五条角度

很多团队还在等 Agent 做完后再补一轮测试，但今天两个 builder 同时反过来说：eval 不是 QA，是产品规格本身。真正的瓶颈也不是模型不够聪明，而是企业没有真实文件、CRM、邮件环境里的仿真测试场。

写 Agent 产品时先写 eval：任务样本、失败标准、真实环境夹具和回归测试，比先堆功能更能决定产品是否能卖进企业。

• [01]buildersMadhu Guru：Your evals are your product spec
• [02]buildersAaron Levie：企业缺少 Agent 测试和调优基础设施
• [03]pulsetester-army/e2e 一周 1398 stars，下一代 Web 与移动端 E2E 测试

今天最有意思的不是又一个聊天机器人，而是大家都在给 Agent 找一双手、一张桌面、一个可长期停留的工作层。Claude 在云端跑，却能伸进本地文件系统；ruOS 把 Agent 包成云桌面；Cloudflare 也在做公司上下文里的 OS。

开发者做 Agent 产品时，优先思考运行环境：文件权限、任务队列、会话管理、插件接口和审计日志，可能比模型 prompt 更值钱。

• [01]buildersThariq：Claude 云端运行但能操作本地文件系统，本地双手模式
• [02]buildersAditya Agarwal：Muse/Dot 如果本地运行，可能比 macOS 更适合作为 agent 环境
• [03]pulseruOS：把 AI Agent 包装成云桌面
• [04]pulsecloudflare/cloudflare-os 一周 663 stars

“ai agent”这个词一周跌了 22.7%，但 Agent 项目没有冷。paperclip 一周 6030 stars，hindsight 一周 6565 stars，Agent-Reach 一周 5703 stars；用户只是懒得再搜一个抽象概念了。

产品定位不要再写泛泛的 AI Agent，要写清楚替代对象、节省步骤和接入场景；SEO 和首页文案都该从概念词换成工作流词。

• [01]buildersDan Shipper：等 dot 自己把上下文接起来，别再手动喂信息
• [02]pulseGoogle Trends：ai agent 下降 -22.7%
• [03]pulsepaperclipai/paperclip 一周 6030 stars
• [04]pulsevectorize-io/hindsight 一周 6565 stars

当 Agent 开始批量写代码，传统 code review 的瓶颈会先爆掉。Guillermo Rauch 提到的 gdp-ts 很反直觉：把“权限检查已完成”变成 TypeScript 类型证明，让敏感 API 在编译期就被拦住。

给 AI coding 项目加护栏时，不要只依赖 review 和 lint；把权限、数据访问、危险操作前置成类型、测试和可复现约束。

• [01]buildersGuillermo Rauch：gdp-ts 用 TypeScript 证明敏感 API 已做权限检查
• [02]buildersGarry Tan：Grep 把 agent 使用过程转成确定性、可测试、可复现的代码
• [03]pulsecursor/plugins 一周 1042 stars，IDE 插件生态仍是入口竞争

“在 TikTok 上推广我的 app”已经可以变成一句指令，问题随之变成：这次运行花了多少钱，带来了什么结果，该算在哪个团队头上？Chargebee 今天推的 AUDR 信号很明确，Agent 时代需要的不是聊天额度，而是运行成本标准。

做 Agent 产品要尽早记录 run-level 数据：模型、token、耗时、成功率、人工替代步骤和业务结果，这些会变成定价与续费证据。

• [01]buildersAmjad Masad：把“在 TikTok 上推广我的 app”变成 AI 自动执行指令
• [02]buildersAaron Levie：未来公司会有人专门管 agent eval、仿真环境和评测基础设施
• [03]pulseAUDR by Chargebee：面向 Agent run costs 的开放标准
• [04]pulseAster by AsterWise：智能模型路由