Victor Guo

Founder of Pikpop — building the AI-native bridge between China’s supply chain and global small businesses.

[张立行 @bylixing]

年度好文，在 openAI 和 Anthropic 之外直观展现新时代 AI-Native 的组织形式。

小团队+大量 Agents，Agents First，充分的 context & Loop。

- Spond 是一个大规模多人在线游戏创作平台，团队只有10 个人，但每月 token 支出是 320万美金，Anthropic 的大客户之一。

- Day one 就有充分的 context 意识，所有录音、代码全部存档，等待 agent 能力足够强的时候使用。

- 在 fable5 推出之前，整个长期在线的 agents 舰队（fleet） 是无法实现的。：苦涩的教训再次出现，模型够强碾压一切工程补丁

astra 过度谨慎、grok 不够聪明、gemini 长程任务能力差。anthropic 系列模型不够有野心。

- 非常激进的策略。通过删除 Pr 来消除智能体通信瓶颈

原因：智能体不像人类那样专业化分工，它们对整个系统有深入理解，因此通信没有实际意义。

通过 15 分钟一次的全量测试+充分的回滚能力+分级控制（付款等敏感操作额外处理），来平衡生产稳定性和开发速度。

过去一年 12 万次改动，只回滚了 0.9%

- 构建了自愈式软件系统

传统流程中，智能体在测试机上运行并等待人类反馈漏洞信息，形成巨大瓶颈

新的方案：问题在影响玩家 8 分钟后被检测到，1 分钟内被命名归类，又过了 11 分钟后完成修复，平台随后稳定运行 4 小时

- 瓶颈转移，进一步解构 ceo 的职责。

其他环节太快了，导致问题产生的速度超过了 ceo 决策的速度。

早上醒来竟然有七百个问题等待回答。

好在之前有充分的决策记录，所以干脆让 agent 基于历史材料训练一个裁判，过滤出哪些决策真的需要人类做，哪些可以直接基于经验直接回答。要决策的案例直接下降了一个数量级。

- 关于人类决策的重新定位：品味和野心。

工程能力廉价，需求也繁荣，但知道什么时候 say no 还是很难。

充分的野心去想象一切可能，不要 2% 的改进，我要一百倍的提升。我不管，怎么做是你 claude 的事情：）https://t.co/kJHKWjasCG ，和前阵子 claude 工程主管的帖子完美印证。

- 为什么这套体系很难被大公司复制，换言之，怎样复制这套体系：

1. 必须构建 Loop ，人类的重要工作是消除 Agent loop 中的瓶颈。

2. 愿意承受风险。敢不敢让 agent 进生产环境还能控制住爆炸半径?

3. 基于 agent 去设计组织架构，而不是直接复制人类的组织架构：也就是前几天说的基于 Context 去组织 Agent，而不是意淫什么三省六部。。。

---
https://t.co/UWegSXTHYt

这是我前两天写的文章，讲的是在构建组织的过程中，怎样基于 Context & Loop 让组织吃到模型能力变强的红利？

但是因为物理世界还是有很多限制，所以我能实践的实际上是一个二流方案；而在软件行业，实际上可以直接去做一个一流方案。

很开心能看到这种真实一线的一流方案案例。

[金尘马 @jinchenma_ai]

方法之前写过文章：
https://t.co/P3QuIz7YI9

[Elon Musk @elonmusk]

That’s what I do too. Just have @Bot buy it somewhere else at a lower price.

[Elon Musk @elonmusk]

If you look closely enough, breakthroughs in everything are accelerating exponentially.

An exponential always starts off looking small.

[Iris Wang @irislovesdeals]

co-wrote a piece on how we're using @bot to supercharge deals at @spacexai. We delegate "jobs" to specialized shared bots so they can collaborate independently, like an agent factory.

here's our bot team:
- Account Intel Bot finds prospects, preps for calls, and manages opp tracking
- Quote Bot builds pricing proposals and order forms
- Deal Bot (my baby) reviews discounts, drafts terms, routes approvals, and checks signed contracts so reps can close faster

Deal Bot has already helped my team save hundreds of hours this month. more bot teammates coming soon!
https://t.co/3xDx04wKqC

[Grok Bot @bot]

Shared Bots draw on the expertise of the people who know each job best. As they improve, every sales rep benefits.

Here's how we built them: https://t.co/lL0Uz6T8Gs

[sundyme @sundyme]

形象地展示了如何去除 UI 设计中的 AI 味。

[郭宇 guoyu.eth @turingou]

试了一下，这个很好用。而且因为它有 MCP，可以直接在 Grok bot 当中使用；对于免费版本的话，也可以让 Grok bot 连上 1Password 之后用 Google 登录

[sitin @sitinme]

花了 300 美金、折腾了 40 多个 Grok Bot，我把全网的玩法整理成了一个开源库：Grok Bot 中文配方库。

维护的不只我一个：Grok Bot 每天找料，Claude Code 逐条核实、写短评。

81 个核实过的项目，9 个能直接抄的配方。

感兴趣来个 ⭐ https://t.co/HLuNxsivGH

[Victor Guo @Victor_Guowei]

@fankaishuoai 求问范老师，我的 grok bot 的 ip 总是在国内，我让 grok bot 安装 codex cli 因为 ip 问题失败，求问怎么解决呢。我想实现 grok bot 来控制 codex

[范凯说AI @fankaishuoai]

Agent 时代，人均 Token 消耗是几千万；
Bot 时代，人均 Token 消耗至少几亿。

我现在每天消耗大约 1.4亿 Grok Bot 的 Token了，加上Grok Bot 额外调用 DeepSeek 还有几千万 Token。然后再加上本地 Agent 本身消耗几千万，我如果敞开用，一天至少 3亿 Token。

所以 200美元的X套餐是必要的，能够给到日均 12亿 的 Token 消耗量。

而我过去重度使用本地 Agent，一天消耗Token大概不到1亿 Token。

AI 算力还是不够，至少要扩大一个数量级，马斯克的 AI 卫星要赶紧上马。

[逸尘 @gengdaJ]

当下最优的选择，不是用《Personal Agent》，而是用Claude Code打造一套专属自己的《Personal Agent》驯化思路——我眼即Agent眼，共享世界上下文

1、微信数据打通：https://t.co/RWmFUGr1wr

2、企微数据打通：https://t.co/RWmFUGr1wr

3、飞书：飞书CLI

4、Gmail、Slack、Lark：对应的插件

5、电脑所有操作记录：Codex History

6、重要线下会议分享和对话：千问App和豆包App录音（录音豆/录音笔录音），用豆包ASR或Step ASR进行文字转化成Markdown

7、X书签、小红书收藏和抖音收藏打通：https://t.co/MaWvcqbihE

8、所有和Codex、Claude Code的聊天记录，自动沉淀成Markdown：https://t.co/KClBJy97Zi

[Reason Machines @reasonmachines]

Let your Grok Bot / Muse talk to your Claude Code / Codex or any other agents

Introducing Reason Network,

Free, peer to peer and Open-Source Engine

Loop in your teammates too so no live agents work collides when coding.

Try it for free: https://t.co/8291MAv5Eb
one click install and setup!

[梦老湿 Dream AI @jackzhang123vip]

grok bot直出
提示词
生成一段15秒、9:16竖屏、4K超写实真人电影肖像视频，24fps，一镜到底。

画面呈现高级电影人像、纪录片RAW摄影、极近距离真实面部特写的视觉风格。整体氛围安静、私密、自然，略带忧郁与温柔。

不是时尚广告，不是网红自拍，不是商业美颜写真，而是一段近距离记录成年女性真实神态变化的电影肖像。

【人物外貌与面部结构】

画面中只有一名25岁左右的成年东亚女性。

脸型为自然小巧的鹅蛋脸，脸部轮廓柔和，额头饱满，下颌线自然收束，下巴圆润精致，面颊具有真实柔软的体积感，不是过度尖削的网红脸。

皮肤为自然冷白偏中性色调，白皙清透，保留细小毛孔、极细面部绒毛、鼻翼两侧自然纹理、轻微肤色不均和真实皮肤明暗过渡。面颊有非常淡的自然粉色，鼻梁与额头有柔和高光，但皮肤不油腻、不反光过度、不呈现玻璃肌或塑料感。

眼睛为深棕色杏仁眼，眼型柔和，眼尾自然微微延伸，浅双眼皮结构，眼球具有真实湿润反光，虹膜内部有细腻放射状纹理。睫毛纤细自然，长度适中，根根分明，不使用浓密假睫毛。

眉毛为自然平直略带弧度的黑色眉毛，眉头毛流清晰，眉尾自然变细，保留少量不规则眉毛细节。

鼻梁自然挺直，鼻尖小巧圆润，鼻翼窄而真实。嘴唇上下比例协调，唇峰柔和，唇色为低饱和玫瑰粉，唇纹自然清晰，带有轻微湿润感，不使用明显唇釉。

妆容极淡，只有薄薄的自然底妆、浅米棕眼影、极细内眼线和淡粉色唇妆，整体接近素颜。

【发型与服装】

人物拥有浓密乌黑的长发，头发自然披散，略带松散的波浪弧度，发根蓬松，头发分缝不完全整齐。

大部分头发垂落在脸部左侧和肩部，几缕细长黑色碎发自然横过额头、太阳穴和脸颊，其中一缕细发轻轻贴近面颊。

每根发丝具有真实粗细变化、自然反光和轻微不规则性，避免整齐的假发质感。

人物穿一件低饱和深灰色或灰蓝色柔软针织上衣，领口自然宽松。由于镜头极近，服装仅在画面最下方露出极少部分，面部始终是唯一视觉中心。

不佩戴夸张耳环、项链或头饰。

【镜头构图】

采用极近距离电影人像特写。

摄影机位于人物面部正前方略偏左的位置，镜头与人物眼睛基本平齐，距离约25–40厘米。

人物面部占据画面约80%–90%的视觉空间，额头靠近画面上缘，下巴与颈部部分被画面下缘裁切。

人物双眼、鼻梁、嘴唇清晰可见，黑色长发在画面左侧形成自然暗部，脸颊和发丝占据主要构图。

使用85mm电影人像镜头的透视观感，f/2.0左右的浅景深，面部五官保持清晰，背景柔和虚化。

镜头全程基本固定，不拉远、不旋转、不切换机位、不突然改变焦距。只允许极其细微、接近真实摄影机呼吸感的自然运动。

【光线与环境】

背景为极简、低亮度、模糊的室内暗灰色环境，没有明显家具和装饰。

人物右前方有一扇较大的窗户，阴天自然光经过薄纱窗帘柔化后照射到面部。

光线柔和、均匀、略带冷调，右侧面颊、鼻梁和眼睛获得自然照明，左侧脸颊和头发处于柔和阴影中。

眼睛中具有小面积自然窗户反光，皮肤明暗过渡平滑，鼻翼和嘴角存在真实细微阴影。

整体为低饱和冷灰色电影调色，肤色保留自然暖度，不偏黄、不偏绿，不出现强烈橙蓝对比。

【15秒连续动作设计】

0–3秒：

镜头从人物极近距离面部开始。

女性双眼自然轻闭，头部保持基本静止，黑色碎发轻轻垂在面颊前方。

她缓慢睁开双眼，眼睑自然抬起，深棕色瞳孔逐渐露出，目光落在镜头附近。

嘴唇轻轻闭合，面部肌肉放松，表情安静。

3–6秒：

女性的视线缓慢向下移动，眼球自然下转，上眼睑随视线轻微降低。

头部仅向下倾斜极小角度，脸颊和鼻梁的光影发生细微变化。

嘴角保持自然放松，呼吸平稳，黑色碎发轻轻移动。

6–9秒：

人物继续低头凝视画面下方，仿佛在思考某件事情。

嘴唇缓慢微张约1–2毫米，产生真实自然的呼吸感，不说话、不做夸张口型。

眼睫毛轻微颤动，面颊肌肉出现极其细微的放松变化。

人物整体保持安静，没有明显身体运动。

9–12秒：

女性缓慢抬起眼睛，目光从下方重新回到镜头附近。

眼神温柔、安静，略带若有所思的情绪。

嘴唇从微张状态自然恢复到轻轻闭合。

她完成一次自然缓慢的眨眼，眼睛重新睁开时保持柔和的注视。

12–15秒：

人物的目光短暂转向画面右侧，随后缓慢回到镜头附近。

头部仅发生非常轻微的侧向调整，几缕黑色发丝随动作产生细小移动。

嘴角出现几乎不可察觉的轻微上扬，不露齿，不夸张微笑。

最后一秒，她安静地凝视镜头，眼睛湿润明亮，呼吸自然，画面停留在真实而柔和的面部表情上。

【真实感与微表情控制】

眼睛、眉毛、嘴唇和面部肌肉必须具有真实人体微运动。

眨眼时上眼睑自然闭合与睁开，眼球转动必须平滑，虹膜大小稳定。

嘴唇微张时保持真实唇纹，不发生嘴部变形。

呼吸只产生非常轻微的面部和肩颈变化。

头发只允许细微自然移动，不出现明显大风吹动。

全程保持同一张脸、相同五官、相同发型、相同光线与相同摄影机位置。

【画质与负面限制】

4K清晰细节，纪录片RAW质感，真实皮肤毛孔，细小面部绒毛，真实虹膜纹理，独立眉毛和睫毛，真实唇纹，自然皮肤明暗。

禁止油腻水光肌、玻璃皮肤、塑料皮肤、蜡像质感、过度磨皮、过度锐化、假睫毛、夸张美颜、AI网红脸、脸部比例变化、眼睛突然放大、虹膜变形、头发闪烁、嘴唇变形、人物换脸、过度微笑、夸张眨眼、快速转头、镜头推拉、镜头旋转、场景切换、卡通质感、CG渲染。

全程不出现任何中文、英文、数字、标题、字幕、Logo、水印、边框或界面元素。

[美股金虫哥 @SpermCapital]

快进的听完了，比孙哥硬核多了，几个很有趣的观点总结一下：

1. 1000-2000亿美元先押注：模型未出炉就承诺巨额资本开支，Zuckerberg认为只要AI整体成功，算力可转售，风险低于账面。

2. 模型即产品：Muse故意去掉模型/effort选择器，真正产品是模型的记忆、执行能力与人格，而非传统UI。

3. 个人智能体差异化：刻意避开纯编码竞赛，重点做多模态个人智能体（Active Memory + Active Focus），针对消费场景。

4. 极小研究团队：MSL核心研究约100人，强调人才密度。Llama 4后彻底重启，无硬性deadline。

5. 对齐逻辑不同：优先高可靠执行用户指令，不做道德说教，强调隐私酌情处理（discretion）。

6. 代理商务已启动：用户已把采购委托给Muse，收入路径含订阅 + 帮用户省钱/赚钱的抽成 + API/企业。

7. 不会赢家通吃：蒸馏让能力快速下沉；各实验室执行有起伏；生态倾向多玩家，目标尽快把Wonder能力压缩到Spark并免费分发。

8. 基础设施自建有利：1GW运营约150亿美元/年、建设500-600亿美元。自建优于租云，芯片仍保值。

9. 分发优势明显：免费层用Spark覆盖海量用户，付费层先上Wonder；长期靠规模网络效应。

10. 决策风格激进：Zuckerberg一旦确信就大幅转向，MSL是典型表现。成败关键看Wonder能否快速转化为付费与交易规模。

从投资的视角看：短期资本开支压力极大，中长期取决于个人智能体商业化速度。Meta押注的是“模型能力 + 分发”而非单纯模型领先。

[小盖 @xiaogaifun]

最近学 AI 收获最大的 3 个 YouTube 视频。

强烈推荐大家看看硅谷这几期讨论 AI 趋势的 YouTube 视频，非常精彩。

最好的对抗信息 FOMO 的方式就是找到好的信息源，然后精读。

所以这周我给自己留了 3 天时间，比较松散的把 10 月份 YouTube 上一些重要的播客都看完了。

挨个分享下。

一、Stripe 的创始人认为 Agent 会重塑互联网的流量分配逻辑。

这期视频访谈的标题是，Stripe’s John Collison: AI Agents Will Rewire the Internet，大家自己去搜。不长，一共 28 分钟。

这里面有两个印象深刻的观点。

1、Computer Use 是现实世界终极的向后兼容层。

或者这么讲，Computer Use 可能是继 Transformer、LLM 和强化学习之后，推动 AI 能力发展的又一次重要跃迁。

只要模型的 Computer Use 能力足够强，那数字世界的 AGI 就已经实现了。

因为 Computer Use 让 AI 能够利用人类过去几十年已经建设好的软件基础设施。

举个例子，假设我想让 AI 帮你续办驾照。

一种办法，是等待交通管理部门开发专门的 MCP Server 或 API，让 AI 可以直接调用。但等这些部门完成接口改造，恐怕得等上好几年。

另一种办法是，既然现在的网站已经能让人办理驾照，那么只要 Agent 学会操作网站，就可以直接完成任务。

那些没有 API、没有 MCP，甚至已经非常陈旧的软件，只要仍然可以通过界面操作，Agent 理论上就有机会使用它们。

2、Agent Commerce 会重新分配互联网的流量。

这个我想结合自己的经历展开讲下。

比如昨天，我给家里买窗帘。我比较喜欢去 1688，但每次买东西都头大，我得搜索商家、比较价格、沟通尺寸和材质，前后折腾了一个多小时。

或许等 Agent 再成熟一些，我就完全可以把类似的任务交给 Agent。

我知道，有人可能会担心，万一 AI 买贵了怎么办？

这问题我也想过。但即使我自己买，也不可能把所有商家都研究一遍。最后无非就是挑几个比较一下。而且我相信，AI 在搜索和比较这些事情上，大概率比我更有耐心。

当越来越多的人开始通过 Agent 购物，整个互联网的流量分配逻辑可能都会发生变化。

过去，我们发现商品，很大程度上依赖搜索引擎、电商平台和社交媒体。很多商家能否成功，取决于他们有多熟悉这些平台的流量规则。

但如果消费者直接向 Agent 提需求，让它帮自己寻找商品、比较价格，那么哪些商家更容易被发现，可能就要由一套新的规则决定了。

Stripe 的创始人 John 说，他自己用 AI 研究商品时，经常会发现一些以前从未听说过的小众品牌。

这些品牌可能没什么知名度，但产品不错，用户评价也很好，于是被 AI 推荐出来。

AI Discovery 会成为未来商业领域新的流量聚合入口。

这让我想起十一假期的一段经历。

我去了趟内蒙古的一个小城，在当地吃了一家很不起眼的小店。老板五十多岁，店面挺破旧，环境也谈不上多干净，但东西确实好吃、正宗。

老板说，从去年开始，店里的生意突然好了很多。他问那些外地来的客人，大家都说是在网上看到的。

其实就是一些游客在小红书上分享了这家店，后来越来越多人慕名而来，吃完又继续分享。包括我自己，也是通过小红书找到这家店的。

你看，这个老板什么都没做，甚至不知道互联网的流量规则已经变了，但他的生意却实实在在地受到了影响。

就像当年社交媒体广告兴起时，一批新公司特别擅长利用社交媒体获客，然后围绕这套流量规则设计产品，最后成长起来。

未来 Agent Commerce 可能也会重演类似的事情。

二、Alex Wang 谈他对 Meta Muse 的设想。

Alex Wang 不用多说了，最近风口浪尖上的人物，Meta AI 一号位。访谈的标题是 The Biggest Launch Since ChatGPT。

记得之前 Alex Wang 刚加入 Meta 的时候，好多人觉得这哥们很水。

但其实我觉得只要认认真真看过这人的访谈之后，你会发现扎克伯格的选人水平是有多强。

主持人问，假如一切顺利，五年甚至更久以后，Muse 应该变成什么样？

Alex 说，Muse 会成为用户的总管。

我想了一下，总管这个词好像比助理更贴切，因为助理似乎更多的是在完成我们吩咐给他的任务，而总管可以全盘考虑。

为什么需要这样的产品？这哥们讲了一段非常感性的个人思考。

很多人在小的时候，都有非常丰富的想象力。

有人想写一本书。有人想拍电影、制作音乐剧。有人希望改变世界，或者解决某个非常困难的问题。

但随着年龄增长，很多人的梦想逐渐消失。

他们按部就班的完成学业，进入社会，开始工作。生活中遇到各种各样的现实问题，大家开始向现实妥协，渐渐觉得，很多事情自己根本没有能力改变。

算了，就此算了？这真是令人遗憾的。很多人的想法可能很有价值，但他们从来没有机会真正尝试。

在 Alex 的想象里，他认为 AI 能够改变这一点。

一个人不应该因为缺少专业知识、不认识合适的人，或者无法处理复杂事务，就轻易放弃自己的想法。

如果有一个足够聪明的 AI，长期陪伴在用户身边，帮他搞定很多琐碎的事情，那么很多过去难以实现的目标，就可能逐渐变得可行。

那为什么这事是 Meta 做？因为 OpenAI、Anthropic 等等这批模型公司陷入到了技术的思维里。

大家也可以对应的想一想，过去一年时间好像 AI 行业里头有一个非常奇怪的现象。程序员好像觉得 AI 已经无所不能了，但普通人却不明白为什么大家这么激动。

因为对于大部分普通人来说，AI 仍然还是一个问答工具。这个我十一假期的时候出去旅游，发现大家用豆包的方式确实还是问答。

过去一年，几乎整个行业都在努力提升 Agent 的编程能力。

模型越来越擅长写代码，却很少有产品去思考，如何让一个完全不会编程、也不想学习编程的人，享受到 AI Agent 的能力。

Meta 从一开始，就是为了解决这个问题。

他们花了大量时间打磨 Muse 的细节。程序员对技术的容忍度通常比较高。遇到报错、任务中断、环境配置失败，他们可以自己排查，甚至觉得这就是使用新技术的一部分。

但普通用户不会这样。

所以 Muse 锚定的目标一直是把复杂的 Agent 技术包装成一个足够简单、稳定的消费级产品。

这好像确实是 Meta 擅长做的事。

三、a16z 的投资人对当下 AI 应用的分析

这集很有意思，因为 a16z 最近几年都会发布一些 AI 应用的榜单。然后在这个榜单的基础上，他们会给出一些自己的分析和判断。

播客的标题是 What AI's Biggest Spenders Are Buying and Building。

我今天才彻底把这一期播客听完。它核心讲了一个判断：

AI 消费市场正在从少数重度用户购买生产力工具，逐渐走向面向普通人的全新软件市场，而软件的产品体验、用户 Context 和网络效应，会成为越来越重要的竞争力。

播客里提到一组很有意思的数据。在美国，大约一半的人都使用过 AI，但真正掏钱订阅 AI 产品的，只有 4.5%。

而且这些收入高度集中，在所有付费用户中，Top 10% 的重度用户，贡献了超过一半的收入。

这些重度用户有一个很明显的共同点，就是他们大多在利用 AI 创造东西。比如写代码开发产品、制作视频、搭建自动化流程。

对他们来说，AI 已经成为日常工作和创作的一部分，所以愿意花更多的钱。

但问题是，绝大多数普通人并没有这么强烈的创作和生产力需求。

比如把一个 Codex 交给普通用户，他可能根本不知道该用它做什么。产品可以告诉他，AI 能帮你订机票、管理邮件、预订餐厅。但如果他今天恰好没有这些需求呢？

这其实也是目前很多 AI 产品面临的问题。我们一直在努力让 AI 帮人们节省时间、提高效率，却很少思考，普通人究竟愿意把时间花在什么事情上。

播客里有一个观点，我特别喜欢。大多数人并没有整天想着怎么节省时间，他们反而在寻找值得花时间去做的事情。

仔细想想，过去移动互联网最成功的消费产品，TikTok、YouTube、Instagram、Netflix，哪个是以提高生产力为主要卖点的？

它们满足了人们娱乐、社交、表达和消磨时间的需求。

但今天的 AI 消费市场，绝大多数产品还在围绕生产力打转。

所以 a16z 的几位投资人认为，AI 消费市场其实还有大量机会没有被挖掘出来，比如社交、游戏、娱乐、购物，甚至婚恋交友。这些领域都有可能诞生全新的 AI 原生产品。

当然，还有另外一个视角。提高效率、节省时间，甚至省钱，这些价值对普通用户同样成立。只是很多人未必愿意为了这些能力，每个月专门花钱订阅一个 AI 产品。

目前，大部分头部 AI 产品的收入仍然主要依赖付费订阅。对于那些每天用 AI 写代码、做设计的重度用户来说，这种收费方式很合理。

但对于普通用户，如果只是偶尔让 AI 帮忙订张机票、买点东西、整理几封邮件，让他每个月花 20 美元订阅，可能就没那么容易了。

所以，播客里的几位投资人认为，广告、交易抽成等模式可能更适合真正的大众市场。

比如我让 Personal Agent 帮忙买窗帘，它可以帮我研究材质、比较价格，最后找到合适的商家完成购买。

对于我来说，省下了大量时间，也不用专门为这次购物订阅一个 AI 产品。而 Agent 可以通过商家的交易佣金获得收入。

而且我觉得这里还有一个矛盾：如果未来 Agent 通过商家佣金赚钱，那么它到底会帮用户寻找最合适的商品，还是优先推荐佣金更高的商家？

这都是一些还需要继续探索的新问题。不管怎么样，我感觉 AI 消费级应用爆发的临界点确实快到了。

[思维怪怪 @0xLogicrw]

开发者 Finn Voorhees 演示了一个能直接操作 iPhone 的 AI Agent。他只发了一句话，让 Agent 查询第二天飞往伦敦最便宜的瑞安航空机票。随后 Agent 自己打开 Ryanair，填写目的地、选择日期、查询票价，最后返回聊天界面汇报结果。整个执行过程不需要连接电脑。

这套 Agent 运行在 Finn 开发的 iPhone 聊天应用 PiChat 中。底层使用他此前开源的 PiDurableKit，通过苹果的 JavaScriptCore 在手机上运行 Pi Agent，负责模型调用、工具执行和任务管理。视频中使用的是 Claude Opus 5.5，模型推理仍在云端。为了让 Agent 切换到其他 App 后继续工作，PiChat 还使用苹果的后台任务机制，并通过 SQLite 保存执行进度，方便中断后恢复。

最关键的跨 App 控制代码还没有公开。不过，视频已经透露了部分实现原理。开启 iPhone Control 时，系统要求输入锁屏密码，以启用 XCTest UI 自动化。XCTest 是苹果的测试框架，其 UI 自动化功能可以模拟点击、滑动和输入文字。开源项目 TouchSynthesis 就利用 XCTest 的私有接口，让 iPhone 自己生成触摸事件，无需电脑实时控制。但 Finn 尚未确认是否采用了这套方案。

[Pivi @pivi___]

Claude Opus 5.5 est beaucoup trop fort pour copier les pubs qui vendent.

J'ai créé un système avec Opus qui refait les pubs gagnantes de tes concurrents avec ton produit, et je te le donne gratuitement.

C'est une folie 🤯

→ tu lui donnes ton produit et tes concurrents
→ il repère leurs pubs gagnantes avec TrendTrack
→ il les recrée pour ta marque avec Higgsfield ou Kie AI

Il analyse leurs hooks et leurs angles avant de générer quoi que ce soit.

Il peut même préparer le lancement sur Meta Ads à ta place.

Réponds « ADS » et je t'envoie le système gratuit en MP ↓

[山ちゃん@AWS好きすぎて滅 @nekorobi_aws]

haiku5.5の登場でThink-on-Graph（llmでホップを辿る方式）が息を吹き返してくるのでは？せっかくjev Graph RAg検証してたのに😂ToGも検証したくなってきたー

[Théo | SaaS & Growth @theo_louro]

Opus 5.5 pour l'e-commerce c'est un cheat code 💀

J'ai crée une équipe de 5 agents IA pour l'E-COMMERCE qui va te faire gagner 20h par semaine 🫨

(je vais te les donner gratuitement)

Voici ce que font les agents pour vous :

→ Le 1er agent va COPIER les meilleures ADS de tes concurrents et les adapter à ta brand tous les jours

→ Le 2ème va COPIER les meilleures CAMPAGNES de mails de tes concurrents et les adapter à ta brand

→ Le 3ème t'aider à améliorer ton SEO tous les jours

→ Le 4ème trouve des produits gagnants et fait le sourcing à ta place puis calcule les marges

→ Le 5ème te faire un rapport sur ta boutique et tes concurrents chaque semaine

Commente « ECOM » et je t’envoie l'équipe d'agents en MP ↓