讨论主题： OpenAI Pulse 参与嘉宾： 拾象 Best Ideas 社群 OpenAI 最新发布的 "AI 版今日头条" ChatGPT Pulse，把 LLM 交互从被动拉向主动，这种 基于用户 个性化 context、主动识别出用户潜在需求并推送内容、提出建议的产品给 ChatGPT 提供了新的想象 力空间。 OpenAI CEO Sam Altman 更是说 Pulse 是他本人最爱的功能。 在 Pulse 发布当天，海外独角兽组织了一场「Best ideas 深度讨论」 。和一线 AI researcher、产品经 理、创业者和以及投资人们共享认知，从 ChatGPT Pulse 切入，对主动 Agent 交互变革背后潜藏的趋 势和机会展开想象。本篇文章是我们对讨论会精华的总结及开源。 注：本次讨论属于拾象社群内的技术交流，不代表任何具体个人及机构的观点立场。同时再次感谢 每一位在讨论中贡献观点的朋友：） 01 . Pulse 是 ChatGPT 走向国民应用的开始 1. Pulse 让 ChatGPT 从被动变成主动，ChatGPT 的使用门槛会大幅降低。今天用户想要让 ChatGPT 完 ...

但现在，游戏规则正在被彻底改写。想象一下，一个不知疲倦、全天候在线的"全球研究团队"。它 可以在 8 小时内，跨越 50 多种语言，同时与上千名用户进行深度对话，并在你第二天走进办公室 时，将一份附带视频佐证、可直接用于决策的 PPT 报告放在你的桌上。 这不是未来，AI 正将用户研究从一种少数公司才能负担的"奢侈品"，变成所有公司都能集成的"基础 设施" 。 作者：zirong，haina 凌晨两点，产品经理 Sarah 的屏幕上还亮着几十个用户访谈的视频文件。为了即将上线的新功能，她 的团队在过去三周紧锣密鼓地完成了 50 场用户访谈。然而，真正的噩梦才刚刚开始：将近 50 个小 时的录音需要转录、翻译、编码，再从中大海捞针般地寻找那些能决定产品生死的"金句"。最终的 洞察报告，可能在一个月后才能交到决策者手中，而那时，市场的风向或许早已改变。 这是无数产品团队在传统用户体验研究（UXR）中面临的日常困境：一个长期被"深度"与"速度"的 致命权衡所困扰的领域 。要么选择耗时数月、成本高昂的深度定性研究，要么为了速度牺牲洞察质 量，依赖肤浅的定量数据做出决策。 传统 UXR 市场被昂贵、低效且难以规模化的人 ...

作者：徐萌宏Matt 编辑：Cage 当 Agent 从 Demo 迈向真正的产品化，开发者迎面而来的最大挑战不是模型本身，而是如何观测、 评估并持续优化这些黑箱的系统。如果说传统软件时代的 Observability 是帮助工程师定位"代码为什 么挂了"，那么在 AI 时代，它必须回答的是：模型为什么答错了？Agent 的链路为什么失效？产品的 输出质量如何验证？ 这正是 Braintrust 和一众新的可观测性公司崛起的背景。由 Ankur Goyal 于 2023 年创立的 Braintrust，正在尝试把 Observability 从"监控指标与日志"重塑为"模型评估与行为追踪"。它提供 Eval （实验评估）和 Ship（线上监控）两大核心模块，让团队既能在实验阶段大规模测试不同模型与提 示词的组合，又能在生产环境持续跟踪模型表现。凭借灵活的 Scorer 系统和优质的开发者体验， Braintrust 已成为 Notion、Zapier、Stripe 等头部公司的首选工具，并获得 a16z 与 Greylock 的投资加 持。 今天 Observability 赛道是否正在重演 Datadog ...

作者：Cage RL Scaling 正在把 AI 从"人类数据时代"推向"Agent 体验时代"，带来真正能够胜任复杂、长链条任务 的 Agent 新范式。从静态数据到动态交互的学习范式变化，亟需一套全新的基础设施，也因此新的 一批创业公司应运而生。RL Infra 的核心价值是弥合模拟训练与真实世界间的"sim-to-real"鸿沟，让 AI Agent 在部署前就能经历超人类强度的"压力测试"和"刻意练习"，使其从实验室 demo 走向商业可 用。 我们对于 RL Infra 的行业图景梳理了三大模块： RL 环境、RLaaS、数据/评估 。版图的一端是致力 于将真实工作流"高保真化"的环境平台，另一端是为企业特定工作流深度优化的 RLaaS 解决方案， 而数据与评估则作为关键桥梁贯穿其中。两种主流路径也代表了不同的商业野心： "横向平台化"的 RL 环境，其目标是成为 AI 时代软件世界的"Unreal Engine"；而"纵向一体化"的 RLaaS，则有望在特 定行业内，成为赢家通吃的"AI-native Palantir"。 随着新趋势的演进 ， 我们将迎来 RL 的 GPT-3 时刻，把 RL ...

编译： Xeriano 编辑：Haozhen 在 2025 Q2 的大模型季报 中，我们判断硅谷的各个模型公司已经开始分化到各个领域：Google Gemini 和 OpenAI 在做通用的模型；Anthropic 分化到了 Coding、Agentic；Mira 的 Thinking Machines Lab 分化到了多模态和下一代交互。 随着应用场景的不断细分，用户请求也需要被路由到最合适的基础模型上，模型路由逐渐演变为大模型市场重要的 infra。OpenRouter 就是这一领域的佼佼 者。 OpenRouter 成立于 2023 年初，为用户提供一个统一的 API Key，来调用各类模型，OpenAI 甚至在模型正式发布前，会先用其他名字在 OpenRouter 上秘密 上线，用来收集开发者使用反馈。 今年，OpenRouter 的周请求量从年初的 4050 亿 tokens，增长到 9 月的 4.9 万亿，增长超过 12 倍。 值得一提的是，OpenRouter 关于模型用量的报告在业内和社交媒体上都引发了广泛讨论，一度"出圈"，成为开发者和投资人群体的必读内容。 为了更好了解 OpenRoute ...

AGIX 指数诞生于我们对"如何捕获 AGI 时代 beta 和 alphas"这一问题的深度思考。毫无疑问，AGI 代表了未来 20 年最重要的科技范式转换，会像互联网那样重塑了人类社会的运行方式，我们希望 AGIX 成为衡量这一新科技范式的重要指标，如同 Nasdaq100 之于互联网时代。 「AGIX PM Notes」 是我们对 AGI 进程的思考记录，希望通过学习 Warren Buffett、Ray Dalio、 Howard Marks 等传奇投资者们的分享精神，与所有 AGIX builders 一同见证并参与这场史无前例的技 术革命。 | Ticker | 本周表现 | YTD | Return since 2024 | | --- | --- | --- | --- | | AGIX | 3.11% | 31.66% | 92.48% | | S&P 500 | 0.74% | 13.31% | 39.72% | | QQQ | 1.30% | 17.24% | 46.35% | | DowJones | 0.94% | 8.86% | 22.89% | | | 本周表现 | Index ...

• LLM 对 IDE 的改变应该是一个真正的开发环境，不仅仅是一个文本编辑器，真正的 AI IDE 中将不 存在"编程语言"，更多是开发者描述需求； 编译：Yangqi 本文是 Cursor CEO Michael Truell 和 Stripe CEO Patrick Collison 的深度对谈。 Patrick 和 Michael 都被 硅谷视为"天才少年"：两位创始人都在大学辍学开始商业探索，Stripe 和 Cursor 又恰好都是他们在 22 岁时创立，并且都快速成为 cloud 和 AI 时代的重要公司。 作为成功创业者，Michael 和 Patrick 至今保持着一线技术视角。在本篇对谈中，他们也讨论了 Stripe 的技术实践、编程的未来。 • Patrick 很早就在技术前沿做探索：用 Lisp 语言写 AI chatbot，用 Smalltalk 搭建了第一家公司…… • 创业公司的早期技术选型往往很随意，但同时又会带来深远影响，Stripe 的技术核心是 Ruby（今天 仍是 Stripe 的主要语言） 和 MongoDB ，为了让 MongoDB 符合金融级别的响应和可靠性，St ...

编译：Haozhen 编辑：Cage 最近这段时间，context engineering（上下文工程）是 agent 开发者中的 buzzword。这个概念由 Andrej Karpathy 提出，引起了很多开发者的共鸣，直指当下 agent 开发的核心痛点：搭建流程看似简单，但在实际运行中，由海量工具调用和 long horizon reasoning 产生的冗长上下文，正成为 agent 性能和成本的巨大 瓶颈，甚至会导致模型能力的下降。 Context engineering 指的就是在正确时间为 agent 提供正确信息的方法论，这个概念覆盖并超越了 prompt engineering 和 RAG，成为了 agent 开发的核心胜负 手。如果把 LLM 类比为计算机的 CPU，那么 context window 就是计算机的 RAM，它处理信息的信噪比直接决定了产品的效果，因为在构建 agent 的过程 中，输入的 context 不仅来自人类指令，还来自 agent 运行中的工具调用和思维链，把内存空间压缩到最关键的信息上就至关重要。 为了深入探讨这一挑战，我们系统梳理了 LangChain 工 ...

文章核心观点 - 医疗是LLM最具潜力的应用场景之一 OpenEvidence通过AI驱动的临床决策支持工具 直击医生对高效实时循证医学知识的需求 解决了传统静态数据库如UpToDate在时效性和交互性上的滞后问题[2] - 公司采用消费级产品设计理念和PLG策略 绕过传统机构采购流程 实现病毒式增长 并成功将商业模式从工具提供转向情境感知的药品营销服务 成为医疗广告市场的直接竞争者[3] - 平台已覆盖超过40%的美国医生 月咨询量从2024年36万次飙升至2025年850万次 增长超过20倍 并获得2.1亿美元B轮融资 投后估值达35亿美元[3] 市场定位与需求 - 医疗差错是美国第三大死因 源于医学知识更新过快 毕业十年医生可能对最新疗法一无所知 且不同年龄段患者最佳疗法差异巨大[2] - 传统静态数据库如UpToDate依赖数千作者手动更新 存在信息滞后问题 而OpenEvidence通过每晚LLM再训练吸收最新文献 提供秒级响应的互动式精准答案[5] - 公司切入临床决策中最复杂关键问题 而非低风险文书工作 重塑医疗技术分发模式 将医生作为个体用户对待[3] 用户增长与参与度 - 平台月活跃医生用户达30-40万 覆盖美国约100万执业医生的40% 每月新增6.5万名认证临床医生注册 已渗透超1万家医院和医疗中心[41] - 月处理医生咨询量达850万次 2025年7月数据较2024年36万次增长超过20倍 过去一年查询量增长37倍[16][3] - 医生平均每次会话停留13.3分钟 比Doximity长4倍 比传统药企代表互动时间长7倍 树立医生参与度新标杆[14] 竞争优势与技术壁垒 - 拥有高质量专有医学知识库 与《新英格兰医学杂志》《美国医学会杂志》及专科期刊建立内容合作 合法使用受版权保护的同行评审内容进行模型训练[18] - 采用更小更专业的模型策略 在USMLE考试中错误率比通用LLM低77% 减少幻觉问题 首个得分超过90%的AI系统[38][40] - 数据来源仅限政府机构、顶级期刊和专业协会指南 建立质量分级系统 每日更新知识库 避免连接公共互联网确保信息纯净性[40] 商业模式与商业化 - 收入主要来自情境感知的药品营销 广告基于医生实时临床问题投放 价值指数级高于社交平台信息流广告[19] - 广告位eCPM高达80-100美元 是标准展示广告的3-5倍 能带来10-30%的处方量增长[32] - 已开始试点基于席位的许可证 价格比UpToDate低20-30% 以及按使用量计费的API接口 未来向广告订阅双轮驱动演进[19][47] 市场格局与TAM - 目标市场是美国每年超200亿美元的HCP营销预算和全球166亿美元的CDS市场份额[22] - 美国2024年面向医生的推广预算约280亿美元 其中数字渠道占18% 预计2029年升至30%[23][25] - Doximity2025财年收入5.7亿美元 覆盖80%美国医生 OpenEvidence流量已是其AI工具的12倍 使用量全面超越[10] 产品功能与应用 - 提供双响应模式 Care Guidelines和Clinical Evidence 每个答案附交叉引用编号和文献列表 确保可追溯性[35] - 支持临床诊疗、复杂病例证据综合、行政工作流辅助和医学知识追踪等功能 包含50+临床计算器覆盖高频场景[36] - 2025年7月推出DeepConsult 首个为医生设计的AI助手 可自主分析数百篇同行评议研究 尽管计算成本是标准搜索的100倍 但仍向全美医生免费提供[37] 竞争环境 - 面临传统临床内容平台如UpToDate的竞争 其拥有1.2万篇专家撰写文章 与Epic/Cerner深度集成 但价格昂贵且AI功能响应慢[51] - AI原生挑战者如Abridge、Ambience竞争医生工作流程和注意力 若成功掌控临床工作流核心环节 OpenEvidence可能被边缘化为参考工具[53] - 科技巨头如Google、Microsoft拥有强大模型能力和云渠道 若将临床助手与EHR集成捆绑 用户采用速度可能非常快[55]

AGIX指数与市场表现 - AGIX指数旨在衡量AGI新科技范式 如同Nasdaq100之于互联网时代[1] - AGIX本周上涨3.15% 大幅跑赢S&P 500(1.37%)和QQQ(1.35%)[2] - 年初至今AGIX累计上涨25.69% 显著高于S&P 500(11.95%)和QQQ(14.75%)[2] - 自2024年以来AGIX累计回报达69.95% 超越S&P 500(38.04%)和QQQ(43.26%)[2] 行业板块表现 - 半导体与硬件板块本周上涨0.93% 占指数权重23%[3] - 基础设施板块本周上涨2.23% 占指数权重45%[3] - 应用板块本周微跌0.01% 占指数权重32%[3] Vibe Working概念 - Vibe working强调用自然语言描述目标 AI自动产出可用代码[6] - 需要可追溯的上下文和低延迟反馈作为前提条件[7] - 推广到开放环境需要环境状态可读 具备可判定性和可控执行[7] - 依赖代码化工作流管理和企业Context数字孪生[7] 工作流自动化工具 - Zapier支持AI Agent协作管理 通过自然语言构建工作流[8] - n8n专注于无人自动化工作流 面向技术化团队[9] - Glean和Decagon从单点功能切入工作流协同[9] - 未来可能向多态工具平台发展 支持所有AI Agent用例[9] 技术发展挑战 - 语言模型存在输出非确定性问题[10] - 需要确定性工作流平台作为代理能力枢纽[10] - LLM应作为基础设施而非工作流核心[10] - Claude File Creation与两年前Juliusai能力相似[11] 市场动态与公司表现 - 美股三大指数创新高 受益于美联储降息预期[12] - 亚洲市场表现积极 沪深300创3月以来最大单日涨幅[12] - Nebius与Microsoft签署174亿美元GPU基础设施协议[14] - Microsoft为Office 365引入Anthropic技术部分替代OpenAI[15] - Microsoft与OpenAI达成非约束性重组协议[16] - Nvidia发布Rubin CPX GPU 性能提升75倍[16] - TSMC 8月营收同比增长34%达111亿美元[17] - Adobe上调业绩预期 AI产品年经常性收入超50亿美元[18] - Micron目标价被上调至175美元 潜在涨幅25%[19] ETF分红机制 - ETF分红来源于持有股票派发的股息[20] - 分红流程包括股息收取 费用扣除和按比例分配[21] - 分红频率多为季度 也可年度或月度[21] - 除息日前持有才能获得分红[22] - 股息率因标的资产组合不同而差异较大[22]