AYi@AYi_AInotes · 1天前43

说个很少有人讲的 AI 搞钱路子，一人顶一个商务团队，接外包做猎头当中介都能用。 干过独立开发的都懂，有Codex这样的大杀器以后，写代码做设计早就拉不开差距了，最难的其实是找客户。 蹲 LinkedIn 翻一下午，筛公司看职位找邮箱，折腾半天敢发出去的消息就两三条，大部分时间全浪费在了找人这件脏活上。 但现在AI全部可以帮你干了，可以帮你跑一张活的客户地图，不是网上买来的过时名单，是五十多个实时数据源三层验证筛出来的精准数据。 最值钱的还不只是能拿到邮箱，还有背后的信号，在招增长岗说明营销需求马上要爆发，刚改版官网说明视觉缺口是明牌，刚融资说明预算刚批下来正准备花钱。 这些信号虽不保证对方一定买单，但能告诉你现在该先敲谁的门。 整个流程就五步： 1️⃣看地图，按匹配度排好序，每个人的背景信号切入点全标好 2️⃣点画像，公司规模人员配置近期动态一目了然，开口前就比发模板的人懂他 3️⃣写开场，按不同信号定制破冰话术，不是一封模板发所有人 4️⃣批量发，五个渠道一键触达，回复统一收进一个收件箱 挂监控，对方有新动态自动提醒，从一次搜索变成持续更新的活地图 当然冷水也得泼，它能干的是找人查背景写开场白这些脏活，替不了你判断客户靠不靠谱、报价合不合理、需求接不接，就像 Codex 能写代码，但审美和判断永远是你的。 不止接外包，做猎头赚佣金、当中介牵线、找渠道合作，只要需要精准找人的活，这套逻辑全通用。 以前一个人的天花板是能干多少活，现在变成了能找到多少对的人，现在这件事第一次有了近乎零成本的解法。

译Lev8 被定位为营销领域的 Codex，专门解决找客户、写破冰信等脏活。Benchmark 显示：海外找客户场景有效结果量 Lev8 90 个（Exa 58.2，Codex 20），匹配精度 83.3%（Exa 76.5%，Codex 71.8%），单条成本 $0.052（Exa $0.061）。产品聚合 50+ 实时数据源（LinkedIn、X、YouTube 等），覆盖 10 亿+ 职场人脉，自动监控融资、招聘、网站改版等信号，生成定制破冰话术，通过邮件、LinkedIn、WhatsApp、Instagram、X 五个渠道批量发送并统一管理回复。适用于独立开发者、一人公司、猎头、中介等需要精准找人的场景。

AYi@AYi_AInotes · 1天前63

真的有点兴奋，终于等来营销圈的 Codex 了，不管你是独立开发还是OPC一人公司，找客户扒联系方式写破冰信这些破事，直接给你干得明明白白！ 甚至你用来做副业搞钱都是一个超级神器！ 我们都知道，AI现在已经把写代码的门槛拉平了，Codex能让一个人顶一个开发团队，而现在，营销领域的Codex也出现了——它叫Lev8，找客户这种脏活累活，现在被它直接干碎了，我真的吹爆！ 我们先来看下benchmark数据，真的炸裂， 1️⃣找海外客户这个场景里，有效结果量Lev8 90个，Exa 58.2个，Codex只拉出20个， 2️⃣匹配精度Lev8 83.3%，Exa 76.5%，Codex 71.8%， 3️⃣单条匹配成本Lev8 $0.052，竟然比Exa的$0.061还低。 不只是勉强赢一个点啊兄弟们，搜得更多、准头更高、还更便宜，这三项全中！ 讲真看到Lev8这个产品，我真的觉得AI真正落地的路径越来越清楚了， 我非常笃定的相信，以后不会是一个万能AI模型包打天下，会是一群垂直Agent各自钻进一个完整工作流，把通用模型一件一件替换掉，代码领域Codex已经证明了，现在终于轮到营销了。 而且讲真，未来独立开发者和一人公司最稀缺的能力一定是营销能力，也就怎么把产品卖出去，那卖出去的前提是找到目标客户和潜在客户。 Lev8 背后聚合了50+实时数据源，LinkedIn、X、YouTube、Instagram、GitHub全网在跑，10亿+职场人脉做底子，拿到的永远是活数据，而不是那些买来的僵尸名单。 而且它不是搜完就扔给你，会帮你盯着搞钱信号——哪家刚融资、哪家在招人、哪家刚改版、哪家创始人在论坛上吐槽某个问题，这就意味着现在出手最不突兀的时机它都全帮你盯着， 抓到信号之后自动给你写定制的破冰开场白，而且不是那种千篇一律的模板，然后邮件、LinkedIn、WhatsApp、Instagram、X五个渠道一键发出去，回复统一收回来。 过去要开四五个工具、建一堆表格、自己手动盯半年才能跑完的找人→调研→写开场白→发消息→跟动态，现在在一个聊天框里大白话讲一句，它替你全跑了！ 这和Codex赢的逻辑一模一样，Codex能这么火爆不是因为比GPT聪明，是它嵌入进了代码的整个工作流——懂仓库、能跑终端、能看报错、能跑测试， Lev8在营销上干的就是这件事，从帮你搜个邮箱变成替你把找人这摊事跑起来，是比通用模型注做的可深多了。 具体大家可以看下方我实际跑测的视频👇

译Lev8聚合50+实时数据源（LinkedIn、X、YouTube、Instagram、GitHub），覆盖10亿+职场人脉，实时追踪融资、招聘、改版等信号，自动生成定制破冰开场白，并通过邮件、LinkedIn、WhatsApp、Instagram、X五渠道一键发送统一回复。在找海外客户场景中：有效结果量Lev8 90个，Exa 58.2个，Codex仅20个；匹配精度83.3% vs 76.5% vs 71.8%；单条匹配成本$0.052 vs $0.061。三项指标全面超越。

AYi@AYi_AInotes · 2天前63

damn，做科研AI工具的上千家初创公司，今天可以直接解散了

译Claude 官方宣布推出 Claude Science，一款为科研全阶段设计的新应用。支持代码溯源、按需环境管理，并可连接 60+ 科学数据库，现已开放 beta 测试。有评论称此消息可能冲击众多科研 AI 初创公司。

Perplexity@perplexity_ai · 2天前53

Claude Sonnet 5 is now available in Perplexity for Pro and Max subscribers. You can also select it as an orchestrator model in Computer.

译Claude Sonnet 5 现在可以在 Perplexity 上供 Pro 和 Max 订阅用户使用。 你还可以在 Computer 中选择它作为编排模型。

AYi@AYi_AInotes · 2天前63

X 官方 MCP也来了，可以让 Grok、Cursor、Claude 等 MCP 兼容的 AI 工具，能零部署直接调用 X API，获取实时 X 数据（搜索、时间线、书签、发文等），全部走用户权限。 但不是完全免费喔，Grok Cursor 以及所有兼容 MCP 的工具，零部署就能直接调用 X API。 但它不是免费的，走的是 X Developer App 的按量计费模式，读帖读用户发帖各有单价，重度 Agent 使用很容易账单失控，写操作的限流也比读操作严格得多，很容易触发 429。 最稳妥的做法，先进开发者后台设好消费上限，小流量测清楚价值再考虑放量

译X 官方推出托管 MCP，使 Grok、Cursor、Claude 等 MCP 兼容 AI 工具无需部署即可直接调用 X API，获取搜索、时间线、书签、发文等实时数据，全程走用户权限。该服务并非免费，采用 X Developer App 按量计费模式，读帖和发帖各有单价，重度 Agent 使用容易导致账单失控；写操作限流比读操作更严格，易触发 429 错误。建议开发者先在后台设定消费上限，从小流量测试后再放量。

Rohan Paul@rohanpaul_ai · 3天前46

This is really cool. AI is now coming for the most broken search problem on the internet: finding the right person. @CLODOAI is moving the intelligence back to the search query: Describe the person in plain English, search across 1.2 billion indexed profiles, qualify the match, enrich the contact, and surface a way to reach them. People discovery is finding the right humans for whatever you're working on. But most current people search tools sell you access to a snapshot. A frozen moment in time with a CSV at the end of it. Clodo searches the live web, reads the signals, qualifies the fit, and tells you why this specific person, right now. @sixtensor @vikchuppala 👏

译AI人物搜索工具CLODO上线，支持用自然语言描述目标人物，在12亿（1.2B）索引档案中实时搜索、匹配、丰富联系人信息并生成触达方式。与输出静态CSV的传统搜索不同，CLODO检索实时网络信号，判断匹配度并解释推荐原因。该工具已获得Mercor、US News、Corgi以及美国情报界等机构的信任，并获得Y Combinator、CRV等投资。

elvis@omarsar0 · 3天前18

Finally, a people-search tool that actually works. Most people-search tools sell you a frozen list. @CLODOAI searches the live web, reads the signals, and tells you why this specific person, right now. Good stuff, @sixtensor @vikchuppala 👏

译DAIR.AI 的 Elvis Saravia 称赞 CLODO 是真正有效的人搜索工具：不同于传统工具提供固化列表，CLODO 搜索实时网络、读取信号并解释为何找到此人。CLODO 由 @sixtensor 推出，用户描述目标即可每次准确找到，覆盖 12 亿个人资料，并提供资料丰富及主动联系服务。已被 Mercor、US News、UseCorgi、美国情报界等采用，获得 Y Combinator、CRV、Dalton Caldwell、Paul Thiel 等投资。

Chubby♨️@kimmonismus · 3天前25

Try typing "the founder who wrote one great paper in 2021, left to build something, and would actually reply to a cold email" into LinkedIn search. You get a dropdown for job title and company. That's it. Everything that actually matters gets ignored. Clodo (@clodo_ai) takes that whole sentence, searches 1.3 billion profiles across the live web, finds who fits, and gives you back verified emails and the signals it found.Kind of scary how well it works. Also really useful.

译传统LinkedIn搜索只能匹配职位和公司，忽略自然语言中的关键信号。Clodo（CLODO）则能直接理解一段完整的描述，在13亿个实时网上个人资料中搜索，找到匹配对象，并返回验证过的邮箱及匹配证据链。该工具已获@mercor_ai、@usnews、@UseCorgi及美国情报界等机构使用，由Y Combinator、CRV等投资方支持。

Rohan Paul@rohanpaul_ai · 4天前44

This paper says the web needs new rules because AI agents now read websites for people. The problem is that today’s web still assumes a human is looking at each page, seeing ads, clicking links, and reading visual layouts. AI agents break that setup because they can collect and summarize content without sending people back to the original sites, which hurts publishers and makes websites block them. The authors propose treating a helpful AI agent like a human’s proxy, so it should get similar access as that person, but with clear identity, purpose, limits, and payment rules. They propose adding a new “agent metadata” layer to normal web requests, where an AI agent tells a website who it is, which human it represents, and why it wants the content. The website then uses a new policy file called agents.txt to decide what to do: allow it, rate-limit it, charge tokens, inherit the user’s subscription, serve agent-friendly content, or block bad behavior. They also want content to carry provenance tags, so agents can tell whether something was made by a human, AI, or both. Without a new setup, the web may become harder for agents to access, worse for publishers to fund, and less reliable as AI-made content feeds more AI-made content. ---- Link – arxiv. org/abs/2606.19116 Title: "Towards an Agent-First Web: Redesigning the Web for AI Agents"

译一篇新论文指出，当前Web假设人类浏览页面、观看广告、点击链接，但AI智能体可收集并总结内容而不回访原站，损害出版商利益并导致网站封锁。作者提议将AI智能体视为人类代理，在Web请求中添加“agent metadata”，标明身份、所代表的人类、目的、限制和支付规则。网站通过新策略文件`agents.txt`决定允许、限速、收费、继承用户订阅、提供代理友好内容或屏蔽。内容还需附带provenance标签，让智能体识别来源是人类、AI还是两者。缺乏新机制将导致Web更难访问、出版商更难盈利、AI内容循环降低可靠性。

Berryxia.AI@berryxia · 4天前72

真的 ，这一套东西搞成课程。 线下陪跑不得卖个万八千的，兄弟们。 看看行动力的时候了、姚老师居然都免费开源。 抄作业吧。不废话了。👇

译Berry Xia称赞@yaojingang（姚老师）将本可卖到上万元的GEO内容工程课程资料全部免费开源。资源包括：3份核心文档（操作手册、研究报告、实操教程）、2本推荐书籍、3篇学术论文；GEO改写提示词、改写Skill、单篇内容GEO特征标注演示；以及3个GitHub开源仓库（GEO Skills、GEOFlow、Meta skill）。所有资源通过链接直接获取，无需付费或陪跑课程。

向阳乔木@vista8 · 5天前46

第二次GEO公开课直播的资料如下： 1、《GEO内容工程操作手册与评估标准》https://doc.laoyao.cn/9fl0bc 2、《GEO内容工程系统研究报告》https://doc.laoyao.cn/t754wa 3、《GEO 内容工程方法体系与单篇内容实操教程》https://doc.laoyao.cn/54yx5b 3、《系统之美》《人人都该懂的工程学》 4、《GEO: Generative Engine Optimization》https://doc.laoyao.cn/0elhy1 5、《Generative Engine Optimization in digital repositories: optimizing visibility for generative AI》https://doc.laoyao.cn/fnf30e 6、《A Measurement Framework for Generative Engine Optimization Across AI Search Platforms》https://doc.laoyao.cn/ykiktr 相关资源： 1、GEO改写提示词：https://ai.laoyao.cn/ylOfC 2、GEO改写Skill：https://ai.laoyao.cn/cqWRs 3、GEO单篇内容GEO特征标注演示：https://doc.laoyao.cn/00j3ps GEO系统与skill： 1、GEO Skills：https://github.com/yaojingang/yao-geo-skills 2、GEOFlow：https://github.com/yaojingang/GEOFlow 3、Meta skill：https://github.com/yaojingang/yao-meta-skill 课程PPT： https://ppt.qiaomu.ai/decks/geo-open-class-2-handout

译本周六晚8点，姚老师在WaytoAGI进行第二次GEO公开课，主题为“GEO内容工程”。直播资料包括三份核心文档（操作手册、研究报告、实操教程）、两本推荐图书（《系统之美》《人人都该懂的工程学》）及三篇GEO相关论文。相关资源有GEO改写提示词、改写Skill及单篇内容GEO特征标注演示。开源项目包括GEO Skills、GEOFlow、Meta skill的GitHub仓库及课程PPT。

AYi@AYi_AInotes · 7天前62

我深度拆解白毛股神的AI工具就是这个Apodex， 无广，真诚推荐，不好用来骂我！！！ 刚登录准备让它跑个深度研究就睡了， 结果发现弹窗消息免费“内测将于 6 月 29 日 结束， 并正式开始收费，所有在 6 月 28 日及以前注册的 early users，将获得额外 2 周免费试用” 这个真的是个特别好用的工具，强烈推荐宝子们趁着免费期好好用一下～

译AI 工具 Apodex 发布收费通知：免费内测将于 6 月 29 日结束，之后开始正式收费。所有在 6 月 28 日及以前注册的早期用户将额外获得 2 周免费试用。该工具此前被博主深度拆解推荐，适合需要深度研究场景的用户，建议趁免费期尽快体验。

DogeDesigner@cb_doge · 7天前31

BREAKING: Grokipedia just surpassed ~50 million visits. • Over 420,000 backlinks • Over 10,000 referring domains More people are shifting to @Grokipedia Keep sharing Grokipedia links on your websites and blogs. This is how we can beat Wokipedia.

译BREAKING: Grokipedia 刚刚突破约 5000 万次访问。 • 超过 42 万条反向链接 • 超过 1 万个引用域名 越来越多人转向 @Grokipedia 继续在你的网站和博客上分享 Grokipedia 链接。 这就是我们击败 Wokipedia 的方法。

Perplexity@perplexity_ai · 6月25日65

Introducing Computer for Counsel. Computer now connects the research databases, document tools, and matter-management systems lawyers use every day. Pull citable sources from @midpageAI, @LegalZoom, @Docusign, @netdocuments, and more. Available for all Pro and Max subscribers.

译推出 Computer for Counsel。 Computer 现在连接了律师日常使用的研究数据库、文档工具和案件管理系统。可从中提取可引用来源：@midpageAI、@LegalZoom、@Docusign、@netdocuments 等。 所有 Pro 和 Max 订阅用户均可使用。

Rohan Paul@rohanpaul_ai · 6月22日65

pewresearch Published its latest "Americans and AI 2026" report. Only 16% of Americans now expect AI to help society over the next 20 years and 40% expect AI to hurt society over the next 20 years 24% of Americans use chatbots daily, including 12% several times a day and 4% almost constantly. 51% of U.S. adults still do not use AI chatbots at all. 42% use chatbots to search for information, making search the top use case. 38% of employed adults use chatbots for work tasks. 10% use chatbots for emotional support or advice, while 4% use them for companionship. ChatGPT dominates chatbot adoption, with 44% of U.S. adults reporting use. Gemini follows at 24%, then Copilot at 17%, Meta AI at 14%, Grok at 8%, Claude at 6%, and Character[.]ai at 3%. Adults under 50 are about twice as likely as older adults to use ChatGPT, at 57% versus 28%. 30% say chatbots help their productivity, while only 5% say they hurt it. 28% say chatbots help them stay informed, while only 5% say they hurt that. 60% of U.S. adults read AI search summaries, meaning AI is now shaping information intake even for people who may not actively use chatbots.

译皮尤研究中心最新报告显示，仅16%美国成年人预期AI在未来20年帮助社会，40%预期伤害。24%每天使用聊天机器人，51%从未使用。聊天机器人首要用途是搜索信息（42%），38%上班族用于工作，10%用于情感支持，4%用于陪伴。ChatGPT使用率最高（44%），其次Gemini（24%）、Copilot（17%）、Meta AI（14%）、Grok（8%）、Claude（6%）、Character.ai（3%）。30%称聊天机器人提升生产力，28%认为帮助了解信息。60%成年人阅读AI搜索摘要，表明AI正影响信息摄入。

🚨 AI News | TestingCatalog@testingcatalog · 6月21日49

ICYMI 👀: Users can now search for @imagine images and videos on Grok! It works like a proper image search but scoped to your Imagine creations. I wish we have it across the whole set of published Grok images eventually - that would be huge!

译错过提醒 👀：用户现在可以在Grok上搜索@imagine图片和视频了！ 它就像一个正常的图片搜索，但仅限于你创建的Imagine内容。我希望最终能在所有已发布的Grok图片上实现这个功能——那将非常棒！

AYi@AYi_AInotes · 6月19日79

卧槽，阿里把内部用了多年的向量数据库直接开源了，Pinecone每月70刀的能力，它pip一行免费就能用，十亿向量毫秒级还不用单独起服务🤯 以后做RAG和AI搜索的，不用再每月给Pinecone交70美金了！ 阿里内部跑了多年的向量数据库开叫Zvec， 一行pip install就能跑，完全免费。 三个最硬核的特性， 1️⃣十亿向量毫秒级检索，不用单独起服务，直接嵌进应用进程。 2️⃣从服务器到桌面端再到树莓派，全平台通吃。 3️⃣全语言官方SDK，v0.5.0新增原生全文混合搜索，向量关键词过滤器一次查完。 我觉得阿里这是把自用的生产级轮子，直接拆给全行业用了，以后AI应用的底层底座，又多了一个免费的靠谱选项啦~ pip install zvec。

译阿里开源内部向量数据库Zvec，pip install zvec免费使用，对标Pinecone每月70美元能力。支持十亿向量毫秒级检索，无需单独起服务，全平台兼容；v0.5.0新增原生全文混合搜索。UCSD黄碧薇教授（causal-learn作者）提出AI四代范式：相关性小模型→因果小模型→相关性大模型（LLM）→因果大模型，认为当前正站在第四代门口。其创立的Aether AI完成首轮融资，致力于从视频中自动抽取物理规律，探索下一代因果AI范式。

🚨 AI News | TestingCatalog@testingcatalog · 6月19日64

PERPLEXITY 🔥: Computer now has a Brain, a continuously learning memory system that forms an underlying context graph. It makes you willing to feed it with more and more context every day. > Available as a research preview for all Perplexity Max subscribers.

译Perplexity 为 Computer 推出 Brain 功能，一个持续学习的内存系统，能自动构建底层上下文图。该功能让每项任务从一开始就携带项目、决策和来源的完整上下文，不再从零开始。在需要过往上下文的任务上，Brain 使答案正确性提升 25%，召回率提升 16%，每任务运行成本降低 13%。目前已作为研究预览向所有 Perplexity Max 订阅者开放。

Greg Brockman@gdb · 6月19日51

OpenAI for helping find 18 new diagnoses across 376 previously unsolved medical cases. Includes diagnosing Kyra, who has been trying to understand her muscle weakness since age 9, with a rare form of myofibrillar myopathy shortly before her 28th birthday.

译OpenAI 与波士顿儿童医院、哈佛大学合作，在 NEJM AI 发表研究，使用 o3 Deep Research 重新审视 376 例此前未解的罕见儿科疾病案例，帮助找到 18 种新诊断。其中包含一例 Kyra 自 9 岁起出现肌无力的罕见肌原纤维肌病，在她 28 岁生日前不久得到确诊，为等待多年的家庭提供了答案。

Perplexity@perplexity_ai · 6月19日60

Introducing Brain in Computer. Brain is a continuously learning memory system. Every task on Computer plugs into a context graph built by Brain. It makes Computer more stateful with every run. Available as a research preview for all Perplexity Max subscribers.

译Introducing Brain in Computer. Brain是一个持续学习的记忆系统。Computer上的每个任务都会接入由Brain构建的上下文图。 它让Computer在每次运行时更具状态性。 现作为研究预览版面向所有Perplexity Max订阅者开放。

小互@xiaohu · 6月18日56

Apodex ：一个面向深度研究而打造的 Self-evolving heavy-duty solver 专门解决那种"没有现成答案、需要大量调研才能搞定"的硬问题 可一次最多派出 150 个子 Agent 并行探索，总共能跑 15,000 步 在 BrowseComp 上超越了 GPT-5.5-pro，在 DeepSearchQA 上超越了 Claude-Opus-4.8 和 Kimi-K2.6... 在科研和金融领域具有强大的研究能力 ... 它的工作步骤是：深度研究—自我校验—撰写 主要特点： 1、多 Agent 团队协作：主 Agent 接到任务后拆解成子问题，异步派发给专业化的子 Agent，每个子 Agent 有自己独立的上下文、提示词和工具集。 子 Agent 的报告汇入共享报告池，编排器异步读取，不会被最慢的那个卡住。单任务最高可调度 150 个子 Agent，执行超过 15,000 步。 2、内置三层自我验证机制： 当子 Agent 报告出现分歧时，冲突审查员介入；具体声明需要落地时，事实检查员介入；草稿完成时，草稿审查员过一遍。 最后还有一个全局验证器对所有汇集的证据做终审。验证器在结构上是独立于推理器的，被提示去"评估"而不是"继续推理"，可以推翻前面的结论。 3、由一个专门的 AgentOS 驱动：与执行任务严格分离，它只负责通用的底层事务： - Agent调度 — 150 个子 Agent 谁先跑谁后跑，资源怎么分配。 - 模型和工具路由 — 这个子任务该调哪个模型、该用哪个工具（搜索引擎、代码执行器、数据库等）。 - 事件流 — 子 Agent 之间怎么传递消息和状态更新。 - 检查点和追踪 — 跑到哪一步了，出错了能不能回滚。 - 成本记账 — 这个任务总共调了多少次 API，花了多少钱。 - 权限管理 — 哪些工具允许用，哪些数据允许访问。 这种设计好处是：当你添加新应用时候，只需一个插件代码文件夹，底下的调度、路由、记账、追踪这些基础设施全都现成的，不用动内核一行代码。

译Apodex专为解决无现成答案的硬问题设计。可同时派出最多150个子Agent并行探索，总步数超15,000步。在BrowseComp上超越GPT-5.5-pro，在DeepSearchQA上超越Claude-Opus-4.8和Kimi-K2.6。工作流程分深度研究、自我校验、撰写三阶段。内置三层自我验证机制（冲突审查员、事实检查员、草稿审查员）及独立全局验证器。由AgentOS负责调度、路由、事件流、检查点、成本记账、权限管理等底层事务，添加新应用只需插件代码，无需修改内核。

meng shao@shao__meng · 6月18日52

Codex Automations 的内外双循环 两类上下文 · 任务前上下文：历史、事实、约束、关系、既有决策，来源有检索、工具、记忆 · 任务后上下文：保留、修改、删除、发送、搁置，来源有人工审阅行为 任务前上下文决定第一次能不能写对；任务后上下文揭示什么才算「对」。双循环架构，就是分别系统化这两类信息。 # 内循环：把上下文带进任务 内循环负责：要不要回 → 找什么 → 怎么写 → 怎么验 → 产出可审草稿。 三个要点： 1. 检索即写作 好回复依赖相似邮件、半年前的决定、项目状态、权威来源等。目标不是搜全，而是找到最小、足够让回复准确且具体的信息集。 2. 工作流可固定，也可智能体化 既可以是「拉信 → 过滤 → 分类 → 起草 → 校验」的固定流程，也可以是「每天早上 9 点为我需要回复的邮件建草稿」这类自然语言指令，由 Codex 自行决定步骤。关键不在形式，而在检索是否内嵌于写作。 3. 动作可逆 只建草稿，不自动发送。审阅前保存：提议回复、来源、提示词与写作指引版本。没有这层记录，审阅只是轶事；有了，审阅才是可复用的证据。 # 外循环：从审阅中回收上下文 外循环在审阅之后启动，先看结果类型： · 原样发送 → 草稿有效 · 改后发送 → 最有价值的 before/after · 删除 → 可能写错，也可能本不必回（难判） · 搁置 → 信息不足，不宜过度解读 即使已发送，也只记录「你接受了什么」，不代表对方满意或任务完成；真正效果可能在后续往来里才显现。但审阅本身已是写稿时不存在的证据。 草稿与终稿之差 = 证据，不等于教训。 · 开头变短 → 可能是写作偏好 · 补了事实 → 可能搜错地方 · 删掉承诺 → 可能需要新的校验规则 · 整段重写 → 可能是应保留的人类判断 外环的真正工作：读懂 diff 的含义，而不是把每次修改都写进 prompt。 # 外循环如何改进内环 外循环只问一个问题：下次怎样能更接近你第一次就满意的版本？ 答案可能是：写作指引、新数据源、新检索步骤、对「 unsupported commitments 」的检查、更早交给你人工处理——不必每条 edit 都变成规则。 实践上： · 经你批准的教训，放进简单 markdown · 外环提议更新；你决定采纳 · 内环下次起草前读取该文件 今天纠正的，变成明天运行的上下文——这是外环对内环的闭环。 # 双循环，双时钟 · 内循环：快（如每 2 小时），快响应、低延迟 · 外循环：慢（日末 / 满 N 条审阅 / 每周），太频 → 从个案过拟合；从不跑 → 修正被遗忘 内外循环速度刻意错开：内循环服务即时效率，外循环服务模式与稳定改进。 同一结构可用于：邮件、deck、报告、简报、issue 分诊等——凡是有「起草 → 人审 → 发送/修改/丢弃」的流程，都适用。

译邵猛详解 Codex Automations 的双循环架构：内循环负责将上下文带入任务，通过“检索即写作”、可逆动作（只建草稿不自动发送）等原则快速产出可审草稿；外循环在人工审阅后启动，通过草稿与终稿的 diff 提取证据，区分修改类型（写作偏好、事实补漏、承诺删除等），将经批准的教训写入 Markdown 供内循环下次使用。双循环速度错开：内循环快（如每 2 小时），外循环慢（日末/满 N 条审阅/每周），平衡即时效率与模式改进。适用于任何“起草→人审→发送/修改”的流程。

🚨 AI News | TestingCatalog@testingcatalog · 6月18日50

Apodex has released Apodex 1.0, a verification-centric deep research agent that searches the web, synthesizes evidence, and generates reports in which every claim is backed by an auditable chain of evidence. In heavy-duty mode, Apodex 1.0-H runs an async team of up to 150 sub-agents, with a global verifier checking the assembled evidence before any answer is committed. Evidence over generation 👀

译Apodex 推出 Apodex 1.0，一款以验证为核心的深度研究智能体，能够自主搜索网络、综合证据，并生成报告，其中每个声明都附带可审计的完整证据链。重载模式 Apodex 1.0-H 可运行多达 150 个子智能体的异步团队，并由全局验证器在交付前检查所有已收集的证据。官方宣称该方案达到 SOTA 水平。

meng shao@shao__meng · 6月17日62

Exa 正式发布「Exa Agent」：托管式 Web Research Agent API，把前沿模型与 Exa 自研搜索工具链打包成单一接口，面向「深度调研、名单构建、实体 enrichment」三类任务 https://exa.ai/blog/exa-agent # 技术路径：三层叠加 1. 任务分解 + 并行子 Agent 面对大规模数据集或宽口径调研，系统会把任务拆成多个子任务，按领域并行派生子 Agent。这是典型的 Map-Reduce 式研究架构，适合 WideSearch 类「多实体 × 多字段」任务。 2. Model Fusion（模型融合） 不固定用单一最强模型，而是 按任务动态混用 frontier 模型与高性价比模型，在质量与成本之间做路由。Blog 未披露具体路由策略，但方向清晰：把算力花在「难的地方」，简单子任务用便宜模型。 3. Token 效率：Highlights 模型 Blog 再次强调 Exa Highlights——据称可将 token 用量 最高削减 94%。对 Agent 工作流而言，这直接决定：同样预算下能读多少网页、做多少轮检索，是成本优势的重要来源之一。 # 评测设计：WideSearch 与 Row-F1 Blog 重点展示了 WideSearch 基准（2025年8月发布），任务形态是：从全网聚合原子信息，输出结构化表格（实体 + 多列 enrichment）。 Exa 采用的评分方式是 Row-F1： · 一行算成功，必须 实体匹配正确 + 所有必填列均有效 · 他们曾试过 Cell-level F1，但认为过于宽松——单列对了、实体错了也会得分 这个选择本身合理：更贴近 B2B 场景（CRM enrichment、竞品表、融资名单）的真实需求，而不是学术 QA 的「部分正确也给分」。 Blog 图表将 Exa Agent High 与 Perplexity Agent Pro、Parallel Task Ultra、Opus 4.8、GPT 5.5 对比，维度是 Row-F1 vs 单次查询成本，Exa 在 Pareto 前沿上占优。 # 应用场景 1. Finance Agent 实时抓取全网财务/融资/产品动态，聚合为自定义格式 2. GTM / Sales 自带账户列表做 enrichment，或由 Agent 生成数十至数百实体名单 3. Company Research 多维度公司简报（融资、产品、合作、高管、GitHub 等） 4. Literature / Code Review 文献综述、代码相关调研

译Exa 正式发布 Exa Agent，一个将前沿模型与自研搜索工具链打包成单一接口的托管式 API，面向深度调研、名单构建和实体 enrichment。核心技术包括：任务分解 + 并行子 Agent（Map-Reduce 架构）；按任务动态混用前沿模型与经济模型的 Model Fusion；Highlights 模型可将 token 用量最高削减 94%。在 WideSearch 基准上采用 Row-F1 评分，Exa Agent 成本不到 GPT 5.5 和 Opus 4.8 的一半，处于 Pareto 前沿。应用场景涵盖金融、GTM/Sales、公司研究及文献/代码 review。

Rohan Paul@rohanpaul_ai · 6月17日26

Whats happening to OpenClaw trend. Is it because many people say there’s no need to search for OpenClaw on Google since they already have OpenClaw?

译OpenClaw趋势发生了什么。 是因为很多人说不需要在Google上搜索OpenClaw，因为他们已经有了OpenClaw吗？

向阳乔木@vista8 · 6月15日54

研究起来，未来的广告形态，AI时代的广告，巨头已经都开始探索

译主推文指出 AI 时代的广告形态已成巨头探索方向。引用推文 @yaojingang 分析 OpenAI 广告后台发现：ChatGPT Ads 本质不是买关键词，而是买用户任务场景和意图匹配；广告内容越像说明书越适合；投放页面的 SEO 基础设施（爬虫理解与验证页面）至关重要；落地页、标题、文案及上下文提示共同影响匹配质量。官方将其定义为“AI 原生广告”，并开启“GEM 时代”。

X.PIN@thexpin · 6月15日54

An AI-powered Alipay is being tested by Ant Group. This is Alibaba's first attempt to plug AI into China's biggest payments platform. The new Alipay will embed an AI assistant called "Abao," shifting the interface from "function menus + search bar" to conversation-first.

译蚂蚁集团正在测试一款 AI 驱动的支付宝。这是阿里巴巴首次尝试将 AI 植入中国最大的支付平台。新版支付宝将嵌入一个名为“阿宝”的 AI 助手，界面从“功能菜单+搜索栏”转变为对话优先。

歸藏(guizang.ai)@op7418 · 6月15日26

周一上午痛苦摸鱼的时候可以看看

译周一上午痛苦摸鱼的时候可以看看 [引用 @op7418]：http://x.com/i/article/2065096982310567936

🚨 AI News | TestingCatalog@testingcatalog · 6月15日26

The upcoming Perplexity Digest feature will likely be powered by Deep Research. Users will be able to schedule and customize periodic updates from a wide range of connected sources that will also be sent to their email. * Not available yet Deep Digest 👀

译即将推出的Perplexity Digest功能很可能由Deep Research驱动。 用户将能够安排并定制来自广泛连接源的周期性更新，这些更新也会发送到他们的邮箱。 * 目前尚未可用 Deep Digest 👀

Greg Brockman@gdb · 6月13日71

powerful & cool way to navigate a website, makes it feel so much more interactive and intuitive

译OpenAI 在开发者文档网站上线了新的文档智能体，可帮助查找产品相关信息并直接跳转到对应文档。Greg Brockman 表示这是一种强大且酷的网站导航方式，让交互更加直观。

Berryxia.AI@berryxia · 6月12日56

http://x.com/i/article/2064887516130652160 # 建议收藏：100+海外一手 AI 资讯+AI大神们信息源清单！一次性全部拿走！含链接！ 上一期给大家提供了100+海外的咨询和AI 大佬们的信息源清单，但是很多朋友反馈无法复制，我把其整理优化后可以进行复制操作！ 上一期的内容可以看这个👇🏻 记得一键三连，以免后面后面找不到~

译Berry Xia 整理优化了一份可复制的清单，包含100+海外一手AI资讯和AI大神信息源，并附链接。此前版本无法复制，现提供可直接复制操作的版本，建议收藏。

🚨 AI News | TestingCatalog@testingcatalog · 6月12日68

Perplexity Deep Research is now available on Perplexity Computer as a native skill. > Computer breaks the hardest questions into subtasks, routes them across 20+ frontier models, and returns work-ready reports, decks, and dashboards. > Available now to Pro and Max subscribers. Even Deep Research is a Computer 👀

译Perplexity Deep Research 现以原生技能形式集成至 Perplexity Computer 平台。Computer 负责将复杂问题分解为子任务，路由至20多个前沿模型，并返回报告、演示文稿和仪表板。Deep Research 基于 Search as Code 架构构建，模型编写代码自行组装搜索，并行执行数千次检索步骤，在所有基准测试上均超越旧版 Deep Research。该功能已面向 Pro 和 Max 订阅用户开放。

Perplexity@perplexity_ai · 6月12日77

We're integrating Deep Research as a native skill inside Computer. It now connects to the agent harness that powers Computer, with access to search as code generation, long running sandboxes, connectors, tools, and licensed data. Available now to Pro and Max subscribers.

译我们正在将 Deep Research 作为原生技能集成到 Computer 中。 它现在连接到驱动 Computer 的智能体框架，可访问搜索即代码生成、长运行沙箱、连接器、工具和授权数据。 Pro 和 Max 订阅者现已可用。

AYi@AYi_AInotes · 6月11日66

对于大部分普通人来说，第六轮康波周期就是这波AI，怎么抓住这波AI红利，刚好5个月达成50000粉的里程碑，分享下我最近的思考： 工业革命两百多年，人类总共只走过五轮康波， 蒸汽机、铁路、电力、汽车石油、信息互联网， 一轮五十年，一个人这辈子撑死赶上两三轮，但真正能亲手抓住的往往只有一轮。 AI 大概率就是第六轮，也是我们这代普通人，唯一一轮从开场哨就站在场内的康波。 而这一轮里，大多数普通人真正吃得到的红利，我觉得不卷模型，也不是卷融资，而是自媒体。 我就是这么走过来的，推特五个月从零做到五万粉，之前定的所有策略全部跑通。 所以最近开始全力杀回国内，小红书、公众号、视频号，全压上。 研究公众号的时候，我发现一个绝大多数人还没反应过来。 2026 年的公众号，早就不是订阅制产品了，现在头部账号的阅读量，推荐流占三到六成，搜一搜占三到四成，老老实实从订阅列表点进来的，反而成了小头。 以前的公众号像开在巷子深处的店，全靠回头客，新店没人带路就是死。 现在算法把所有店都拖到了步行街口——完读率、互动、停留时长，就这三个指标，新号前十篇直接决定账号权重。 零粉新号也能靠一篇内容拿到百万级曝光，老号的先发优势，直接没了一半，每个账号每一篇，都得重新参加考试。 这对一直在练内容能力的人来说，是十年一遇的利好。 康波从来不缺看见它的人，每代人里喊周期来了的都不少，但真正缺的是趁周期还在头上，肯一篇一篇把东西垒起来的人。

译阿易AI Notes认为AI是继蒸汽机、铁路、电力、汽车石油、信息互联网后的第六轮康波周期，普通人唯一从开场哨就站进场内的机会。红利不在卷模型或融资，而在自媒体。作者推特5个月做到5万粉，策略跑通后开始进军小红书、公众号、视频号。公众号已非订阅制：头部账号推荐流占30%–60%，搜一搜占30%–40%，订阅仅小部分。新号前十篇决定权重，零粉也能获百万级曝光，老号先发优势减半。康波不缺看见的人，缺一篇篇把内容垒起来的人。

OpenAI Developers@OpenAIDevs · 6月10日76

Your app can now search the web for images. Web search in the Responses API now supports image results in addition to text results, so you can build apps that surface products, places, visual references, and source links for inspiration.

译你的应用现在可以搜索网页上的图片。 Responses API 中的网页搜索现在除了文本结果外，还支持图片结果，因此你可以构建能展示商品、地点、视觉参考和来源链接以激发灵感的应用。

🚨 AI News | TestingCatalog@testingcatalog · 6月10日61

Mora has launched its AI-native analytics platform, where teams can ask questions about hard revenue, churn, and product and get verified answers in seconds, with the SQL cleanly shown so every number can be checked. It can connect to warehouses, databases, Stripe, and CRMs, then build the dashboard directly.

译Mora 发布 AI 原生分析平台，团队可用自然语言提问营收、流失率、产品数据，秒级获取可验证答案，SQL 清晰展示以方便核查。平台支持连接数据仓库、数据库、Stripe 和 CRM 系统，并直接构建仪表盘。引用推文指出，在聊天和代码之后，分析是 AI 最大的机会，当前工具尚未被充分利用，因此推出 Mora。

Rohan Paul@rohanpaul_ai · 6月9日68

Perplexity just said it plans a 2028 IPO no matter how Anthropic, OpenAI, or SpaceX trade when they hit public markets. CEO Aravind Srinivas told CNBC the next phase of AI will punish mindless token spending. --- cnbc .com/2026/06/09/perplexity-ipo-2028-as-anthropic-openai-prepare-listings.html

译Perplexity 刚刚表示计划在 2028 年进行 IPO，无论 Anthropic、OpenAI 或 SpaceX 上市后交易情况如何。 CEO Aravind Srinivas 告诉 CNBC，下一阶段 AI 将惩罚无意义的 token 消耗。

小互@xiaohu · 6月9日64

NotebookLM 迎来重大升级 · 底层模型换成 Gemini 3.5 + Antigravity · 每个Notebook自带云端电脑，能写代码做复杂分析，内置 100 多个技能 · 新增十几种输出格式：PDF、docx、Excel、PPT、图表、图片等，生成后还能再改 · 还打通了 Google 搜索让你不用自带资料也能开工

译NotebookLM 迎来重大升级。底层模型更换为 Gemini 3.5 和 Antigravity；每个 Notebook 自带云端电脑，支持写代码和复杂分析，内置 100 多个技能；新增十几种输出格式，包括 PDF、docx、Excel、PPT、图表、图片等，生成后可二次修改；还打通了 Google 搜索，用户无需自带资料即可开工。

Berryxia.AI@berryxia · 6月9日61

兄弟们！Google NotebookLM 大更新了！ NotebookLM一夜之间从你的笔记小助手 ！ 直接进化成能独立带你搞定复杂多步研究的agent，把一堆靠云端幻觉混日子的研究工具直接干沉默了。 官方这次升级很大：聊天里塞进agentic能力、更狠的推理逻辑，还有一整套新输出格式。 以前那种得手动来回好几轮、层层推进的硬骨头研究，现在它直接自己拆任务、自己推理、自己输出。 并且它还能从网上挖新资料给你加进来，但真正生成答案、做报告的时候，死死只认你自己选好、批准过的来源，一点都不乱编。 以前大家以为Agent AI就等于高风险幻觉，结果NotebookLM用这个方式告诉你：真正牛的agent不是胆子大，而是把“靠谱”当成底层铁律，然后再给你agent级生产力。 这波升级一出，研究、生产、学习这些活儿，彻底从“人机对话”变成“人机搭档”了。 减少幻觉，提供置信度高的来源。 可以体验一下～

译Google NotebookLM 迎来重大升级，在聊天中注入智能体（agentic）能力、更先进的推理逻辑以及一整套新输出格式。它可自主拆解复杂多步研究任务，逐步推理并生成结果；能主动从网络挖掘新资料，但最终答案严格基于用户批准过的来源，大幅减少幻觉。这让人机协作从“对话”升级为“搭档”。该更新已面向 Google AI Ultra 订阅用户逐步推送。

jason@jxnlco · 6月9日41

its like the codex app (windows) but on macos!

译就像 Windows 上的 Codex 应用，但在 macOS 上！