0923 | AI 代理上岗:一周工具精选

茉莉: 大家好，欢迎收听今天的节目，我是茉莉。

白桦: 我是白桦。今天的这期，我们想把一批新产品放在一起聊，看看它们在各自的位置上到底想解决什么问题。

茉莉: 先说好一点：这些都是产品自己发布的介绍，我们把它当作“说法”来转述，而不是当成已经验证的结果。哪些站得住、哪些还有疑问，我们会边聊边提。

白桦: 那我们就从最热闹的话题开始——AI 代理走进工作流。

茉莉: 这个方向最近出现了好几种形态。第一个叫 Brev，是一个“AI 同事”的定位：它待在 Slack 或者 Teams 里，帮你追目标、准备会议、做跟进，号称支持五十多个集成。听起来像是把项目管理和沟通助手的活儿合到聊天工具里。

白桦: 我觉得有意思的点在于它不占一个新工具，而是直接住进大家已经在用的工作方式里。团队不用再开一个新的面板，开会、问进度、追事项，都在聊天窗口里发生。

茉莉: 但也正因为这样，会有边界问题：一个 AI 在工作群里替你跟进度，哪些话该它说、哪些该等人确认，这是这类产品必须回答的。另外“50+ 集成”是产品方的说法，实际接得有多深，得用的人才知道。

白桦: 对。那再看另一家，Plane 的做法更结构化。它把 AI 代理当成正式的“工作区成员”，代理带的是 playbook、技能和触发器——也就是预先定义好的做事流程，而不只是随口应答。而且他们说不收额外的席位费。

茉莉: 这跟 Brev 是两种思路。Brev 是聊天里的同事，Plane 更像给代理一个“岗位说明书”。playbook 这个概念很关键：你把流程写清楚，代理按流程干，出错的可能性小一些，但也意味着前期要有人把流程设计出来。

白桦: 席位费这点也值得注意。传统 SaaS 按人头收费，代理算不算一个人？Plane 说不算，这其实是在表态：AI 是便宜了协作，而不是新增一笔账。

茉莉: 然后是数据这块。Anomalo Analyst 让代理去盯数据仓库，趋势和异常都用大白话解释。以前数据监控工具报警，出来的可能是一条冷冰冰的指标曲线，现在它用自然语言告诉你“发生了什么”。

白桦: 这个对谁最有用？我觉得是中小团队里没有专职数据分析师的那种。有人替你守着仓库数据，出了异常用人话解释，降低了使用门槛。

茉莉: 不过要提醒的是，“用大白话解释”的解释质量，取决于底层模型的判断，这类说法目前都是产品方自述，真实场景里误报漏报多不多，还得看。

白桦: 还有一条支线，Fez,它的形态很不一样——一个 Mac 应用，把 AI 代理做成聊天室里的成员，底层是 Jev 模型做路由和决策，协议用的是 nostr,而且 MIT 开源。

茉莉: 这个可以看成代理协作的另一种想象：不是代理进入企业工具，而是代理进入一个开放的社交协议里，大家在一个聊天室里一起干活。开源加开放协议，意味着别人可以拿去自己改、自己部署。

白桦: 我们把这几个放在一起，其实能看到一个共同的问题：代理进工作流的边界在哪？是当同事、当成员，还是当聊天室里的搭子？以及下一步会不会出现代理与代理之间的分工——你派一个代理去备会，它再派一个去查数据。

茉莉: 这是留给我们观察的问题。顺着代理这个话题，我们往下走一步：代理要干活，背后得有模型。聊聊模型和应用入口这条线。

白桦: 先说小米的 MiMo-V2.6。这是一个开源的全模态模型系列，分 Pro 和 Flash 两档，上下文做到一百万，而且权重和强化学习代码都公开了。

茉莉: 全模态的意思是不只处理文本，图像等其他输入也在能力范围内。一百万上下文算是很长的窗口。权重加 RL 代码都放出来，这对研究和自部署的团队是实打实的诚意，不过“开源了”不等于“你机器上跑得动”，大模型的部署成本还是门槛。

白桦: 另一边是商用的 xAI 的 Grok 4.7。主打代码和长任务，定价是每百万输入 token 两美元、输出六美元，已经进了 Cursor、Grok Build 和 API。

茉莉: 这就形成了双轨竞争：开源这一轨，拼的是可自己掌控、可魔改；商用这一轨，拼的是开箱即用和生态接入，比如直接进 Cursor 这种开发者已经在用的编辑器。用户的选择其实变成“我要控制权还是要省事”。

白桦: 然后还有第三条线：合规托管。2BA.AI 提供欧盟托管的基础设施，零日志，兼容 OpenAI 的接口，定价是每月二十欧元、五小时窗口内四千五百次请求。

茉莉: 这条线代表的是欧洲市场对数据主权的需求——模型能力可能不是最前沿，但“数据不出境、不留日志”对某些企业和地区是硬要求。接口兼容 OpenAI 意味着换起来成本低，代码几乎不用改。

白桦: 顺便补一句这个生态里的安全工具：gg-friggin-ez,一个免费的 Node.js 脏话和毒性过滤器，走 Jev 和 Laya 的模型，多语言，还专门考虑了防绕过——就是有人故意换个写法想骗过过滤器的情况。

茉莉: 模型越普及，内容安全这类配套就越必要。好，模型讲完了，我们聊一个更具体的变化：编码代理正在变成创作代理。

白桦: 这是我觉得这批产品里思路最跳的一个。VideoFlow Studio 是一个 npx 工具——你在终端跑一下，你的编码代理拿着你网站的 URL,把它变成一支可编辑的发布视频。

茉莉: 注意这里的关键词是“可编辑”。它不是生成一段黑盒视频交给你，而是产出能改的东西。这对独立开发者很有针对性：产品做出来了，没人给做宣传视频，让已经在写代码的代理顺手把营销素材也做了。

白桦: 类似思路的还有 Clueso 的 MCP。MCP 可以理解成给编码代理接外部能力的一种标准接口。Clueso MCP 让你通过 Claude 或者 ChatGPT,从一个点子或者一段录屏出发，生成视频，而且输出是完全可编辑、保持品牌一致的。

茉莉: 这两个都在回答同一个问题：编码代理能不能跨出代码，去做视频这种“创作类”的活儿。厂商的说法是可以，但视频质量到底够不够发，这是用户的实际判断题，我们不替它们下结论。

白桦: 再看 WeWeb 的 MCP,方向是把代理变成应用建设者。AI 代理可以在 WeWeb 里搭页面、接数据、写工作流，然后人在可视化编辑器里审查。

茉莉: 这里“人审”这个环节设计得比较聪明。代理干活，但产品最后是人过目再定稿，这在低代码场景里是一个比较稳的分工。

白桦: 然后是两个服务开发流程本身的产品。ResumeContext 也是一个 MCP,它把不同编码代理的会话——Claude、Codex、Cursor——合并成一个按项目组织的文件。解决的是很真实的痛点：你今天用这个代理、明天用那个，上下文散落一地。

茉莉: 它是免费 beta。对同时用好几个 AI 编码工具的人来说，这像是给工作记忆做个归档。另一个是 Robot Voice Bridge,一个 Mac 应用，服务 ElevenLabs 的配音流程：用标签管理配音素材、支持 IPA 标音，还能把音频直接送到 Pro Tools 或 Logic 的播放头位置，每月十二美元。

茉莉: 这个很垂直，是给专业配音和音频制作人的。你注意到了吗，这几个产品连起来看，MCP 正在把编码代理变成一个通用执行端——它原本只会改代码，现在能做视频、搭应用、管上下文、进音频流程。

白桦: 对，而且 Freebuff Ads 这个例子反而从侧面证明了这一点：有人开始在编码代理里面投广告，号称触达五十万开发者，按点击付费，还送五百美元额度。

茉莉: 商业逻辑很简单：开发者大量时间花在编码代理里，那广告就跟过去。但这也有值得琢磨的地方——代理环境里的广告，注意力和信任问题都更敏感，这是新模式要自己趟出来的。

白桦: 好，往上走一层，我们聊数据和底层设施——为 AI 时代重新造的基础件。

茉莉: 先说 SereneDB,一个开源引擎，同时兼容 Postgres 和 Elastic 的接口，主打快速全文检索加分析能力，他们自称跑出了顶级基准。

白桦: “自称”这两个字很重要。基准测试是谁跑的、怎么跑的，外人不清楚，所以我们对“顶级”保留态度。但产品定位是清楚的：想用一个引擎同时吃下检索和分析两种负载，减少你维护两套系统的成本。

茉莉: 然后是 Valori,它做的是 AI 的记忆层，包含向量、图谱，还有确定性的状态表示——用 Q16.16 这种定点数格式——以及 BLAKE3 校验来保证数据完整性，提供 Python 和 TypeScript 的 SDK。

白桦: 这里的卖点是“确定性”。AI 代理要可复现、可审计，记忆这一层就不能是黑盒。BLAKE3 校验意味着你存的记忆有没有被改过，是可以验证的。这对要把代理用到严肃场景的团队是个基础需求。

茉莉: 再往下是 Vercel 的 vgpu,一个 TypeScript 的 WebGPU 库，面向 agent 场景：带类型化的 WGSL shader,能在浏览器、Node 无头环境和 CI 里跑，体积二十五 KB。

白桦: 这个解决的问题挺具体的：GPU 计算以前基本被锁在浏览器 demo 或者专用环境里，现在想让 agent 在任何地方——包括持续集成这种无显示的环境——都能跑 GPU 任务，这是一个通用化的尝试。

茉莉: 最后是这个板块的安全侧:Prowler Cloud,开源的云安全产品，覆盖 AWS、Azure、GCP 和 Kubernetes,做法是确定性检查加上代理式 AI,还有 MCP 接入，下载量号称四千五百万以上。

白桦: “确定性检查加 AI”这个组合值得说一下：合规检查要可复现，就用规则；模糊的部分，比如解读和修复建议，交给代理。这个设计和前面 Valori 的思路是同一个哲学——底座要确定，智能放在上层。

茉莉: 那接下来我们换个场景，从后端回到桌面，聊聊 Mac 和桌面上的新东西。

白桦: 先说最大的那条新闻：Googlebook,一台为 Gemini 设计的笔记本，和安卓手机深度同步，八百九十九美元起，预订单已经开了。

茉莉: 这说明 Google 想把 Gemini 从网页和手机搬到你桌面的第一入口。跟安卓同步意味着手机和电脑之间的连续性是设计目标，而不是事后补的。不过“为 Gemini 设计”到底给使用体验带来多少实际差别，要等真机评测。

白桦: 然后是几个 Mac 上的小工具，每个都很精。QuietGlass,免费开源的 Mac 应用，它做隐私保护：检测到有人靠近，或者你把视线从屏幕移开——配合 AirPods 的状态——就把屏幕模糊掉。

茉莉: 这是个很贴心的场景化设计。开放式办公室里，你不需要锁屏，它自动帮你挡一下。开源意味着可以自己审查它有没有偷偷干别的。

白桦: 另一个是 Blurt,同样是开源的 Mac 应用，push-to-talk 的听写工具，用 AssemblyAI 的 Dictation API,按下说话，文字直接出现在你光标所在的位置。

茉莉: “光标处”这个细节很关键——它不弹窗、不进剪贴板，就是像你亲手打字一样。再加上 Edyt:它在 Mac 和 Windows 上都能用，一个快捷键就在任何应用里改写或翻译光标处文字，还能读屏幕和 PDF,免费档号称每天大约一百三十次编辑。

白桦: 把这三个放一起看，趋势很明显：桌面端的个人 AI 助手在普及，而且都在往“不打断你现有流程”的方向做——就地模糊、就地听写、就地改写。

茉莉: 前面聊的都是干活，最后我们聊聊沟通、学习和内容生意这块。

白桦: 先说打电话这件事。Hola AI 提供一个 AI 语音信箱：它替你接电话、过滤垃圾电话、然后给你发摘要，定价是每月四块九毛九，前六个月这个价。

茉莉: 它改变的是“错过电话”的体验：你不用回听留言，直接看摘要。当然，让 AI 替你接电话，哪些来电它该接、哪些该转人工，这是用户要自己调的边界。

白桦: 学习这块是 Keet,一个 iOS 应用，来自 YC,它给任意主题生成 Duolingo 风格的短视频课程，有两次免费生成课程的机会，之后用付费积分。

茉莉: Duolingo 式，意思就是把知识拆成短小、有反馈的片段。门槛降低了，但课程质量取决于生成模型对主题的理解深度，这点用户要自己把关。

白桦: 内容生意这边，Xem 是开源的邮件营销工具：可视化编辑器、自动化流程、两百多个模板，发信走你自己的 Amazon SES 或者 SMTP 通道。

茉莉: “发信走自己的通道”是它的差异化——很多邮件工具在发信量上收费很贵，Xem 让你自己接 SES,成本自己控制，又是开源，适合想省钱、想掌控数据的小团队。

白桦: 写作这块有 thestory.run,一个针对 LinkedIn 帖子的写作教练。它的做法不是替你写，而是教练先采访你、问你问题，然后由你来写。免费额度是五个人以内。

茉莉: 这个定位跟一大堆“AI 帮你写”的产品正好相反——它是逼你自己产出观点，AI 负责提问和引导。对想在 LinkedIn 建立个人声音的人来说，这可能比代写更对口。

白桦: 最后一个挺有意思的：Jev Wrapped,它分析 Telegram 频道，用 Jev 模型给一千五百条帖子打分，量化一个频道里广告和标题党的占比。

茉莉: 这等于给内容频道做了个体检。配合一个相关的发现——ReallyFree,一个浏览器扩展，用绿、黄、红圆点标记搜索结果里哪些东西是真的免费，哪些是挂着免费名义收费的——你会发现 AI 正在接管沟通的两侧：一边替人说话、收邮件、上课，另一边替人筛内容、识别套路。

白桦: 聊到 Jev,我们再单独说一小段，因为它这个生态里出现了几种不同的延伸，前面零零散散提到过。

茉莉: 第一个是 Fez,我们开头聊过——基于 nostr、MIT 开源、Jev 模型做路由的代理聊天室。这是 Jev 在协作场景的延伸。

白桦: 第二个是刚才的 gg-friggin-ez,免费的毒性过滤，这是 Jev 在内容安全上的延伸。

茉莉: 第三个是 Freebuff Ads——注意这是一个产品：把广告投放做进编码代理这个环境里，触达五十万开发者，按点击付费，送五百美元额度。这是 Jev 生态在商业化上的延伸。

白桦: 放在一起看挺有启发：同一个模型生态，一边往开源协作和安全走，一边往广告变现走。一个生态健康不健康，往往就看这几条腿能不能同时站住。

茉莉: 好，最后我们把今天剩下的日常工具收一下，这些都是给个人和小团队的效率杠杆。

白桦: 先说 Diurnal,一个 Mac 应用，用 Option-Command-K 或 Option-Command-L 这个快捷键，把任务一键收进 Google Calendar,支持离线，还带每周规划。

茉莉: 它解决的就是“想到一件事，要切到日历、找时间、填表单”这个流程太长的问题，一个快捷键直达。

白桦: 然后是 WZRD,它把文档、幻灯片、表单、表格变成可以对话的 AI 体验——用户不是翻文件，而是直接跟这些材料“聊”。

茉莉: 这对客服、内部知识库这类场景很直接：把静态材料变成问答入口。接着 PixelCrew,一队 AI 设计代理，从调研、定方向、画线框到产出生产级的 HTML,目前是免费 alpha,自带 API key。

白桦: “自带 key”意味着成本你自己控制，团队不用担心产品方加价。它是免费 alpha,所以成熟度要自己评估，但“从调研到 HTML”这条链路如果真跑通，对小团队出原型是很大的加速。

茉莉: 运维侧是 Pulsetic RUM:在可用性监控里加入真实访客的 Core Web Vitals 数据，报错还能按页面、按国家细分。

白桦: 这跟传统拨测的区别在于：拨测是机器模拟访问，RUM 是看真实用户实际经历的加载和报错，两者结合才是完整的监控画面。

茉莉: 最后再提一次 ReallyFree,前面说过了——搜索结果旁边一个红绿灯圆点，告诉你这东西到底免不免费，而且宣称不追踪用户。

白桦: 今天聊的这些，其实都指向同一个画面：AI 代理开始进入工作的每个环节，从模型、基础设施，到桌面工具、沟通和学习，每一层都有新产品在落子。

茉莉: 而我们要做的，就是把产品方的说法当成说法，等真实的使用证据慢慢积累。今天就聊到这里，谢谢收听，我是茉莉。

白桦: 我是白桦，我们下期见。