AI 應用週報
基於 Agent-Playbook 7 天系統數據
開篇
採集量翻了三倍，我們對趨勢的判斷力卻退步了。
65 條日報、8 天有數據，換來 1 條趨勢——這不是市場沒話說，是我們不會聽了。
信號湧現地圖
本週採集狀況明顯好轉：picks 從 21 條回升到 65 條，有數據天數從 3 天到 8 天，樣本池翻了三倍。但反常恰恰在於，池子變大之後，雷達的判斷反而更失真。
「趨勢」類只有 1 條，佔 1.5%，上週還有 2 條（9.5%）。同時「工具」22 條 + 「新發布」16 條 = 38 條，佔 58%，和上週的 57% 幾乎沒有變化。也就是說，樣本量三倍增長，分類結構卻紋絲不動——這修正了上週的判斷：問題不在採集能力，而在分類器的內在偏食，而且這個偏差不隨數據量伸縮。
兩個新情況值得記：其一，「實驗」類首次出現 5 條（7.7%），這是新長出來的類別，說明有一批內容既不是工具也不是發布，而是「有人試了什麼」；其二，strategic_highlights 連續兩週為空——工具在增加、實驗在萌芽，趨勢卻掉到 1.5%。一個真在成熟的生態，趨勢觀察應該跟著樣本量走強，不會反向坍塌。
實體側有一處必須標記為數據錯誤：LIBERO Team（lab，9 次）與 LIBERO（benchmark，9 次）同時上榜，同一名稱被登記成兩種實體類型——這是命名實體識別失敗，不是信號，不能計入任何判斷。真正有信息的是集中度：OpenAI 113、Anthropic 70（+9）、DeepSeek 33（+5），三家合計 216 次；而 Cursor 15、NVIDIA 11、Microsoft 僅 3 次。工具與硬件方在實體榜上被徹底邊緣化。
可證偽判斷：若下週 picks 維持 60 條以上而趨勢仍 ≤2 條，則「趨勢類枯竭」可確認為分類器結構性缺陷，與採集量無關。
敘事斷裂偵測
本週最響的一聲斷裂，來自微軟：「vibe coding 暫停鍵——燒 token 已經比員工貴了」。這不是產品新聞，而是對過去一年最流行假設的正面否證：自然語言即編程，成本會持續下降。
同向證據有三條。Vercel AI Gateway 新增 session affinity 視圖，按 coding agent 歸併會話、計算緩存命中率——同一功能分兩次出現（10-18、10-19），說明這是被反覆強調的重點而非附帶功能；stablyai/orca 直接主打「用自己的訂閱跑一隊 coding agent」。三條合起來指向同一件事：agent 的評估軸已經從「能不能做」換成「一隊 agent 扛不扛得住成本」，質量指標變成了緩存命中率與訂閱額度。Software 3.0 的樂觀假設，正在被會計部門侵蝕。
第二處斷裂針對平台化假設。Vercel AI Gateway 兩天內接入兩家不同廠商的模型：Liquid AI d1-ultra（輸出結構化概率的決策模型，10-16）與 GPT-6.1 Sol（10-18）；Perplexity 則開源了可自託管的 Firecracker agent 沙箱（10-18）。一邊是 gateway 把模型變成可替換件，一邊是沙箱把執行層去中心化——「模型層會平台化並鎖住用戶」這條假設被兩面夾擊：鎖點正在從模型移向 gateway 與沙箱這類基礎設施。
第三處是我們自己的鏡子。Active Assumptions 連續為空，upstream 2756 條信號 100% 落在 unknown（上週 1903 條同樣如此）；而 deep dives 側卻是 REWIND（不確定性引導軌跡修復）、INTACT（凍結骨干上誘導潛在推理）、Are We Really Measuring Forgetting（多模態 LLM 遺忘評測的陷阱）這類極細的工程問題。上游海量未歸類、下游窄而深——「人人用 agent 寫軟件」的宏大敘事，正被「怎麼測遺忘、怎麼在凍結模型上做推理」拉回地面。
領域方向感知
重心正從「模型能力」移向「agent 的運行成本與可審計性」。16 篇 deep dives 中，與 gateway、沙箱、會話緩存、訂閱額度直接相關的至少 5 條（AI Gateway 兩次 session affinity、d1-ultra 與 GPT-6.1 Sol 接入、Perplexity SPACE、orca），加上微軟的 token 成本暫停，接近四成。價值捕獲點從「模型多強」轉向「誰能讓一隊 agent 跑得便宜且可審計」——session affinity 與緩存命中率就是新 KPI。
工具層呈現「聚合 + 去中心化」的雙向拉扯，但這不是矛盾而是分工：模型層聚合（gateway 把多廠商模型變成可替換件），執行層分散（開源沙箱、自帶訂閱跑 agent）。
可證偽命題一：若下一週期出現跨平台的 agent 成本/沙箱標準——統一的會話歸併與計費口徑被多平台採納——則聚合勝出，走向受控平台化；若各家繼續各造 gateway 與沙箱而無共同口徑，則去中心化的執行層混戰持續，平台化在模型層落空、在 gateway 層重演。
可證偽命題二：upstream 2756 條全 unknown 若再持續一週，則「上游與 AI App 敘事無映射」應判定為結構性缺陷，而非偶發。
速度異常
跨域 insights 從 135 漲到 220（+63%），但方向與驅動仍是老樣子：全部由單一規則 R001 驅動，清一色 VLA→AI App，反向信號依舊為零。
真正的變化在關鍵詞。上週樣本以 prediction/planning 為主，本週明顯轉向「foundation model」：Causal Analysis、Multi-Dimensional Featurizers 同時命中 vision-language + foundation model，PhySGA 命中 diffusion + foundation model，其餘 5 條僅命中 vision-language。配合 A Phenomenology of Neural Geometry in VLA 這類分析型工作現身，VLA 側正在從「堆方法」轉入「解剖模型」——關注點從能不能預測未來，轉向能不能解釋與約束模型。
兩條被埋沒的高價值信號：When to Ask for Help（慢模塊調度的決策論）與 Human Demonstrations as Post-Training Data（跨本體後訓練數據重定向）。前者直指 agent 的「何時升級/求助」，後者是數據復用，兩者都精準對應 AI App 側的調度與數據問題，卻仍沉在 VLA 標籤下，未跨到實體層被追蹤。
可證偽判斷：若下週 cross-domain 樣本中 foundation model 命中數繼續超過 prediction/planning，則跨域關注點已從「預測」實質轉向「解釋與約束」。
最值得讀 / 最值得疑
最值得讀：agent 成本已成為一級工程問題。 微軟喊停 vibe coding（10-19）、Vercel AI Gateway 兩次推送 session affinity、orca 主打自帶訂閱跑 agent——三個獨立來源在三天內指向同一件事。這不是巧合，是市場在重新定價。如果你的 agent 平台還沒有會話級的成本歸因能力，你現在缺的是儀表盤，不是模型。
最值得疑：「實驗」類 5 條代表生態回暖。 7.7% 的新類別很容易被讀成多樣性提升，但同週趨勢類掉到 1.5%、strategic_highlights 連兩週為空。更合理的解釋是分類漂移：原本該歸入觀點或趨勢的內容，被吸進了「實驗」。在趨勢類恢復之前，不宜把新類別的出現當成生態活力的證據。
下週觀察清單
- 若 picks 維持 60 條以上、而「趨勢」仍 ≤2 條，則 分類器對趨勢類存在系統性壓制，需重建分類邏輯，而非繼續加大採集。
- 若「成本/預算/緩存命中/訂閱額度」類條目持續壓過「新能力發布」類，則 vibe coding 敘事已進入清算期，採購邏輯將由能力清單轉向單位任務成本。
- 若 出現被多平台共同採納的 agent 成本或沙箱標準，則 聚合勝出、走向受控平台化；若各家自造 gateway 而無共同口徑，則 執行層混戰延續。
- 若 upstream 再一週 100% unknown，則 上游論文流與 AI App 敘事無映射可判定為結構性缺陷；同時觀察 foundation model 關鍵詞是否繼續壓過 prediction/planning，以驗證跨域焦點轉向「解釋與約束」。
审计提示（自动生成，未经人工确认）
发布前的事实核查对以下内容存疑，引用前请自行核实：
-
Active Assumptions 連續為空— 无依据（来源中不存在此字段）（数据中：本週原始數據 JSON 完全沒有 active_assumptions / assumptions 欄位，只有 daily_picks、entity_activ）
-
跨域 insights 從 135 漲到 220（+63%）— 无依据（135 為上週數值，不在本週來源）（数据中：本週來源僅有 field_state_delta.total_insights = 220；135 及 +63% 的比較基準需前一週數據，未包含在本週唯一事實來）
-
upstream 2756 條信號 100% 落在 unknown（上週 1903 條同樣如此）— 无依据（1903 為上週數值）（数据中：本週來源為 upstream_signals.total_signals = 2756、by_category = {unknown: 2756}，100% u）
-
「趨勢」類只有 1 條，佔 1.5%，上週還有 2 條（9.5%）— 无依据（上週分類分布不在本週來源）（数据中：本週 by_category.trend = 1（1/65 ≈ 1.5% 可推算）；「上週 2 條、9.5%」不在本週來源中。）
-
「工具」22 條 + 「新發布」16 條 = 38 條，佔 58%，和上週的 57% 幾乎沒有變化— 无依据（上週 57% 不在本週來源）（数据中：本週工具 22、新發布 16，合計 38，38/65 ≈ 58% 可推算；「上週 57%」不在本週來源中。）
-
picks 從 21 條回升到 65 條，有數據天數從 3 天到 8 天— 无依据（21 條/3 天為上週數值）（数据中：本週來源為 daily_picks.total_picks = 65、days_with_data = 8；21 與 3 不在本週來源中。）
-
OpenAI 113、Anthropic 70（+9）、DeepSeek 33（+5），三家合計 216 次— 无依据（括號內增量為上週對比）（数据中：本週來源為 OpenAI 113、Anthropic 70、DeepSeek 33，合計 216 可核；但「+9」「+5」的增量需上週數值（61、28），不在本）
-
上週樣本以 prediction/planning 為主— 无依据（上週關鍵詞分布不在本週來源）（数据中：本週 field_state_delta 僅含 2026-10-16 的 8 條 insights 及其 matched_keywords（vision-lan）