.0 协议,面向多智能体 Python 应用。它最独特的点是按智能体做容器级扩缩。

白桦: 这个设计值得展开。传统扩缩是按进程或者按服务,但多智能体应用里,不同智能体的负载差异很大,有的智能体闲着,有的忙不过来。按智能体扩缩意味着你可以单独给忙的那个加容器。

茉莉: 它还自带成本和可观测性,而且不用写追踪代码。这一点和前面 Plurai、three.dev 呼应上了:观测能力正在从“你要自己埋点”变成“平台默认给你”。

白桦: AGPL-3.0 这个协议选择也说明它主要是给自用和自部署的团队,想拿去闭源商用会有顾虑。这是开源协议上的一个实际约束。

茉莉: 然后是 Automattic 出的 Spacefast。它的定位是智能体无关的托管,专门给 AI 生成的网站和应用用。包含数据库、文件上传、版本历史,还有私密链接,可以免费起步。

白桦: “智能体无关”这个词很关键。它不管你的网站是哪个 AI 工具生成的,都给你一个能跑的地方。这其实是在赌一件事:未来会有大量 AI 生成的小应用需要部署,而现有托管工具对这类应用并不友好。

茉莉: 再看自动化测试这个环节,Blendra 的思路很反直觉。它把操作流程录制下来,输出的是你自己的 Playwright 项目,包含测试规格、页面对象,还有 CI 工作流。

白桦: 关键是它明确不用 LLM 生成代码,输出是确定性的。这个选择和当下“什么都让 AI 写”的风潮相反,理由也清楚:测试代码要的是可重复、可维护,LLM 生成的东西每次可能不一样,这对测试是灾难。

茉莉: 所以 Blendra 的分工是:人做不确定的创造性部分,录制和生成交给确定性工具。这其实给“智能体时代什么不该交给智能体”提供了一个答案。

白桦: 然后是设计环节,⌘+L,名字就是快捷键,读作 Letter。它让你像用 Figma 一样可视化编辑网站,而你的改动不是直接改生产环境,而是变成拉取请求,背后可以是 Claude Code、Codex,或者他们自己的 Letterpress-1 模型。

茉莉: 这个产品把两个世界接起来了:设计师用可视化界面改,工程师收到的是标准的 PR 流程。改动不绕过代码审查,这和 Blendra 的思路在精神上是一致的,都是把 AI 参与放进已有的工程规范里。

白桦: 本地优先这一侧,先看 mang.sh。它把自然语言转成终端命令,用 Rust 写的,MIT 开源,可以走本地的 Ollama,也可以用 OpenRouter 的云端模型。

茉莉: 它有一条不能妥协的线:命令必须经过你确认才执行。这不只是安全功能,而是产品哲学。终端命令出错代价太高,所以它把最后一步永远留给人。

白桦: Sluice 则管另一件本地的事:清理。它清 Xcode、Docker、Rust、Go、npm 这些工具留下的残留文件,但明确不碰你的构建产物和代码。

茉莉: 创作者自己实测释放了 61 GB。这个数字是他自己的说法,我们没法独立验证,但作为开发者的日常痛点,Xcode 和 Docker 的缓存吃硬盘确实是公认的问题。

白桦: 把云端和本地这两边放在一起,这一节其实浮现出一条分界线:开发与部署正在被智能体重写,但安全和确定性是各家划线的地方。Blendra 拒绝 LLM 生成测试代码,mang.sh 强制确认,Sluice 明确不碰代码,⌘+L 把改动送进 PR 流程。真正大胆的,反而是 Spacefast 和 CanyonOS 这种在平台层全盘接受智能体的。

茉莉: 好,从开发转到生意这一头。营销、销售和客户沟通这块,今天的样本特别能说明一个转向:从批量触达转向能实际成单的对话式智能体。

白桦: 先看老牌厂商怎么应对。Customer.io 的秋季发布有三样东西:智能体建议的实验、旅程分支实验,还有 Design Studio 作为默认编辑器加上智能体草拟功能。

茉莉: 值得注意的是,Customer.io 没有把智能体做成一个独立产品,而是把它拆碎,塞进已有的实验和编辑流程里。智能体建议实验,人决定跑不跑;智能体草拟内容,人审核发布。这是成熟平台吸纳 AI 的典型姿势。

白桦: 新一代的打法更激进。Sendr V4 用一个 AI 副驾驶,在画布上帮你搭 GTM 流程。它的数据规模是 550 兆以上的联系人库,渠道覆盖邮件、LinkedIn、WhatsApp,而且支持个性化的语音和视频消息。

茉莉: 个性化语音和视频是个有意思的方向,因为文字外联已经泛滥到没人看了,语音和视频至少在形式上还有新鲜感。但规模和个性化之间始终有张力,550 兆联系人的库配上真正的个性化,实际效果如何是要打问号的。

白桦: 然后是直接面向消费者的 Neura。它给消费品牌做智能体对话式店面,能推荐商品、查库存、完成购买,还会记住顾客。

茉莉: “记住顾客”这一点把它和记忆那个话题连起来了,消费级的对话式购买,没有记忆就是每次都从零开始的陌生人,有记忆才是真正的店员体验。当然,记住顾客也带来数据合规的整套问题,这个源头里没有展开,我们就不多猜。

白桦: 语音这个渠道单独有一个产品:Insight7 的语音智能体,外呼和呼入都做,配置只需要一句话。有个细节我很欣赏:上线之前强制你要做一次测试通话。

茉莉: 这个强制试打很聪明,它承认了语音智能体翻车的风险,用流程把最差的翻车场景拦在上真实客户之前。结果汇总成单一报告,这也是在减少使用门槛。

白桦: 这一块还有个技术上很不一样的东西:西班牙语来源的 Gemini Decisions API,用的是 Gemini Decision 1 模型。它单次请求可以回答最多一千个问题,150 到 250 毫秒内返回,而且结果带置信度。

茉莉: 一千个问题一次问、两百毫秒返回、带置信度,这个形态明显不是给人用的,是给上游智能体当决策引擎用的。置信度是个好设计,下游智能体可以根据置信度决定要不要问人。

白桦: 把这五个放一起看,营销侧的竞争焦点正在转移:从谁的触达量大,转向谁的实验机制更细、个性化更精准。Customer.io 的旅程分支实验、Sendr 的个性化音视频、Neura 的记忆式店面,都是在比精度。

茉莉: 但有一个共同的未知数,也是我们应该明确提醒听众的:转化数据的独立验证。这些产品讲的都是能力,不是经过第三方核实的结果。营销工具的“效果”历来是水印最深的领域,听听就好,别当结论。

白桦: 接下来这一块是创意和协作,也是“AI 队友”这个说法最有肉的地方。核心是 Adobe 的 AI 助手,它横跨 Photoshop、Premiere、Illustrator、InDesign、After Effects、Firefly 和 Frame.io,整个创意套件。

茉莉: Adobe 这个覆盖面的意义在于,它不是给某一个工具加个聊天框,而是横跨工作流的助手。而且它生成的是可审阅的计划,不是直接动手改你的文件。

白桦: “可审阅的计划”这个设计和前面好几家是一脉相承的:Harness Memory 只让人删记忆,mang.sh 强制确认,Insight7 强制试打,Adobe 让你审计划。大家都在解决同一个问题:智能体动手之前,人得有机会说不。

茉莉: 本地那边的对照是 YouArt Desktop。它在你的本地机器上做智能体优先的视频生产,通过 computer use 操作 After Effects、CapCut 和 Blender,API 密钥你自己带。

白桦: 用 computer use 操作真实软件,而不是调 API,这个路线很务实。After Effects 和 Blender 的能力没有任何 API 能完整暴露,直接操作界面是唯一能吃到全部功能的方式。本地跑加自带密钥,意味着数据不出你的机器,成本你自己控。

茉莉: 协作这边是 Grok Bot 1.0。它是可以分享到 Slack 和 Teams 的 AI 队友,能加入会议,会主动接活,还会学习团队偏好。

白桦: “主动接活”这三个字是这一代产品和上一代的分水岭。以前的助手是你说它做,现在的队友是自己看见活儿然后伸手。这当然效率高,但也意味着监督机制的成熟度直接决定它是帮忙还是闯祸。

茉莉: Toki Matter 把这个监督机制做成了产品核心。它从邮件、日历和 Slack 里持续追踪你的进行中目标,产品里叫 Matters,每个要执行的动作都需要用户审批,必要时人工介入。

白桦: 所以这一节的图景是:助手正在从聊天框变成会动手的同事,Adobe 在创意工具链里动手,YouArt 在本地视频生产里动手,Grok Bot 在团队沟通里动手。而 Toki Matter 干脆把“人怎么监督一个会动手的助手”本身做成了产品。

茉莉: 未知的还是那一条:生产力提升能不能经第三方验证。这些演示都很漂亮,但“AI 队友到底省了多少时间”,目前只有厂商自己的说法。

白桦: 最后一块,我们把散在各处的本地优先、买断制和人机监督的产品收拢起来聊。这一组其实是一种共同立场:对云端订阅和黑盒智能体的正面回应。

茉莉: 先说笔记这条线,有两个产品。WizardNote 是手机端的,iPhone 和安卓都有,在设备上用 Whisper 做转写,AI 处理之前先把个人信息匿名化,笔记可以导出 markdown 到 Obsidian,Pro 是一次买断。

白桦: 注意它把隐私拆成了三层:数据不出设备,出设备的部分先脱敏,而且格式不锁定,随时能带走去 Obsidian。这三层比单纯说“本地处理”要完整得多。

茉莉: Yogurt 走得更彻底。它是开源免费的 AI 会议笔记应用,百分之百本地,而且没有会议机器人,也就是说它不加入你的会议,支持 Mac、Windows 和 Linux。

白桦: “没有机器人”这点在会议笔记这个品类里是个明确的差异化。市面上主流的会议笔记工具大多要一个机器人进会,这对很多团队是不可接受的。Yogurt 完全本地、无机器人、免费开源,把门槛降到了零。

茉莉: 这两个产品加上我们前面聊过的 Hoy,三家押的是同一个东西:隐私和本地处理。它们赌的是有一群用户,宁可功能少一点,也不要数据上别人的服务器。

白桦: 买断制这边是 Nameshot。它是个 Mac 应用,用 Apple Intelligence 在设备上自动给截图命名,而且会从你的纠正中学习。Pro 是一次性的 4.99 美元。

茉莉: 从纠正中学习是个不错的细节,因为截图命名的“正确”完全因人而异,你的项目、你的习惯,机器猜不如学。4.99 美元买断对比订阅制,是定价上的另一种表态。

白桦: 人机监督这边,Gnista 是个很形象的产品。它驻在 Mac 的刘海那里,监控最多 28 个编码智能体,通过 SSH 连接,一旦某个智能体请求权限,就立刻提醒你去审批。

茉莉: 28 个智能体同时跑,这在几个月前是不可想象的场景,现在已经多到需要专门的审批面板了。这恰好印证了我们开头说的:智能体规模化之后,审批本身成了瓶颈,所以有人为审批做工具。

白桦: 最后一个,Didit,它发布了一个 MCP 服务器,里面有一百一十五个身份和欺诈相关的工具,覆盖 KYC、KYB、AML 这些合规场景,接入了 Claude、ChatGPT 和 Cursor,每个月有 10 美元的免费额度。

茉莉: 这个产品的意义在于它把一个高度受监管的领域,身份验证和反洗钱,变成了智能体可以直接调用的工具集。以前这些能力是合规团队的专属,现在一个编码智能体在 Cursor 里就能调一百多个身份工具。

白桦: 当然,这也让人想问:把 KYC 和 AML 这类能力暴露给智能体,审批和审计怎么跟上?好在它的形态是 MCP 工具,调用是留痕的,而且免费额度存在说明它预期你会控制用量。

茉莉: 把这一组收个尾:本地优先解决的是数据归属,买断制解决的是商业模式,人机监督解决的是控制权。三个都是对同一个趋势的反应,智能体越来越强、越来越贵、越来越不透明。

白桦: 最后我们整体收一下。今天这批产品,从评测监控的 Plurai 和 three.dev,到记忆的 Harness Memory、数据的 Omnigraph,再到部署层的 CanyonOS 和 Spacefast,营销侧的 Sendr 和 Neura,创意侧的 Adobe 助手,最后是本地方阵的 WizardNote 和 Yogurt,它们共同回答一个问题:智能体怎么从演示变成日常。

茉莉: 答案拆开是四件事:上线前能评测,上线后能观测,全程有人问责,底层有可靠的设施。今天看到的每一家,都在四件事里占一格。

白桦: 还没有答案的问题也很清楚:大规模团队里的真实效果、跨框架记忆的边界、转化数据的独立验证、生产力提升的第三方核实。这些我们都只能留给时间。

茉莉: 就聊到这儿,感谢收听,我是茉莉。

白桦: 我是白桦,下次见。