「一群 Agent 怎么一起干活？开个集市，让它们互相竞标」 7 月 30 日，@AgenticNow Salon 第四期最后一场，涌现科学（Emergence Science）创始人石玉麟。题目是《用自由市场机制协调自主智能体集群的协作与资源配置》。他做了十年技术，五年在互联网电商。电商的本质是撮合，他现在做的还是撮合，只不过把消费者从人换成了 AI Agent。 其一，崩盘不是情绪。2026 年 2 月，SaaS 股市单日蒸发 $285B。Figma 去年上市，上市当天就是市值巅峰。B2B SaaS 中位 NRR 从 125% 跌到 102%，小型 SaaS 从 110% 跌到 98%，进入存量萎缩。AI 原生支出增速 94%，传统 SaaS 8%。Gartner 判断 2030 年前四成企业 SaaS 支出转向按结果或按用量。按人头收费的逻辑正在失效。 其二，五家已落地的 AI 员工。Devin 代码迁移提速 14×，PR 合并率 34%→67%；Claude Cowork 用 OS 级 GUI 视觉打破 API 边界；Manus 多标签异步并行；Harvey 合同审查时间 −75%，每位律师年省 118 小时；Sierra 三个月 ARR 从 $100M 到 $150M。他最看重 Sierra，因为只有它涉及真实退款，其他都可以说自己是 demo。涉及金钱，不能有幻觉。 其三，共同架构。没有一家用纯 LLM 端到端驱动，全部是确定性控制加非确定性推理的二分架构，拆开都是感知、推理、执行三层。四条原理：二分驾驭律、沙箱隔离律、垂直闭合律、价值对齐律。垂直闭合律那条最狠，可靠性正比于垂直深度、反比于通用广度，推理层通用，感知和执行层垂直，后者才是壁垒。 其四，问题换了。2024 到 2025 解决的是怎么让一个 Agent 可靠地工作。2026 的问题是 Agent 是孤岛，协作无协议，协作无结算。答案不是更好的 LLM，是协作协议加价值分配机制。企业里现有的四种编排范式：树状层级、图/DAG、消息队列，前三种都假设 Agent 数量可控、路径可预定义。 其五，自由市场。Agora 是希腊语的集市。他强调不是淘宝那种 marketplace，更像闲鱼，解决的是长尾撮合。公网版已上线，几百个用户在跑 GEO 需求，机制是赏金任务五步闭环：发布任务、Agent Card + /llms.txt 服务发现、竞标并在沙箱执行、PoTE 做 Schema 校验加 TEE 存证、微结算。核心创新是微合同的瞬时性：只定义 spec 和 settlement，交易完即失效，无售后、无长期义务。企业版换一种信任模型，Public 用密码学替代信任，Enterprise 用价格信号替代 KPI。 这场演讲真正的题眼，不只是「多 Agent 怎么编排」，而是「稀缺性从哪里来」。当 Agent 多到无法静态编排，中央调度就失效了，只能让价格来发现谁值得被调用。这一步跨过去，Agent 就不只是工具，而是市场参与者。而市场参与者需要的东西，你我都熟悉：身份、信誉、结算、仲裁。 所以他把自己卡在结算协调层，不做通信也不做支付。缺的三块也讲得很坦白：没有信誉就是柠檬市场，Akerlof 1970 年就写完了；服务发现还没有标准；定价机制他自己都说没找到好方案，那页当场跳过。这不是谦虚，是一个诚实的技术判断。八仙过海各显神通的前提，是海上先有一套规矩。 全文演讲👇🏻

保险科技这 5 年：为什么 AI Agent 终于等到了入场时机 7 月 30 日，@AgenticNow Salon 第四期第二场，确石智能创始人黄俊海没有从「AI 能做什么」开始，而是从一张真实保单开始。 其一，问题的形状。十年前他姐姐想给女儿买教育金，亲戚介绍的经纪人卖了一份产品，续费两年后才发现那是寿险。他自己买完重疾险，后来想补一份，回头找当年那个经纪人，发现对方已经把他删掉了。保险经纪人的从业中位数是 11 个月，而一份重疾险要用几十年。我们真正信任的从来不是人，是那份合同。 其二，历史的形状。1688 年劳合社咖啡馆里一群船东交易海上风险，形成了第一个现代保险市场。之后是精算、代理人、互联网。保险科技史是一部服务半径扩张史，变的是效率边界，不变的是用户必须相信结果。而互联网保险解决的仍然只是分销。 其三，为什么是保险。一份真实保单几百页，市面上一千多个产品各有现金价值表和说明书。保险是世界上最大的文本类工作，至今没被大模型接管，本身就不合理。朋友出车祸，哪些条款被激活、要备什么材料，他不知道。出事那一刻，人最没空翻条款。 其四，美国已经跑通。Corgi 花三千多万美金买保险公司资质，八千多万做研发，2026 年 5 月累计融资 $378M，三周内估值从 $1.3B 升到 $2.6B。两个月拿下 4 万家美国初创公司，客单价 1300 美金，卖的是 AI 责任险。一个陪伴机器人要三份险：它是家电，要产品责任险；它会动，要三者险；它会说话，被索赔就是 AI 输出责任。传统保险公司不愿碰新业态，蓝海就是这么留出来的。 其五，中国不能照抄。牌照壁垒、数据割裂、渠道为王、信任存量、供给接口，五个条件都没成立。所以他们的切入口是先做经纪人的 Agent。访谈四五十位经纪人之后撞上一个反直觉的发现：经纪人最常说的不是「我需要工具」，是「我没有客户」。因为「我是保险代理人，来聊聊你的保险需求」这句话本身就让人关门。经纪人的时间很贵，懒得教育你，只在有认知的高净值人群里筛客，市场就这么被自己筛小了。但 Agent 的时间不贵。 这场演讲真正的题眼，不只是「AI 能不能卖保险」，而是「承诺由谁来守」。人守不住十年，合同守得住，但合同不会主动找你。Agent 补的正是这一段：记忆、执行、交接、审计。所以真正难的不是 1×1 的对话，是 N 个用户、N 种角色、N 个渠道、N 套流程的长期运行。Harness 的价值是让最强的 Agent 以企业可接受的方式跑起来。 他给保险 Agent 定的标准不是「像人」，是「值得被追责」。有依据，有边界，有记录，有复核。有人问会不会被下一代大模型覆盖，他说我们挑的就是离大模型溢出最远的赛道：够垂直，数据不上传，合规门槛让通用公司不愿意做。远水解不了近渴，但保险这门生意，本来做的就是远水。

「江南春给 AI 版的自己打了 120 分」 7 月 30 日，@CryptoKitchenCN 主办的 @AgenticNow Salon 第四期，分众高级 KA 总监桑卓豪的开场。他讲的不是模型，而是一条业务线怎么被一个人重装。 其一，供给瓶颈。场内上千个销售，核心创意供给只有几个人。分众训了营销垂类智能体「众小智」，AI 江南春是它的策略与创意核心。喂进去 270+ 本营销专业书、近 500 个江南春亲自改过的广告案例、10 种创意模式，加上他本人持续微调。目标是七八十分，结果是 120 分。 其二，Brief 瓶颈。江南春用得好，销售用不好。差别不在模型，在上下文。桑卓豪把会议归档做成 Skill：原始记录留证据，项目上下文只留客户此刻的真实状态。每开一次会，项目文件夹多一份资产。Codex、WorkBuddy 接手时，自己把背景翻一遍。 其三，制作瓶颈。他不会剪视频，但做出了图片 Skill 和视频 Skill。同一个 Brief 出 6 个完整 KV，前三张 3 分钟；15 秒 TVC Demo 直出，不用剪辑。提案速度从两周 4 个到一天 1 到 2 个，同一批人扛 3 倍业务量。 其四，最关键的一页。两张提案封面找茬：左边城市户外巨型数字大屏，右边电梯候梯厅的分众 LCD。左边构图、氛围、品牌信息全都过得了第一眼，但那不是分众的广告位。从左到右他走了五步，多生成 5 张图。 通用大模型和企业能用的 AI 之间隔着一道鸿沟。填沟的不是参数，是企业自己的知识、上下文、Skill 和验收标准。这套东西只有听得见炮火的一线写得出来。所以他说：有时候手动十秒就能改完，我还是让 AI 自己改、自己复盘。它只有看见和标准的差距，下次才有机会提前做对。 这场演讲真正的题眼，不只是「AI 能替你干活」，而是「谁来定义合格」。模型是公共品，Harness 才是私产。业务 Leader 的稀缺性正在从会做事转向会定标准，会把每一次反馈写回系统。 他现场那套 PPT，就是自研产品出的，已经开源：github.com/JoeSangAI/PPT-GOD。从 Prompt 到 Skill 到 Web GUI，再回到 CLI，最后长成 Deck Studio。 工欲善其事，必先利其器，只不过这一次，器是自己一手打的。 #AgenticNow #AI #Agent #Advertising

AI 能找到的，不叫 Alpha，叫共识 AgenticNow Salon 第三场，猎手 Killer @memekiller365 讲了一场每个用 AI 的人都该听的投资反思。 开场就是一句反骨：「把你的 Claude 窗口关掉。多请产业链的人吃个饭。AI 炒股没用的。」但他接着说：「我今天分享的，恰恰是我怎么用 AI 找到了诺基亚和黑莓。矛盾吗？不矛盾。关键在于怎么用。」 他拆解了 AI 炒股三个结构性缺陷： ① 保守性偏见。AI的语料是历史数据，大模型公司怕你亏钱来告它，设计上压死了激进建议。问它诺基亚能不能买，回复是「电信包袱重，整合慢，不适合介入」。AI 能找到的，不叫 Alpha，叫共识。 ② 讨好性偏见。大模型公司跟游戏公司一个逻辑——让你爽你才续费。他三月份沉迷美伊战争做空框架，AI 配合找了一堆证据，越聊越确信。结果四月到现在美股历史新高。「AI 每次都有提尾部风险，但提的方式是补充，不是警告。」 ③ 否决非共识。这是最致命的。三个被 AI 否掉的标的——诺基亚「传统电信股，有待观察」后来从 $8.85 涨到 $14+； 英特尔「利润没跟上」后来从 $45 涨到 $140+；东方钽业「K 线太高」后来从 44 涨到 84。AI 的建议全错。 那他怎么找到的？ 诺基亚：空仓后打开英伟达持仓——发现诺基亚占 8.06%。英伟达是产业布局者，黄仁勋真金白银投的方向不会错。然后他自己翻券商软件，发现 3 月 31 日财报截止日贝莱德和维景同日加仓——正常应该落袋为安，反而加仓。这个异常数据不是 AI 聊出来的，是他自己翻出来的。 拿着异常数据去问 AI，AI 反而给了正面回答：历史上这种行为通常意味着庄家进场。 「先有直觉，再用 AI 验证。不是让 AI 帮你选股，是用 AI 做弹药。」 黑莓更直觉。从诺基亚联想到另一个「大家以为死了」的手机品牌。市场认知停留在它是手机公司，但黑莓已经转型做 QNX ——边缘AI安全操作系统，275万辆车在跑，ASIL D 最高安全认证，跟英伟达 IGX Thor 深度集成。发现时股价 $5。机构目标价 $4.4-$6，全部 Hold 评级，全部踏空。 起点是一个人的问题：「英伟达会投资黑莓吗？」 「一个问题比一百个答案重要。提出问题的是人，AI 是沿着你的直觉往深处挖的工具。」 PPT 上他画了正确的使用姿势——人做什么，AI 做什么： 人：发现标的、提出问题、判断宏观框架、决定出场 AI：验证逻辑、挖掘护城河、整理证据链、提示风险 最好的使用方式不是「帮我选股」，而是：「我认为诺基亚 被低估，因为……你来挑战我。」 最后的思想实验：如果 AI 能完美炒股，人人应该都是股神。为什么没有？因为AI底层是所有人共享的历史语料，所有人同时找到 Alpha，所有人同时买入，Alpha 瞬间消失。 真正的 Alpha 存在于三个地方：信息不完整时，市场犯错时，逆人性操作时。 这三个地方，AI 都去不了。只有人能去。 「诺基亚和黑莓的故事，不是 AI 帮你找到好股票的故事。是一个猎手，用AI做弹药，用自己的眼睛找猎物的故事。」 走窄门，押不对称。

品牌出海的活儿，AI 能从头干到尾 AgenticNow Salon 第三场，Vincent Chan 把品牌出海拆成了五个环节——定位、获客、成交、交付、售后——用自己正在跑的创业项目证明：前三个环节 AI 可以全流程自动化。 背景就一张图：5 月社零疫情后首次下降 0.6%，同期半导体出口暴增 111%，AI 电子产品跃升 17%。他引了 LLequeu的判断：「生产全世界渴望的一切，而本国公民对一切无欲无求。」向外找增长不是选择题了。 品牌出海不只是电商。他画了个四象限：线上实体是电商，线上虚拟是 SaaS 和 AI 工具，线下实体是展会门店，线下虚拟是入境游和跨境医疗。四条路都是出海。 前三步怎么用AI跑通： 定位：四步走。Startup Pressure Test 找差异化角度，Agent Reach 全网搜竞品，Competitor Profiling 深挖所有维度——包括回溯网站历史版本看什么时候放上客户 logo 来推测获客节点。最后 AI 从用户原话里提炼价值主张。他自己的项目跑出来的是：「We turn messy WhatsApp inquiries into qualified buyers ready for your sales team.」不是自己编的，是竞品用户的痛点原话沉淀出来的。 底层逻辑：「把用户原话，总结成价值主张。」 用户调研也 AI 化了。先假扮买家建关系，从聊天中整理对方真实工作流，几轮后切入痛点验证。AI 能读出对方的防御姿态。调研输出不是「用户说喜欢」，而是：现在怎么做、哪里最耗时、已经付出什么成本。 获客：三条路。社交媒体是一条完整的内容工厂流水线—— Codex+Playwright 下载对标账号全部视频，FastWhisper 转逐字稿，拆 Hook/Tension/Proof/CTA 四层结构，替换变量仿写，ImageGen+Seedance 2 批量出图出视频。 文案自动化的原则六个字：模仿结构，不复制句子。 验证过的内容比例：57% 科普、30% 观点、13% 软文。「先按验证过的比例启动，再用自己的数据调整。」 网站获客现在两条线并行：SEO 抢搜索排名，GEO 进 AI 推荐答案。GEO 是 Generative Engine Optimization，让 ChatGPT 和 Claude 在用户问「哪个品牌适合我」时主动推荐你。做法是结构化 FAQ、对比表格、Schema 数据、真实评价。 主动 outreach：从 X、LinkedIn、竞品粉丝里找人，读取公开信息，生成个性化 DM。原则：短、具体、不假装熟悉、不批量群发感。 成交：八步循环。寒暄→判断意图和态度→决定策略→刺探数据维度→线索打分→循环补齐→合格移交真人→落盘 CRM 定期唤醒。 PPT底部小字：「免费起步：ChatGPT + 人工复制粘贴；验证有效后再接 CRM / WhatsApp API。」 最后一句话：「真正的自动化，不是自动发内容。而是从市场洞察到成交的闭环。」跑通闭环沉淀五类资产：用户语言、内容、搜索、转化话术、数据反馈系统。 「商业打法是大脑，AI是工具。一旦你有了大脑，AI 都能自动化，以降本增效。」 这句话和上一场吴畏讲的「超级组织的核心是资产沉淀」是同一件事的两个面。一个讲组织，一个讲业务，结论一样：工具不是壁垒，沉淀才是。

超级个体≠超级组织 上月底 AgenticNow Salon 第三场，@deltawuwei 吴畏讲了一个我一直在想但没想清楚的问题。 非凡产研一共5个人：一个人运营近10万粉的公众号全流程闭环；一个人就是一家广告公司，AI生成的TVC可以直接商用；一个活动签到系统从prompt到上线一个月、1万块。 但他说：「我们不是超级组织，我们只是几个超级个体构成的组织。」 为什么？ 因为每个人的AI能力都锁在自己的电脑里。prompt是自己的，上下文是自己的，工作流是自己的。你能复制工具，但没法复制体系。 「你给同事装了一个Cursor，他也跑起来了。但你复制的是工具，你的方法和体系并没有复制。」 这句话戳到了一个很多人不愿意面对的事实：效率提升是个人的，组织可能什么都没变。 他给了六个关卡：场景识别、流程拆解、知识沉淀、上下文管理、结果验收、资产管理。 其中最反直觉的一条——用agent用得最好的人，往往没有技术背景。因为agent的核心不是写代码，是拆解目标和喂入上下文。业务专家天然就擅长这个。技术背景反而是限制，总想一口气搞个大系统，不如从最小反馈循环开始。 还有一个他们的实操规则：老板不审同事用AI做出来的任何东西。排版错了让客户说。内容有问题改也快。「如果你还在看AI产出的东西，那就是在花你的时间。」 这不是放任，是一种组织进化：如果老板还是审核层，组织就永远长不出来。 他画的未来组织最小单位：一个超级个体 + 一群Agent = 一个闭环任务。 但前提是——个人的AI能力得变成组织的公共资产。可复用，有权限，稳定输出。 这才是超级个体和超级组织之间真正的分水岭。不是工具问题，不是效率问题，是资产问题。

「你的壁垒两个礼拜就被超越。尽早释放你对别人的价值」 @AgenticNow Salon #2 圆桌，三位演讲嘉宾坐下来跟观众聊了一个小时。没有客套。 企业 AI 落地卡在哪、一个人能不能干一个团队的活、你对别人的价值到底是什么——三个方向的人，三种撞墙姿势。 ① 清风银时谈企业落地 「最大瓶颈不是技术，是一把手工程。老板不认同下面全是小打小闹。但真要落地让各部门把业务规则梳理清楚——没有一家企业做得到。」 他现在跟企业谈合作一个礼拜出结果，不再写六个月的方案。 ② @leslieloser_ 谈做产品 「搓一个demo出来，和真正有几十个人用、不崩溃、有人付钱——完全是两件事。中间隔了好几个零。」 ③ @herbertyang 谈个人品牌 在DFINITY待了快五年，去年底离开。「你依托在任何一个平台上最后都会发现靠不住。三个月以后商业模式可能就不存在了。」 ④ Herbert谈三年后 「如果一家公司的产品是数字化的——Office、Slack还是什么SaaS——我个人不认为它还有存在的必要。」AI工具采用率三年内约80%。届时「你有没有用AI」这个问题本身就不存在了。 ⑤ 清风银时最后一句 「失业不一定是坏事，我本来就不想当牛马。」 他引用了一个判断标准：如果大模型升级会让你的产品吸引更多人，那是好产品；如果会让你的产品消失——趁早别做。 春江水暖鸭先知。能感知水温的人已经在水里了。 🎥 完整圆桌👇 #AgenticNow

「策略是你的，约束是你给的，AI在框架内执行。」 @AgenticNow Salon #2 第三位演讲嘉宾 Leslie @leslieloser_，连续创业者，曾帮两家外企从 0 做到百亿市值，现在 Vibe Coding 做产品，死磕一个很多人想解决但没解决好的问题。 他讲了一件反直觉的事：让 AI 辅助投研，重要的不是让它更聪明，而是让它停止乱猜。 ① AI 做研究的三个致命问题 幻觉——为了给你「看起来很顺」的答案不惜编造证据 没有约束——你让它按框架来，它不收敛自己发散 策略不能是 AI 的——流程可以让 AI 写，判断框架是人的活 ② 最厉害的 AI 服务商，核心能力不是让 AI 更聪明 而是懂得给它「收住」。七八条甚至二十多条限制规则。 ③ 一条六步可审计研究链 事件捕捉→初筛→方向证据链→传导确认→条件触发→复盘闭环。每个判断必须带原文出处、时间戳和置信度。 ④「准确率墙」 所有判断留档，对的错的被证伪的全部公开展示。不像社交媒体截图赢了就晒亏了就删。 ⑤ Vibe Coding 也是同一个道理 搓 demo 不难。做一个几十上百人愿意付钱、不崩溃的产品，难。核心原因一样：AI在乱猜，你没给它够多的限制。 不管你用 AI 做什么——研究、内容、产品——要做的不是找更强的模型，而是给它更清晰的规则。 🎥 完整演讲👇

「用自己的技术栈，在自己的服务器上，讲自己想讲的故事」 @AgenticNow Salon #2 第二位演讲嘉宾 Herbert Yang @herbertyang Inturious Labs 创始人，前 AWS 大中华区初创/VC 生态总经理，前 DFINITY 亚太区总经理，斯坦福商学院。 他同时跑着三份 Newsletter 和十几个项目，拿他给孩子做的英文新闻周刊 The Sunday Blender 做了完整的一人编辑部拆解： ① 以前要 7 个人干 18 个月 AI让创业模式彻底变了。一个人、一到三个月。他引用 @AnthropicAI CEO Dario Amodei的判断：2026年可能出现第一家一人十亿美金公司。 ② 六个工作流 Buff 全用 Claude 建站1天（Hugo+Vercel）→ 摘要30秒（三模型交叉验证压幻觉）→ 审校全自动（理念四个字：相信代码）→ 播客5分钟生成（NotebookLM能识别他埋在新闻里的暗线）→ 分发10秒触发 ③ 产品定位：是教育，不是新闻 素材人工筛选，AI 写 100 字摘要。人工直觉和常识依旧重要，幻觉无法 100% 根治。 ④ 离开 Substack，等了一年 从全球最大 Newsletter 平台迁走，Google 整整一年不收录他的新站。Substack 用 95 分域名权重截留流量。他说值 —— 所有中心化平台的结局都一样。 ⑤ 三个主权 掌握叙事权、掌握数据主权、掌握分发渠道。代码全开源在GitHub。 他说：2026 年的 AI 类似 1995 年的互联网。所有产品模式、商业模式都将被重塑。 🎥 完整演讲👇 #AgenticNow

「AI 是乘法，不是加法。能把你放大多少倍，取决于你原来是什么。」 @AgenticNow Salon #2 第一位演讲嘉宾清风银时，WayToAGI 苏州 OPC 社区技术负责人，600+ 信息化项目，40+ 知识产权，复旦 MBA 讲 AI 领导力。专治「技术落不了地」。 几个让我印象最深的点： ① 帮快 90 岁的奶奶留住记忆 五一他想给爷爷奶奶做回忆录。奶奶只讲上海话，他让 @OpenClaw 智能体自动搜方言识别方案，对接多个平台接口，晚上让它自己一个个试。技术上没完全跑通——顶级模型试了一圈，上海话还是不行。但 AI 帮他老婆生成了一套采访提纲，三代人因此打开了从未有过的对话。奶奶提到了抗战时期在上海的经历，他才意识到离自己最近的历史就在眼前。 ② 日历解决的不是效率问题 老婆每天问回不回来吃饭。他让 AI 自动处理微信活动邀请写入日历，老婆看一眼就知道安排。技术解决的是家庭沟通问题。 ③ 朋友圈变商业情报 企业资料喂给智能体，每天截朋友圈长图分析，自动筛潜在客户，连互动评论都帮你想好。 ④ 溯源场控 他的核心方法论：让 AI 下结论之前，先检查信息源。源头有问题，分析再漂亮也是空中楼阁。 ⑤ 50 多条可复用Skill 跟 AI 对话大量轮次后让智能体自己整理经验。工具会迭代，你沉淀下来的判断框架不过期。 不是每个人都要懂代码。你跟 AI 积累的认知底座，才是真正带不走的东西。 🎥 完整演讲👇