与「长尾鲨」相关的搜索结果

【妈妈岛】打破戴夫偏见，爱上长尾鲨 #潜水员戴夫# #长尾鲨##旅行vlog# #影视飓风混剪挑战赛# #剪映创作合伙人# 原作者：@想要到处玩的小新

我以前觉得，搞量化你能打的Jane Street，能打的过Jump吗？ A股你打的过梁文峰吗？ 后面我发现，有非常多的长尾市场，他们没发掘，由于市场容量的问题，他们不做。但是对于绝大部分人是可以做的。 也许Jane Street评估一个套利空间一年要有几个M甚至10M+的利润，但是对于我们来说，500K一年都是非常肥美了。 水浅者，大鱼不游. 古人已经告诉我们了。

为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 微博VibeLab AI 创意赛收官了，一共有 2500 多件原创作品，2.4 亿多话题阅读。很荣幸这次是评委一员，有机会翻看了不少优秀的参赛作品，也转发了其中一部分。 一个直观的感受就是软件开发这种事情，不再需要专业人士了，普通人也能 Vibe 一个工具出来。 所以借这个机会，整理总结一下：为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 一、写代码这件事，门槛和成本都降下来了 写代码以前是程序员的专利，想写个工具，别说学语言框架，搭个环境都费劲的要死，随便一个环境都能把你卡住，像我这样写程序得有很多年的，换个不熟悉的语言，一样也搞不定。 现在借助 AI Agent，门槛一降再降，现在你只要有一个 Agent，会打字或者会语音，都能指挥 Agent 帮你写一个 App 出来。写代码这件事，从以前需要专业技能，到现在变成了语言表达能力。 我自己身上都有明显变化，从以前对 Vibe Coding 的嗤之以鼻，到现在“真香”，每天都大量的在指挥 Agent 帮我写代码。 二、以前的软件，满足不了长尾需求 长尾理论说的是，需求分布是一条长长的尾巴：头部是大多数人共有的需求，尾巴上是无数小众的、个性化的需求。传统软件只能做头部，因为为少量用户单独开发功能，成本上是不合算的。 而且，就算你有个好想法，也很难传递到开发者那里。想象一下一个普通用户的需求要经过的链条： 用户反馈 → 产品经理收集筛选 → 转化成需求文档 → 设计师出设计稿 → 程序员做系统设计 → 编码 → 测试 → 运维部署 每一环都在过滤、都在排优先级。最终大部分普通用户的需求，都被筛选掉了，软件最终只能取最大公约数，做绝大部分人都需要的那部分。 结果就是，市面上的软件很多，但每个人都有一堆“要是能这样就好了”的小需求，从来没有被满足过。 这次 VibeLab 里我印象很深的一个作品是 @机器旁白 做的 SiaoCut 。起因是他看到我做的 BaoCut，很喜欢“转写、像改文稿一样编辑、AI 处理、人工审阅、导出”串成一条工作流的思路，但 BaoCut 只支持 macOS，他是 Windows 用户。放在以前，他只能等我哪天有空做个 Windows 版，或者就此作罢。现在他自己和 AI 一起做了一个，而且不是简单复刻，还在这个过程中想清楚了自己关心的问题：AI 进入剪辑流程后，应该拿到多少数据，能替创作者决定到哪一步。 这就是长尾需求被满足的样子：不需要等别人来做，有需求的人自己就能把它做出来！ 三、Vibe Coding 让成本变低、链条变短 所以以前那种长长的从需求到交付的链条，现在可以缩成简单的几步： 有个想法，让 AI 去设计、制作、部署。 甚至于很多需求根本不需要做成一个有界面的产品。 比如你想每天自动整理某个表格里的待办，或者每周追踪最新的 AI 资讯，这些事让 AI Agent 帮你写个脚本，再让它自己定时调用就行了。 比如 @张铁蕾 开源的 Bridgic Agent 就是这样的作品：输入 /build，描述你的目标，它自己去探路、生成、验证，遇到需要你判断的地方再来问你。做出来的不是一次性跑完的任务，而是可以长期运行、随时修改的工作流。 还有一种更轻的做法：把你的操作流程、经验和偏好写成 Agent Skill，就像一份告诉 AI 怎么做某类事的说明文档，那么以后 Agent 就能按照 Skill 的说明帮你把很多繁琐的事情变成自动化半自动化的操作，大幅提升你的效率。 现在随着 Agent Computer Use（操作电脑）的能力增强，你甚至可以让 AI 观察你操作一遍，然后它自己能把它你的操作录制成 Skill。不需要界面、不用部署，但它确实能替你干活。 四、模型和智能体的能力，一直在变强 现在普通人也能 Vibe Coding，还有一个重要原因是模型能力在变强。 回头看这几年的变化： 最初，像 GitHub Copilot 只能做代码补全，你写一半它提示后半段； 然后，它能根据描述生成一段完整的代码； 后来， Claude Code 能自己在项目里探索，读文件、找上下文，把一个功能完整实现； 现在，主流 Agent 都已经能做设计、写代码，还能帮你操作电脑，打开浏览器自己验证做出来的东西对不对。 模型每上一个台阶，普通人做工具的难度就降一截。VibeLab 期间正好赶上 Kimi K3 发布，很快就有创作者拿它做体检报告工具、做斗地主游戏，还有人把 Claude Code、Qoder、GLM、Kimi K3 混着用。 由此也可以看得出越来越多的人已经不再把 AI 当聊天机器人了，能配合 Agent 把 AI 当干活的工具。 五、变化的还有“做工具”这件事本身的心态 看作品的时候我还注意到一点：很多作品不追求改变世界这种宏大的事，就是想先解决一个具体麻烦。比如说工作流太碎、长辈不听劝、拍照没人帮、看不懂热点，作品的起点都是这样一个一个具体的痛点。 最初微博在设定大赛规则的时候，把赛道拆进职场、生活、视觉、微博这些具体场景，现在看来还挺有道理的，因为这确实能激发人 Vibe 的冲动，想去用 AI 解决生活中的问题。 其实这次参赛的作品也不都是工具。@世界第一裹凉皮 把 32657 位诗人、933857 首诗做成了一个三维宇宙 ；@德里克文 的「华夏博物志」把全国博物馆收进一幅可以点开的中国画 ；@海辛Hyacinth 把三星堆&金沙文物变成了互动场景 。这些作品看起来似乎不像工具那么实用，但让我们看到 Vibe Coding 不只是提效，也可以服务于文化和审美。 以前想做这样的东西，需要一个团队，现在一个人，不需要会写程序，有自己的想法加上 AI 就可以试试看。 最后，如果你也想自己搓一个工具，我的一点建议： 从写一个 Agent Skill 开始。 这是成本最低的方式：不用部署，不用界面，把你希望 AI 帮你做的某类事情写清楚就行。做一次，发现哪里不对，改一改，很快就能用起来。 顺便推荐下我的书《图解 Skill》，也是不错的 Skill 入门书籍。 如果要做网页或者 App，不用一上来就让 AI 把整个东西做完。 建议分步走： 1. 先和 AI 一起讨论需求，把你想要什么说清楚，让它复述一遍，确认理解一致。 2. 先做原型。也就是用模拟数据，只看长什么样、怎么操作，不接真实逻辑。原型的好处是改起来成本低，修改容易，就算推翻重来都很快。 3. 再做 MVP（最小可行产品），只做一个最核心的功能，先做一个小的能跑的东西出来。 4. 再慢慢迭代，有了 MVP 了，能跑起来了，就可以慢慢迭代，一次加一个小功能，AI 能处理的过来，你也验收的过来，日积月累，慢慢会变成成熟的软件。 做完一定要验收。 从头到尾按一个真实用户的路径试一遍，AI 说做完验收完不一定靠谱，还得自己上手用用。 注意安全。 涉及钱、隐私、账号权限的东西要格外小心，拿不准的地方去找专业人士问一下。就像 SiaoCut 的作者给 AI 划定了边界：AI 只拿到任务所需的文本和时间戳，不碰原始媒体，处理完只生成待审建议，最终由人决定。这样的思路值得借鉴。 最后说一句，做出来之后，发出来。 这次 VibeLab 里不少作品原本只是作者电脑里的一个 Demo，发到微博之后被讨论、被转发，有的还上了热搜。对于自己动手做东西的人来说，“作品被看见”是最好激励，也是下一次迭代的开始。

为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 微博VibeLab AI 创意赛收官了，一共有 2500 多件原创作品，2.4 亿多话题阅读。很荣幸这次是评委一员，有机会翻看了不少优秀的参赛作品，也转发了其中一部分。 一个直观的感受就是软件开发这种事情，不再需要专业人士了，普通人也能 Vibe 一个工具出来。 所以借这个机会，整理总结一下：为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 一、写代码这件事，门槛和成本都降下来了 写代码以前是程序员的专利，想写个工具，别说学语言框架，搭个环境都费劲的要死，随便一个环境都能把你卡住，像我这样写程序得有很多年的，换个不熟悉的语言，一样也搞不定。 现在借助 AI Agent，门槛一降再降，现在你只要有一个 Agent，会打字或者会语音，都能指挥 Agent 帮你写一个 App 出来。写代码这件事，从以前需要专业技能，到现在变成了语言表达能力。 我自己身上都有明显变化，从以前对 Vibe Coding 的嗤之以鼻，到现在“真香”，每天都大量的在指挥 Agent 帮我写代码。 二、以前的软件，满足不了长尾需求 长尾理论说的是，需求分布是一条长长的尾巴：头部是大多数人共有的需求，尾巴上是无数小众的、个性化的需求。传统软件只能做头部，因为为少量用户单独开发功能，成本上是不合算的。 而且，就算你有个好想法，也很难传递到开发者那里。想象一下一个普通用户的需求要经过的链条： 用户反馈 → 产品经理收集筛选 → 转化成需求文档 → 设计师出设计稿 → 程序员做系统设计 → 编码 → 测试 → 运维部署 每一环都在过滤、都在排优先级。最终大部分普通用户的需求，都被筛选掉了，软件最终只能取最大公约数，做绝大部分人都需要的那部分。 结果就是，市面上的软件很多，但每个人都有一堆“要是能这样就好了”的小需求，从来没有被满足过。 这次 VibeLab 里我印象很深的一个作品是 @机器旁白 做的 SiaoCut 。起因是他看到我做的 BaoCut，很喜欢“转写、像改文稿一样编辑、AI 处理、人工审阅、导出”串成一条工作流的思路，但 BaoCut 只支持 macOS，他是 Windows 用户。放在以前，他只能等我哪天有空做个 Windows 版，或者就此作罢。现在他自己和 AI 一起做了一个，而且不是简单复刻，还在这个过程中想清楚了自己关心的问题：AI 进入剪辑流程后，应该拿到多少数据，能替创作者决定到哪一步。 这就是长尾需求被满足的样子：不需要等别人来做，有需求的人自己就能把它做出来！ 三、Vibe Coding 让成本变低、链条变短 所以以前那种长长的从需求到交付的链条，现在可以缩成简单的几步： 有个想法，让 AI 去设计、制作、部署。 甚至于很多需求根本不需要做成一个有界面的产品。 比如你想每天自动整理某个表格里的待办，或者每周追踪最新的 AI 资讯，这些事让 AI Agent 帮你写个脚本，再让它自己定时调用就行了。 比如 @张铁蕾 开源的 Bridgic Agent 就是这样的作品：输入 /build，描述你的目标，它自己去探路、生成、验证，遇到需要你判断的地方再来问你。做出来的不是一次性跑完的任务，而是可以长期运行、随时修改的工作流。 还有一种更轻的做法：把你的操作流程、经验和偏好写成 Agent Skill，就像一份告诉 AI 怎么做某类事的说明文档，那么以后 Agent 就能按照 Skill 的说明帮你把很多繁琐的事情变成自动化半自动化的操作，大幅提升你的效率。 现在随着 Agent Computer Use（操作电脑）的能力增强，你甚至可以让 AI 观察你操作一遍，然后它自己能把它你的操作录制成 Skill。不需要界面、不用部署，但它确实能替你干活。 四、模型和智能体的能力，一直在变强 现在普通人也能 Vibe Coding，还有一个重要原因是模型能力在变强。 回头看这几年的变化： 最初，像 GitHub Copilot 只能做代码补全，你写一半它提示后半段； 然后，它能根据描述生成一段完整的代码； 后来， Claude Code 能自己在项目里探索，读文件、找上下文，把一个功能完整实现； 现在，主流 Agent 都已经能做设计、写代码，还能帮你操作电脑，打开浏览器自己验证做出来的东西对不对。 模型每上一个台阶，普通人做工具的难度就降一截。VibeLab 期间正好赶上 Kimi K3 发布，很快就有创作者拿它做体检报告工具、做斗地主游戏，还有人把 Claude Code、Qoder、GLM、Kimi K3 混着用。 由此也可以看得出越来越多的人已经不再把 AI 当聊天机器人了，能配合 Agent 把 AI 当干活的工具。 五、变化的还有“做工具”这件事本身的心态 看作品的时候我还注意到一点：很多作品不追求改变世界这种宏大的事，就是想先解决一个具体麻烦。比如说工作流太碎、长辈不听劝、拍照没人帮、看不懂热点，作品的起点都是这样一个一个具体的痛点。 最初微博在设定大赛规则的时候，把赛道拆进职场、生活、视觉、微博这些具体场景，现在看来还挺有道理的，因为这确实能激发人 Vibe 的冲动，想去用 AI 解决生活中的问题。 其实这次参赛的作品也不都是工具。@世界第一裹凉皮 把 32657 位诗人、933857 首诗做成了一个三维宇宙 ；@德里克文 的「华夏博物志」把全国博物馆收进一幅可以点开的中国画 ；@海辛Hyacinth 把三星堆&金沙文物变成了互动场景 。这些作品看起来似乎不像工具那么实用，但让我们看到 Vibe Coding 不只是提效，也可以服务于文化和审美。 以前想做这样的东西，需要一个团队，现在一个人，不需要会写程序，有自己的想法加上 AI 就可以试试看。 最后，如果你也想自己搓一个工具，我的一点建议： 从写一个 Agent Skill 开始。 这是成本最低的方式：不用部署，不用界面，把你希望 AI 帮你做的某类事情写清楚就行。做一次，发现哪里不对，改一改，很快就能用起来。 顺便推荐下我的书《图解 Skill》，也是不错的 Skill 入门书籍。 如果要做网页或者 App，不用一上来就让 AI 把整个东西做完。 建议分步走： 1. 先和 AI 一起讨论需求，把你想要什么说清楚，让它复述一遍，确认理解一致。 2. 先做原型。也就是用模拟数据，只看长什么样、怎么操作，不接真实逻辑。原型的好处是改起来成本低，修改容易，就算推翻重来都很快。 3. 再做 MVP（最小可行产品），只做一个最核心的功能，先做一个小的能跑的东西出来。 4. 再慢慢迭代，有了 MVP 了，能跑起来了，就可以慢慢迭代，一次加一个小功能，AI 能处理的过来，你也验收的过来，日积月累，慢慢会变成成熟的软件。 做完一定要验收。 从头到尾按一个真实用户的路径试一遍，AI 说做完验收完不一定靠谱，还得自己上手用用。 注意安全。 涉及钱、隐私、账号权限的东西要格外小心，拿不准的地方去找专业人士问一下。就像 SiaoCut 的作者给 AI 划定了边界：AI 只拿到任务所需的文本和时间戳，不碰原始媒体，处理完只生成待审建议，最终由人决定。这样的思路值得借鉴。 最后说一句，做出来之后，发出来。 这次 VibeLab 里不少作品原本只是作者电脑里的一个 Demo，发到微博之后被讨论、被转发，有的还上了热搜。对于自己动手做东西的人来说，“作品被看见”是最好激励，也是下一次迭代的开始。

哈，这个小程序生意不做，就太可惜 在小红书发现，只要和心理测试相关，长尾特别长。这次的性格城市匹配测试，就是这样 1/ 粉丝不需要太多，头像温柔女生形象就好 2/ 虎狼之词先用 Claude 生成好，保障情绪价值到位 3/ 所有的交付转即成为笔记，内容构建自循环 除了小红书，抖音，微信小程序都能分发 关键是，你们想想看，拉进私域的，都是什么人群，是不是高频次，高消费人类？

拥抱泡沫＝拥抱争议 投资 crypto 的黄金窗口，恰是它争议最大的那几年。 当它还被视为“投机工具”和“监管灰区”时，多数人看到的是风险，少数人看到的，却是一个尚未被主流定价的新网络。 类似的故事并不少见： ▌iPhone 刚问世时，许多人认为手机只能用于通信，小屏幕不可能取代 PC ▌电动车长期被质疑续航短、成本高、补能难，特斯拉也一度被视为资本游戏 争议越大，认知差往往越大。等共识形成、叙事被证明正确，不对称机会通常已经所剩无几。 1/ 下一场争议：机器人 如今分歧最大的行业之一，是具身智能/机器人。 看多者认为，它将引发下一场劳动力革命；看空者则认为，这只是靠 PPT 造富的工业版共享单车。 质疑并非毫无根据： 硬件和维护成本高 人形未必是最优工程方案 高质量真实数据极度稀缺 应用场景分散，付费意愿有限 这些问题都指向同一个核心：物理世界的摩擦。 语言模型可以从互联网学习文本和图像，机器人却必须学习如何行动。 它不只要认出一只杯子，还要判断从哪儿抓、用多大力、怎么避开障碍、如何稳稳放下。一旦抓空、打滑，或者物体位置和预期不符，它还得知道怎么纠错。 这类数据，比互联网上的文本稀缺太多了。 2/ 机器人缺的不是故事，而是数据 具身智能行业正卡在一个明显的矛盾里。 一边，硬件、传感器、算力和模型都在飞速进步； 另一边，能让机器人在真实世界中泛化的数据，依然昂贵、缓慢、稀缺。 传统的数据采集高度依赖封闭实验室：搭建场景 → 安排操作员 → 遥控真机 → 工程师清洗、标注、训练。 这套模式的问题一目了然： ▌速度慢、成本高 ▌场景覆盖有限 ▌难以处理真实世界的大量长尾情况 ▌数据供给很难跟上模型迭代速度 所以行业真正的瓶颈，也许从来不是能不能造出机器人，而是能否以足够低的成本、足够快的速度，持续生产出让机器人变聪明的数据？ 这正是 @axisrobotics 的切入点。 3/ Axis Robotics：不造机器人，生产机器人数据 Axis Robotics 没有把重点放在再造一台人形机器人，而是选择了产业链中更基础、也更难规模化的一层：机器人训练数据。 它的路径分三步。 第一步：用浏览器，把仿真数据做成规模生意 用户不需要任何硬件，打开浏览器就能远程操作一台仿真机械臂，完成拿杯子、分拣物品、打开抽屉等任务。 每一次操作都会留下一条完整轨迹——关节状态、物体位姿、控制动作、任务元数据等，可直接用于基础策略的预训练。 第二步：用人工纠错，采集高价值的后训练数据 当策略开始自主执行任务时，人类只需在一旁监督。模型一出错，操作员立刻接管、纠正，然后把控制权交还给模型。 第三步：用手机，补上真实世界的那一块 手机可以捕捉第一人称的空间与动作信息，把日常人类行为直接转化为机器人可学习的样本，填补仿真难以覆盖的真实分布。 后台会对轨迹做回放、验证与清洗，再通过 Isaac Sim 扩展为大规模、照片级、域随机化的训练样本，用于训练泛化能力更强的模仿学习策略。 4/ 结语 具身智能能否像市场期待的那样快速落地，仍是未知数。但有一件事正在变得越来越清晰： 如果物理 AI 真正进入现实世界，数据将是无法绕过的基础设施。 Axis Robotics 传送 -

.@base 生态现在整体很热,Meme 轮番上， 这类标的也上了 Coinbase，资金和注意力都在往里涌。交易、Agent、上币预期成了最热闹的主线 但我更想往上游看一层 Base → Virtuals → Robotics → Data 这条逻辑其实很干净。 Base 在强化交易和 Agent 入口，@virtuals_io 也已经把 Robotics / Embodied AI 放进核心方向。 而 AI 一旦从数字世界进入物理世界，真正难的问题就变了。 LLM 可以直接吃互联网数据。 机器人需要学习人在真实环境里怎么抓、怎么放、怎么使用工具、怎么失败，以及失败以后怎么修正。 这些数据很难靠爬虫获得，纯仿真也很难覆盖真实世界里大量长尾情况。 所以 Physical AI 接下来一个很重要的瓶颈，就是： 真实世界 Human Demonstration Data 怎么规模化生产。 Caspius 卡的就是这一层。 目前公开能看到： 1000+ 小时 Human Demonstration Data 500+ Active Contributors Phase 1 第一人称数据采集已经运行 下一阶段是价值密度更高的 Teleoperation Data 规模还很早，但至少数据生产闭环已经开始运转。 Miner NFT 这一层我也觉得被低估了。 它更接近 DePIN 里的“矿机”： 决定数据产能 → 升级消耗 $CAS → 支持委托 → 按贡献产生排放 NFT、Token 和真实数据生产因此被连接到了一起。 所以相比追最热闹的机器人名字，我更想找那些机器人真正大规模进入现实世界以后，所有玩家都绕不开的环节。 @caspius_ai 值得继续跟踪的原因就在这里： 它站在一条正在升温的产业链上，也卡着一个还没有被充分解决的数据问题。 剩下的，就交给数据增长、Teleoperation，以及真实买方💪

不知道你们最近关注到MINI没有，我最近在高度关注这个项目，其实很多人第一眼看到 $MINI，会以为它只是又一个靠可爱角色在炒的 Token，或者是个带游戏的项目。 但真正看完你会发现，它不是。 $MINI 是「迷你世界」（暂定名）这个 IP RWA 网络的支付和结算货币。 整个网络的核心很简单：让创作者把每一个自己的 IP 封装成 IP NFT。当这个 IP 被使用、被出售时，收益直接用 $MINI 结算给 IP 所有者。平台只做中间连接和服务，不拿走所有权。 为什么选 minini 当象征？ 因为它是 IPX（LINE FRIENDS）的旗舰角色系列，官方授权使用。minini 代表的就是那种「不起眼却超可爱的小家伙」。背后有超过 2.1 亿 LINE 用户和 3100 多万 LINE FRIENDS 粉丝。 AI 时代生成式内容爆炸，IP 数量远超任何人能手动评估、注册和管理的速度，长尾效应越来越明显——到处都是像 minini 这样乍看不起眼、却有真实用户基础的小 IP。所以团队决定用它来代表「面向 AI 时代的 IP RWA 网络」。 长期方向也不是停在角色本身，而是： 帮助用户创建自己的 IP → 带到链上 → 接入工具、市场和网络。 也就是 Creator IP 平台 + IP RWA 网络。 目前先切入三个本身就足够大的市场： 贴纸（即时通讯） 音乐（流媒体） 虚拟世界（元宇宙） 这些市场体量都很大：全球前五即时通讯软件用户超 60 亿；2024 年作家和出版商版税 136 亿美元、录制音乐 296 亿美元；虚拟网红市场已超 60 亿美元，还在以约 38% 的年增速增长。 ROOM 和 minini Universe 只是互动示范——用好玩、可分享的方式让人先感受到「IP 怎么被真正激活」，而不是项目本体。游戏只是其中一种应用场景但不是最终定义。 $MINI 不是只靠角色炒作的 Token，也不是一个游戏项目。 ROOM 和 minini Universe 是 minini IP 的互动示范，用来让用户理解 IP 如何变成 Web3 产品的入口。 长期方向是 Creator IP 平台和 IP RWA 网络，帮普通人把自家 IP 创建、上链、接入市场。 官推 @mini_cto 官网： 白皮书： 建议兄弟们关注起来，可能是一个新的方向

豆包越来越像 Codex 了，这是我最近用下来最直观的感受。Codex 一直是我心里 Agent App 体验的标杆，而豆包这波更新，从 GUI 电脑操作到手机远程操控，很多设计思路都能看到 Codex 的影子，有些地方甚至做了本土化的超越。 最近我老婆回国，在国内用不了 ChatGPT 和 Claude 这些，日常就用豆包帮她查资料、做攻略。这两天她需要在自己电脑里找个文档，人在国内，电脑在美国——直接用手机上的豆包指挥美国这边的电脑，帮她把文档找出来发到飞书，手机上就能访问了，非常方便。 注意使用的时候要在手机和电脑上登录相同的账号，并且电脑上要允许手机连接才行。然后从手机打开“工作任务”，就可以在底部看到你连接的电脑端。 （参考图3图4） 手机指挥 Agent 现在是我日常用得很多的功能。在外面的时候可以随时从手机看 Agent 任务的执行进度，或者临时想到什么事情，通过手机就能指挥家里/公司电脑上的 Agent 去执行，回家直接看结果，通勤路上也不耽误。 之所以要通过手机指挥电脑，是因为电脑上的资源通常是最全的：硬盘上有所有文档、代码库，有各种配置好的技能，而电脑又不可能一直随身带着。想想看，快下班的时候还有个任务没跑完，又不想干等着，那就先让 Agent 跑着，用手机连上电脑随时看进度，有问题还能中途插话调整。动口不动手，重复活儿全甩给它。 豆包在 Windows 版本上的 GUI 电脑操作功能体验下来相当的好用，它巧妙的通过豆包虚拟桌面让人和 AI 同时操作电脑，互不干扰，这点优势还蛮明显的，有点我第一次用 Codex 在 Mac 上的 Computer Use 感觉一样，就是它帮你操作电脑 App，但是完全不影响你当前正在执行的任务。不像 Claude Code 一旦使用 Computer Use，你就得等它操作完才能继续干活。 （参考图1图2） Computer Use 让 Agent 直接帮你操作图形界面的软件：点按钮、填表格、下载文件，理论上即使没有提供 CLI 的软件都能控制。日常能用的场景很多： - 办公类：新建和排版 Word/Excel/PPT，处理函数、生成图表，或者让它开着浏览器做调研然后直接产出 PPT - 桌面类：批量归类整理文件、改系统设置、管理启动项这类琐碎活儿 - 长尾类：PS 批量改图导出、证件照排版打印，甚至通过微信桌面版帮你发消息 - 发散玩法：游戏帧率优化设置、自动化信息收集整理…… 基本上你觉得「这活儿也能甩给 AI？」的重复劳动，都值得试试 我自己使用 Agent 有个技巧，就是尽可能让 Agent 能自己检查自己、拿到反馈。比如写程序，要让它自己写测试，或者用 Computer Use 去验证 App 的运行操作，自己去模拟用户操作；即使是让 AI 生成 PPT，也会让它自己截图验证下看看效果。这样可以减少人工干预，最大化利用好 Agent 的能力。 入口在豆包 PC 端的「工作任务」模式里，Windows 用户记得升级到最新版；Mac 目前还只支持内置浏览器的 GUI 操作。

差异化打法和长期潜力：HTX在美股永续的真正竞争力 2026年可以说是TradFi元年，各大交易所争相把美股、ETF、大宗商品变成7×24小时、USDT保证金、可杠杆做多做空的永续合约。这一板块的成交量从2025年的忽略不计，到2026年单月破千亿的量级，增长了上百倍。TradFi已经从实验变成了CEX必争之地。 在这场竞争中，Binance凭借体量和先发优势占据了大部分的份额断崖领先，其他交易所快速跟进，但是我认为按照目前的情况，HTX可能是Binance之后的一匹黑马，拥有极大的潜力。 HTX的产品布局广度和上新速度是持续竞争力 HTX在2026年初推出TradFi专区，初期只有黄金、白银、原油等商品，随后快速向美股个股、ETF、指数、Pre-IPO等延伸扩展。 截止2026年5月，HTX的TradFi单月成交突破10亿美元，7月资产扩张至大约170种，其中涵盖美股个股、ETF、半导体存储、科技以及SPCX等Pre-IPO永续等等。普遍支持1-10倍杠杆，USDT本位全天候交易。 同时HTX还举办了交易竞赛和挖矿等活动，口号是美股永续负费率，也就是大家去参与的同时不仅不要手续费，还会倒贴钱，进一步降低了用户的交易成本和提升流动性和活跃度。 这种产品布局的广度和上新速度，可以快速覆盖热门叙事，让HTX在美股个股覆盖广度上处于行业领先水平，用户不用切换平台就可以在这里交易所有热门叙事。 市场正处于从蓝筹主导到长尾+叙事扩散阶段 在板块早期发展的时候，成交量和流动性集中在少数热门股票，比如科技巨头股。但是随着板块愈发成熟，用户习惯逐渐养成，更多的个股会成为增量。HTX已经在产品广度上抢先布局，同时还持续扩充覆盖，正好在扩散节点抢占市场。 交易挖矿和产品广度形成飞轮 HTX推出的负费率活动和高额奖池，直接把用户的交易成本覆盖甚至转正，能吸引大量新用户尝试交易美股永续。而HTX的覆盖量直接让用户有更多选择，能提升用户的留存和活跃度。亚洲地区HTX有大量用户受限于传统券商的限制和门槛，这些人都会是持续竞争力的一部分。 潜力不是当前最大，而是增长预期可能最大。美股永续合约的本质是把华尔街的定价权部分迁移到加密行业中，Binance作为行业领先助理会持续发力做大板块。 而HTX通过全品类铺开和差异化竞争，再加上对用户交易的激励，极有可能在长尾资产和新兴用户群体中跑出超出预期的成绩。 @justinsuntron @HTX_Molly #TRONEcoStar#