邱懿武
工作台

AI 建造者日报 2026-11-07

基准测试正在失去公信力,真正拉开差距的是“可靠性”与“随时间主动为你做事”的 Agent。

整理日期

渠道:AI 建造者日报 · 体裁:日报 · follow-builders(上游 X/播客/博客 + 本地补充源)


今日亮点

  1. Jev(决策模型)创作者谈“基准疲劳” — TypeSave CEO 在 Unsupervised Learning 上直言:整个行业陷入“过度承诺、交付不足”的循环,开发者已被骗到不再相信任何新模型发布。他给出的北极星是可靠性而非基准分数,并主张“先自动化 LLM 做不好的简单任务,再去啃软件工程这种难任务”。

→ 启发:别用榜单挑模型,用自己的真实任务做评估;落地顺序应从“高频、无聊、可验证”的环节切入。

  1. Guillermo Rauch:Agent 的杀手级应用是“随着时间为你持续做事” — 记忆在夜间自动整理、早上提醒你、按“距上次交互 N 天”主动发消息。Vercel Schedules 被形容为“Cron 加强版”,可在运行时定义、无限伸缩、跑在沙箱之外。

→ 启发:Agent 的差异化不在单次对话质量,而在持久记忆 + 定时触发 + 主动介入。

  1. Thariq 的位置触发提醒(2351 赞) — 一条高赞提示词示范了新的交互范式:Agent 记录你的行为状态,在“你到家 30 分钟后”这类正确时机主动提醒,直到你确认或推迟。

→ 启发:下一代 Agent 的价值是“在正确时刻出现”,而不是等人来提问。

  1. Aaron Levie:企业未来会有“100 倍于员工”的 Agent — 每个 Agent 落地成败取决于能否拿到关键上下文;而企业 90% 的数据是非结构化的,上下文散落在文档、合同、邮件里。

→ 启发:企业 AI 的真正门槛是上下文可及性,不是模型能力。

  1. Claude 上线个人理财(3 万+ 赞) — 只读接入用户账户,用日常语言回答资金问题,明确不移动/管理资金,无广告、无赞助推荐。

→ 启发:“只读 + 无广告 + 明确能力边界”是赢得用户信任的产品范式。

机构视角

阅读原文

阅读原文

阅读原文

阅读原文

对我们的价值

  1. 观点(Jev):先把“LLM 都做不好的简单任务”自动化掉,可靠性 > 排行榜。

→ 对我们的启发:造物云 KA 服务里,别急着上“设计全流程 AI”,先把设计物料审核、报价单核对、客服工单分类这类高频、规则明确、今天还靠人肉的环节做成决策型 Agent,用可验证的准确率说话。本周可挑 1 个环节做基线测试。

  1. 观点(Rauch + Thariq):“随着时间为你做事”+“在正确时机主动出现”才是 Agent 的形态。

→ 对我们的启发:给小龙虾 / 造物云 Agent 团队补上持久记忆 + 定时触发(cron/schedules),把 Agent 从“等指令的工具”改造成“会主动推送的对象”——比如客户项目节点到期前自动提醒负责人、素材到期自动续期。这是当前最容易被忽略、投入产出比最高的升级。

  1. 观点(Levie + a16z 按结果定价):Agent 成败取决于能否拿到关键上下文,而 90% 上下文是非结构化数据;企业软件正在从卖席位转向按结果收费。

→ 对我们的启发:面向企业转型客户,把“客户文档/合同/历史项目的结构化”当成 Agent 交付的前置工程来卖(可作为独立入场服务);同时试点把造物云 KA 的部分报价从“卖人天”改为“按交付结果”计费,降低客户决策门槛。