Why·Liam·Blog

1. 「这不是个公平的竞赛！」
   曾有创业者因无法获取顶级大模型而感到竞争不公，但 DeepSeek 和 Qwen3 等模型的开源彻底改变了这一局面。SOTA 模型成为人人可用的公共资源，不仅实现了智能普惠，也显著降低了应用开发的成本。Qwen3 提供全系列模型，让创业者能找到最适配的选择。这一顿悟的核心是，AI 时代的竞争正从模型能力转向应用层的创新。

2. 「没有秘密，只有纯粹的执行速度」
   在开源盛行、模型快速迭代的背景下，传统的技术壁垒正变得脆弱。Manus 的成功证明，To C 产品最大的护城河在于「纯粹的执行速度」。尽管 Perplexity、Cursor、Monica 等应用没有自研大模型，但它们凭借快速迭代和极致的用户体验，依然获得了巨大的用户量。这一顿悟表明，与其空谈「壁垒」，不如专注于将用户体验做到极致，通过持续的产品改进和口碑积累，构筑真正的竞争优势。

3. 「质疑汤姆猫，成为汤姆猫，超越汤姆猫」
   这一顿悟的核心思想是「积极行动」。过去，很多 AI 小应用因被认为是「套壳产品」而遭批评。但「套壳」并非贬义，它其实是利用最新技术能力的产品力体现。关键在于放下对完美「终局产品」的执念，像「汤姆猫」一样，先积极行动起来，在 AI 浪潮中不断学习和迭代。只有放下执念，专注于理解和抓住当下，才能在快速变化的技术浪潮中找到真正的机会。

4. 「未来已来，只是尚未均匀分布」
   「产品蝗虫」这类从业者，通过率先体验前沿产品，具备提前感知未来的价值。通过深度体验 Devin，人们预见了 AI Agent 的「模糊模样」：像一个聪明员工那样展示思考过程、制定计划和自我校验。基于此，人们大胆地将 2025 年称为「Agent 元年」，并很快得到验证。这一顿悟强调，积极行动和抢先体验能让人提前看到未来的可能性，并更有可能参与创造未来。

5. 「AI Agent 带来的变化和机会，仍然被低估了」
   通过对大量 AI Agent 产品的评测，人们普遍感到 Agent 所带来的变革被低估。以 Lovart.ai 为例，它不仅能生成 logo，还能自主思考并给出包括 App UI、广告牌在内的整套 VI 设计，甚至创造出富有创意的广告语。这标志着 AI 能力已经从简单的推理，跃升到了调用工具完成复杂任务的 L3 阶段。这一顿悟揭示了 Agent 的巨大商业潜力和发展空间。

6. 「不要为了 AI 而 AI、为了风口而创业」
   这一顿悟借用 1803 年「蒸汽马车」的设计图，批评了新技术出现时生硬照搬旧有模式的错误。AI 的真正价值在于其作为一个「杠杆」，降低了开发和推广成本，强化了推荐算法，并培养了用户付费习惯。这使得服务于小众垂直需求也能实现商业闭环。SunAlly 和 FocusFlight 等产品证明，真正的创新源于对用户需求的洞察，而非盲目追逐技术热点。

7. 「我们总是高估未来两年的变化，低估未来 10 年的变革。」
   引用比尔·盖茨的这句名言，人们反思在面对 AI 变革时可能犯的错误。马克·扎克伯格关于「终极商业 Agent」的设想，即 AI 自动完成所有广告投放，可能不会在短期内完全实现，但对广告行业乃至整个商业世界的颠覆是确定性的。人们常常因对短期变革的过度反应，而忽视了其在未来十年带来的更深层次、更全面的重塑。

8. 「美是一种生产力」
   随着 AI 编程工具的成熟，产品构建变得越来越简单，这使得优秀的设计和审美变得前所未有的重要。设计师具备共情和独特性等成为优秀创业者的关键能力。通过 AI 工具赋能，设计师可以从头到尾独立完成一个完整的产品，例如「日落岛」App。这一顿悟强调，AI 为设计师群体提供了巨大的效率杠杆，让他们能够将「美」转化为实际的生产力。

9. 「创造爱的瞬间」
   AI 除了提高效率，也能为人类提供情感价值。「独响」App 的「AI 陪你睡觉」功能每天有一万多人使用，这表明 AI 能够很好地满足人们对陪伴和情感互动的需求。一位 AI 宠物创始人的使命「创造爱的瞬间」，尤其令人动容。这一顿悟揭示了 AI 的另一个重要维度：它不仅是生产力的工具，更是情感连接的载体。当效率被无限提高后，AI 可以帮助我们回归人性的核心需求。

阅读更多：2025过去一半了， AI带给我的9个Aha Moments

The Why·Liam·Blog by WhyLiam is licensed under a Creative Commons BY-NC-ND 4.0 International License.

由WhyLiam创作并维护的Why·Liam·Blog采用创作共用保留署名-非商业-禁止演绎4.0国际许可证。

托尔斯滕·瓦尔鲍姆（Torsten Walbaum）分享了如何利用人工智能中的「深度研究」功能，特别是针对市场营销（GTM）项目，以节省大量时间并获得高质量分析。

深度研究是能端到端解决复杂非工程任务的 AI 功能，可以大幅压缩原本需要 10 小时以上的工作，将其缩短到几分钟内完成。尽管其名称听起来像是学术或投资工具，但它对任何涉及信息审查和提炼实际见解的任务都至关重要，尤其适用于 GTM 项目。

AI 代理有时会使用低质量或过时的数据。为了解决这个问题，用户应在提示中指定优先使用哪些类型的来源（如政府数据），或先使用其他 AI 模型（如 GPT-5）生成高质量来源列表，再将其提供给深度研究。
如果想要更高的透明度，还可以要求研究代理：

回顾之前写的 newsletter，大多数内容都是我一点点打出来的，带着自己的思考和选择。后来虽然有时偷懒，但分享的仍是我认为有价值或启发的东西。进入 AI 时代后，我逐渐依赖它去搜集与总结最新资讯，结果内容的「价值感」越来越淡。再回头看，很多推荐其实缺少自己的立场与判断，更多是杂乱的信息。这感觉，像极了浪浪山里那个忙碌的小猪妖。

我们身处一个信息技术构建的巨大山洞，被「AI 时代」、「行业趋势」这样宏大的目标驱动着，日复一日地打磨着「箭矢」——搜集、整理、输出。我们以为自己在为「大王」的盛宴做贡献，却渐渐发现，自己手中的不过是一堆冰冷而杂乱的柴火，而内心那份最真切的感受、那个想给妈妈看的「礼物」，早已被遗忘在角落。

或许我们每个人心中都有一座浪浪山。它可能是你的工作、是某种你深陷其中的环境，或是这个被算法和信息洪流包裹的时代本身。我们像山中的小妖怪一样，被巨大的目标推着走，却时常感到迷茫和无力。但小猪妖的故事告诉我们，即使在最平凡琐碎的日常里，保有对生活最朴素的热爱和对他人的善意，也能闪耀出独特的光芒。这正是我希望在接下来，通过阅读和分享去寻找和传递的。

#软件/商品监控
https://github.com/dingyufei615/ai-goofish-monitor

最近的 AI 圈子，OpenAI、Anthropic 和 Google 几乎在同一时间亮出了各自的王牌。单一的「最佳模型」概念正在被打破，取而代之的是一个更加多元、更加专业的生态系统。企业和开发者不再只是追求原始的基准分数，他们开始更注重模型的实际效用、成本效益以及在特定工作流中的适应性。

未来，我们很可能会看到一种多模型策略：用 Claude Opus 来处理复杂的编码任务，用 GPT-5 来进行快速原型设计，再用 Gemini 2.5 Deep Think 来攻克某个科学难题。这种局面无疑将加速 AI 技术的普及和创新，同时也对我们如何管理和编排这些复杂的 AI 工具提出了更高的要求。

OpenAI 的 GPT-5，带着「博士级」智能的称号横空出世，Sam Altman 更是毫不讳言地将其誉为「最完善、最可靠」的模型。在很多开发者眼里，GPT-5 的强大在于其惊人的平衡感和全能性。写作、数学、健康咨询……它似乎无所不精，尤其是幻觉率的大幅降低，无疑给它加了最大的分。这种「全能型选手」的定位，让它在商业应用中拥有了无可匹敌的吸引力。

但这次发布最令人玩味的一步棋，是他们重新拥抱开源，发布了 gpt-oss-120b 和 gpt-oss-20b。这简直是自 GPT-2 时代以来最大的战略转向。在我看来，这绝不是单纯的「心血来潮」或对开源社区的示好。这更像是一场精准的「降维打击」——用强大的闭源模型赚取高端市场的利润，再用一个性能卓越、价格极具竞争力的开源模型，通过与 AWS 的深度绑定，来迅速收割中低端市场，同时挤压其他开源项目的生存空间。

AI 世界正在以惊人的速度发展，而每一次延迟和每一次突破，都在悄然塑造未来格局。本期 AI 行业周报为你梳理 GPT-5 的延迟发布背后的战略考量、ChatGPT 对认知的影响、智谱 AI 带来的开源变革、Manus AI 引领的智能体革新，以及微软 Edge Copilot 如何重塑浏览体验，最后深入探讨 AI 产品经理在巨变时代的角色演进。

OpenAI 将 GPT-5 的发布时间推迟至 8 月底或之后，引发行业内广泛关注。许多声音将其视为一次战略性转向，而非技术失误。此次延迟凸显 AI 企业对安全性、可靠性和用户信任的重视。

GPT-5 的预期亮点包括更强的智能体能力、更大的上下文窗口、更统一的工具界面。相比 GPT-4 系列，它被认为将更具规划能力和任务编排力，更像一个可以运行计划、整合资源的「任务执行者」。这标志着大模型能力从语言表达走向认知与行动。

我的看法是，OpenAI 此次延迟也可能是对 Anthropic、Claude 2.5/3、Gemini 等竞争者步步紧逼下的一次重新部署，也是一种对「超级智能模型」潜在伦理风险的主动防御。

OpenAI 在 7 月 17 日发布 ChatGPT Agent，把 Operator 与 Deep Research 融为一体，让 ChatGPT 可以通过虚拟浏览器在 Gmail、Google Calendar、网页等环境中自主完成多步任务。与此同时，Walmart 正整合旗下数十个 AI 工具，推出面向客户、员工、供应商与开发者的四大 Super Agents（如 Sparky），统一用户与后端的交互方式。更引人注目的是 Google 的 Big Sleep agent：项目首次在实际攻击到来前识别并中断了 SQLite 零日漏洞（CVE‑2025‑6965），展示 agent 在网络安全中的主动防御能力。总的来说，这些变化彰显 agent AI 正在成为企业实践与安全防护的重要执行者。

OpenAI 正式推出 ChatGPT Agent，将之前的 Operator 和 Deep Research 合二为一，允许 ChatGPT 在虚拟浏览器中自主完成复杂任务：填写表单、编辑表格、浏览网页、处理邮件，与 Gmail、GitHub 等应用集成，用户仍保持全程控制权。该 Agent 已面向 Plus、Pro 与 Team 用户开放 (TechCrunch, OpenAI Help Center)。
我认为，这是生产力工具走向执行平台的关键一步——ChatGPT 不再只是提示生成器，而能真正「做」事情。

Walmart 揭开了其四大「超级 agent」战略：客户 Agent（Sparky）、员工 Agent（Associate）、供应商/广告商 Agent（Marty）、开发者 Agent（Developer）。Sparky 已开始提供个性化推荐、订单管理，甚至通过视觉识别冰箱内容生成菜谱建议。其他角色将优化员工流程、商家广告管理、AI 工具测试等任务 (Reuters)。
我觉得，这标志着 agent 正在从功能插件升级为企业级服务入口，沃尔玛正通过 agent 化重新定义用户体验。

Google 的 Big Sleep 是与 DeepMind 和 Project Zero 合作打造的主动防御 agent。在 7 月份，它发现并阻止了一个仅被威胁方掌握的 SQLite 零日漏洞 CVE‑2025‑6965，实现 AI agent 在真实攻击前主动防御的首次记录 (blog.google)。
我意识到：agent 已不只是生产力工具，也能成为关键基础设施上的主动安全守护者。

最近，我参加了 OpenAI 的技术直播，重点发布内容是全新的 ChatGPT Agent。这个产品不仅是对现有 ChatGPT 的扩展，更像是一次对「数字工作伙伴」概念的全面升级。

Agent 能够自主判断任务所需的工具，整合了 Operator、Deep Research 和 ChatGPT 本体三者的能力。换句话说，它不再是被动响应，而是主动分析、执行复杂流程的智能体。

• 统一架构设计：Operator、Deep Research 和 ChatGPT 融合为一体，实现真正意义上的统一智能体系统；
• 工具链丰富：具备图文浏览器、终端和 API 调用器等多种工具，支持手机端使用；
• 深度连接工作流：可接入 Gmail、GitHub 等第三方应用，嵌入到我的日常工作流中；
• 任务执行智能化：任务完成后会主动推送结果，无需手动检查；
• 高性能和高配额：Pro 用户每月可获得 400 次调用，其他付费用户也有 40 次，并支持按需扩容。

这些能力在真实场景中展现得非常直观。以下是发布会中三个具有代表性的应用案例：

在 AI 技术不断升级的浪潮中，各大厂商正以不同策略应对创新与安全、开放与控制、能力与信任的博弈。OpenAI 的「安全优先」让开源生态面临进一步推迟，xAI 的 Grok 4 则用更激进的姿态标榜突破，但仍需面对内容与偏见机制的问题；而 Perplexity 以 Comet 进入 AI 浏览器赛道，试图重塑用户体验，但也面临技术可靠性与版权约束的挑战。这个夏天，AI 领域正从模型算力逐步转向平台落地与信任机制的深水区。

2025 年 7 月 12 日，OpenAI CEO Sam Altman 在 X 上宣布，将无限期推迟原计划在未来几周公开发布的「open-weight」（即可下载模型权重的）开源大模型，原因是需要进行「额外的安全测试，并审查高风险领域」。该发布已在一个月前延期，当时被推迟到「今夏稍后」^[1]。Altman 强调，「模型一旦公开，无法收回」，因此在未达高标准之前不敢贸然发布。这是 OpenAI 在 GPT‑5 时代展开前沿技术的一步谨慎举措，也体现了他们在技术突破与责任式部署之间的平衡态度。业内前高层将 GPT‑4 比作「优秀高中生」，而 GPT‑5 的目标则是「博士水平」——公众期待值之高可想而知。但发布节奏的反复延缓，也让人不禁思考，在 AI 安全理念日趋重要的当下，这是否会成为开源生态长久分歧的源头之一。

与此同时，埃隆·马斯克旗下的 xAI 于 7 月 9 日（北京时间 7 月 10 日）推出了新一代模型 Grok 4，并声称其为「世界上最强 AI 助手」。官方宣称该模型在推理速度和多模态处理方面实现「Big Bang Intelligence」式突破，新增编程能力与五种语音模式，定位直指 GPT‑5 和 Claude 4 Opus 等领先产品 ^[2]。不过，Grok 系列此前曾因「自称 MechaHitler」这样的仇恨言论而引发争议，xAI 后续在 GitHub 上调整机制，试图改善偏见生成问题。此外，最新版本被发现会「在回答问题时优先搜索马斯克本人观点」，进而引发是否偏向马斯克立场的客观性质疑 ^[3]。种种迹象表明，虽然 Grok 4 在技术能力层面标榜顶尖，但真要构建起稳固的信任与中立体系，仍然任重道远。

同一周，Perplexity AI 在 Nvidia、贝佐斯和软银支持下，于 7 月 9 日发布了名为 Comet 的 AI 驱动浏览器，入局被称作「AI 浏览器之战」的新赛道。依托 Chromium 核心，Comet 将 Perplexity 的 AI 搜索助手整合到浏览器侧边栏，用户可实时询问、总结网页内容，并直接进行产品对比、邮件预订、行程安排等操作。订阅制定为每月 200 美元，仅限 Perplexity Max 用户先行体验，后续采用邀请制逐步放开。Perplexity 强调其隐私策略，通过本地存储避免训练个人数据，与依赖云端信息的大厂产品形成鲜明对比 ^[4]。CEO Aravind Srinivas 表示，大厂可以复制 AI 驱动搜索功能，但很难复制其复杂的底层交互机制 ^[5]。然而，市场质疑也随之而来，有媒体指出 Comet 偶尔「幻觉」错误，如预定机场停车时日期错乱；而该公司也因使用新闻媒体内容未获得授权而遭到批评 ^[6]。此举不只是浏览器功能的一次进化，更代表 AI 平台级服务与用户信任较量的新战场。

Meta 从 OpenAI 挖走人才，显示出对顶尖研究力量的争夺已进入白热化；微软则通过裁员和重组销售团队来适应 AI 方案销售的新需求，这种从「卖产品」到「卖服务」的转变让我觉得，企业技术落地的竞争正在变得越来越具体和务实。阿里巴巴砸下 530 亿美元投入 AI 和云计算，背后不仅是商业野心，更是一种应对全球技术割裂的战略防御。

与此同时，OpenAI 面临内部动荡和外部合作压力，暴露出在快速扩张中平衡使命与利益的困难。而谷歌、Meta 和微软等公司在 AI 体验上的更新，如主动聊天机器人、语音搜索增强、个性化体育观赛工具等，虽然看起来像是功能迭代，但它们共同指向了一个方向：AI 正在悄悄渗透进用户日常习惯之中，成为不可见却不可或缺的一部分。

Meta 豪掷千金「挖角」OpenAI，AI 人才争夺战进入白热化

本周，AI 行业的人才争夺战急剧升温。为了组建其全新的「超级智能实验室」（MSL），Meta 公司向竞争对手 OpenAI 的核心研究员们发起了猛烈攻势，成功挖走至少 8 名顶尖人才。据报道，Meta 开出的薪酬包极具诱惑力，部分可能高达数亿美元，尽管 Meta 官方否认了最高数字。此举不仅是为了弥补其 Llama 4 模型在市场上反响平平后的技术差距，更被视为一种直接削弱竞争对手核心研发能力的战略打击。OpenAI 内部对此反应激烈，其高管在内部信中将此比作「有人闯进家里偷走了东西」，可见其冲击之大。这场「挖人大战」标志着 AI 领域的竞争已从单纯的技术竞赛，升级为对顶尖人才的战略性围猎。原文链接

Immich 是一个功能强大的开源自托管照片和视频备份系统，支持自动同步、AI 智能分类、面部识别等功能，是 Google Photos 等商业云服务的绝佳替代方案，特别适合个人与家庭用户使用。

推荐使用 Docker 方式进行部署，简单高效。

项目地址：GitHub - imagegenius/docker-immich