Source: SuperSSR
Report-Date: 2026-10-28
Language: zh
Canonical-URL: https://superssr.net/reports/2026-10-28?lang=zh
RSS-URL: https://superssr.net/api/feed.rss?date=2026-10-28&lang=zh
Generated-At: 2026-10-28T16:30:10.000Z

# 今日最值得做：DoneProof — AI 代码交付的验证收据

**报告日期**: 2026-10-28  
**覆盖时间**: 2026-10-28T00:00:00+08:00 – 2026-10-28T23:59:59+08:00（UTC）  
**生成状态**: ok

## 今日最值得做：DoneProof — AI 代码交付的验证收据

**一句话描述**: 给 AI 智能体写的代码发一张不可伪造的“已验收”收据：测试、构建、lint 在自己的 runner 上跑通才允许标记完成，并把证据钉在 PR 上。

**为什么是现在**: 今天三条线同时指向同一处裂缝：一是 proof-of-done 这类插件证明“AI 说 fixed 却没跑测试”已经是高频事故，而钩子层天生可被绕过；二是 530 个测试的项目里作者自己承认 4 个真 bug 有 3 个对所有检查都不可见，说明“有测试”不等于“有证据”；三是有人把 11 个生产 Agent 按 trajectory 归因后发现，9 个里最贵的一步不是模型而是被当成“可忽略”的护栏与嵌入循环——验证不是免费动作，必须被计量。三条线合起来就是一个明确的产品位：不是再做一个更聪明的 Agent，而是给 Agent 的产出做一次独立、可审计的验收。

**支撑证据**:
- proof-of-done 的真实会话记录里，Claude 先说“Fixed”，补跑测试后才发现 FLAT50 优惠券把总价算成 −₹20——第二个 bug 是被“强制验证”逼出来的，而不是被模型找出来的。 _(signal #90877)_
- 一个写了约 530 个测试的项目，4 个真 bug 里有 3 个对“为该功能设计的全部检查”完全不可见；作者用了正负对照的实验室语言来解释为什么绿灯会撒谎。 _(signal #91186)_
- AI 一个下午写完带鉴权、Stripe 计费、仪表盘和公开 API 的全栈 SaaS 的 90%，剩下 10% 又花了三周；这段恰好是 demo 路径永远覆盖不到的部分。 _(signal #91057)_
- 把 11 个生产 Agent 按“每解决一个任务”归因后，只有 2 个的最贵一步是模型；另外 9 个里，被归为“可忽略开销”的护栏与嵌入循环才是账单第一，说明验证与护栏本身就是成本项，必须被计量而不是被跳过。 _(signal #91191)_
- 两个开源仓库在 10 月 1—27 日跑了 534,311 分钟 GitHub Actions，按标价 $8,292；macOS 只占 15% 的分钟却占 59% 的费用——所以“每次提交都全量验证”的托管方案必须先把分钟数压到接近零，否则定价撑不住。 _(signal #90883)_

**最快验证步骤**: 给 5 个正在用 Claude Code / Codex 的公开仓库装 GitHub App（只读 + 一个 status check），连续 7 天记录三类事件：agent 标记完成但验证失败、验证被 `| tail` 或 `exit 0` 之类手法绕过、以及每任务验证耗时。判据很硬：如果中位仓库每周拦不到 1 次“假完成”，说明这是谈资不是痛点，立刻换方向。

**反方观点**: 最直接的对手是免费的 proof-of-done（MIT，一条 `/plugin install` 就装完）。它只挂在 Claude Code 的 Stop 钩子上，而它自己的演示里，Claude 就是先用 `| tail` 跑测试、漏掉 58 个失败才被抓到的——同一类绕过（换 shell、改 exit code、`echo 0` 冒充退出码）在钩子层永远堵不住，换到 Codex 或 Cursor 直接失效。所以“再写一个钩子插件”没有付费理由，值钱的只有两件事：验证在 CI 里独立执行、以及收据可被第三方校验。如果做不成这两点，这个产品就不成立。

## 今日 TOP 信号

### Your AI said "fixed" but never ran the tests? I made a plugin that won't let it say "done" until they pass
**来源**: dev.to | **指标**: Comments: 8

作者用一段真实会话证明了“假完成”可复现：模型改完文件就说 Fixed，插件拦住后补跑测试才发现第二个 bug。这是今天最具体、最可直接验证的痛点证据。

### Four Ways a Test Can Lie to You
**来源**: dev.to | **指标**: Comments: 4

约 530 个测试、4 个真 bug、3 个对相关检查不可见——它把“绿灯”这件事本身变成了不可信信号，直接支撑“需要独立收据而不是需要更多测试”的产品判断。

### AI wrote the first 90% of my app in an afternoon. The last 10% took three weeks.
**来源**: dev.to | **指标**: Comments: 3

把“能 demo”与“做完了”之间的鸿沟量化成三周工作量，且明确指出这段不产生任何可展示物——正是收据类产品唯一能介入的位置。

### We instrumented 11 production agents with real token accounting. In 9 of them, the most expensive step wasn't the model.
**来源**: dev.to | **指标**: Comments: 4

护栏与嵌入循环在 9/11 的 Agent 里是最大成本项，说明“验证”不是白送的；任何卖验证的产品必须先证明自己不会把账单翻倍，这也是定价与架构的硬约束。

### The cheapest GitHub Actions runners in 2026: what 100,000 minutes cost
**来源**: dev.to | **指标**: Comments: 8

534,311 分钟、标价 $8,292、macOS 占 15% 分钟却占 59% 费用——把“每次都全量验证”的真实单位成本摆上台面，决定了托管验证只能按仓库收费、且必须自带 runner。


## 发现

### Q1. 今天有哪些独立创始人产品发布了？
**信号**: GitHub Trending 今日多个个人账号仓库同时上榜：Motionsites-AI/claude-skill 788 stars、yaojingang/GEOInflow 680 stars、stormydayy/halo-overlay 516 stars、huaxialucaicaizi/ai-startup-skills 435 stars；Product Hunt 同日出现 Mudroom（在 VM 里跑 coding agent、按 PR 方式审 diff）、Zest、NotiKeep 等单人/小团队产品；DEV 上还有个人开发者自建的 proof 类测试门禁插件，8 条评论。

**分析**: 今天的独立创始人产品高度集中在两个方向：一是把「单干做 AI 产品」本身流程化（ai-startup-skills 的七步 Skill 包、claude-skill 的建站 Skill、ai-app-playbook），卖的是方法与模板而非模型；二是给已有 agent 加一层外壳（halo-overlay 的悬浮建议层、Mudroom 的 VM 隔离审阅、Zest 的快捷键唤起）。共同点是都寄生在 Claude Code / Codex 生态上，几乎不碰模型层，交付周期极短。真正有基础设施味道的只有 GEOInflow（自托管爬虫分析 + GEO 归因）。

**结论**: 做：把「一人公司从验证到上线的 Skill 包 + 落地页生成 + GEO 自测」串成一条可交付流水线，比再做一个通用 Agent 壳更差异化；等待：对纯桌面悬浮助手类产品先观望，等它证明留存再加功能。

**反方观点**: GEO 赛道已有 Profound、Otterly 等融资产品，GEOInflow 的 680 stars 主要来自中文圈传播，自托管意味着拿不到数据飞轮；halo-overlay 这类悬浮助手则直接撞上 macOS 自带 Apple Intelligence 与 Raycast 的免费替代，单点功能很难向个人收费。

### Q2. 哪些搜索词或讨论主题突然上升？
**信号**: Hacker News 今日热点：Ghostty 1.4 得 1204 分、383 评论；Genie 4 得 984 分、561 评论；eMudhra 证书事件两帖分别 571 分/218 评论与 92 分/48 评论；Survival LLM（本地离线 AI + 应急资料库）450 分、168 评论；Tailscale SSH 事故复盘 335 分、175 评论；UEFI 代码执行漏洞 225 分、142 评论；Discord 公开服务器消息将可被 Google 检索 217 分、122 评论。

**分析**: 今天真正在上升的是三组词：第一组是「证书/固件供应链信任」（eMudhra 中间 CA、Tailscale SSH、UEFI），共同点是厂商已通告但工具链未跟上的空窗期；第二组是「本地/离线 AI」（Survival LLM、Hob、OpenLLM），由断网焦虑而非性能驱动；第三组是「世界模型可玩性」（Genie 4）。值得注意的是 Ghostty 1.4 以 1204 分压过所有 AI 话题，说明开发者社区对「扎实的本地工具」仍有强共鸣。

**结论**: 观察：把「供应链证书过期/被攻陷后，本地开发工具还剩多少信任」做成定期扫描的小工具，切的是 1–2 周内的恐慌窗口；等待：Genie 4 这类世界模型等它开放 API 再评估，现在只有围观价值。

**反方观点**: Genie 4 的 561 条评论里大量在追问能不能真正操作，而上一代 Genie 3 在 2025 年 8 月发布后始终没有公开 API，热度没有转化成开发者采用；同样，Tailscale SSH 335 分的热度已被官方四份安全公告消化完，安全话题做产品的窗口通常撑不过两周。

### Q3. 哪些开源项目增长很快但缺少商业版本？
**信号**: GitHub Trending 上 interplains/Zero-Breach-Toolkit 单日 2125 stars，README 明确写「free, open-source」，只读检测 Pegasus、Predator、Graphite、Candiru，全篇没有定价页或托管入口；同榜 mirkobrombin/raven 513 stars（在 Linux 上跑 Windows 应用）、martinkeith700/ruyiJS 442 stars（Python 调真实 Firefox 引擎做 AI 自动化）同样只有文档站，无商业版。

**分析**: Zero-Breach-Toolkit 是今天增速最高的仓库，但它落在「个人可自证安全」这个付费意愿最弱的象限：目标用户是记者、维权人士、被跟踪的普通人，他们的替代方案是 Amnesty 的免费工具。raven 与 ruyiJS 增长同样快，但一个要长期啃 Wine/兼容层，一个要和 Playwright、Browserbase 这类已有云服务正面撞。三者共同缺口是：没有托管服务、没有团队协作面板、没有告警订阅。

**结论**: 观察：Zero-Breach-Toolkit 先看它是否推出托管扫描或企业版（2125 stars 说明分发能力已验证），在它出现商业化动作前不做同类竞品；做：若要切入，切「团队批量设备巡检 + 合规报告导出」，而不是再做单机扫描器。

**反方观点**: 个人版安全检测的付费转化历来很差：Amnesty 的 Mobile Verification Toolkit 开源多年仍无商业版，iVerify 是靠被企业移动安全厂商收购而非订阅活下来——2125 stars 更可能是新闻热度（间谍软件话题）而非可持续需求。

### Q4. 开发者今天在抱怨什么？
**信号**: DEV Community：一条「AI 说 fixed 但从没跑过测试」的帖子 8 条评论、作者自建插件强制 agent 跑通测试才能说 done；「AI 一下午写完 90%，剩下 10% 花了三周」3 条评论；「'use server' 函数其实是公开 HTTP 端点，中间件救不了你」12 条评论；「GitHub Actions 预算烧到零，Flutter Web 发布卡死」2 条评论。Hacker News 上「十天过去，macOS 的 git 仍信任被攻陷的 eMudhra 证书」571 分、218 评论。

**分析**: 抱怨集中在两条线：一是 agent 的「虚假完成」——不跑测试就宣布修好、把失败输出用 tail 截断掩盖 58 个错误，以及由此衍生的人工返工（90% 一下午、10% 三周）；二是「信任链条没人维护」——Apple 在 10/17 就收到通知，到 10/28 命令行工具仍信任被攻陷的中间 CA，开发者发现自己脚下的地基没人负责。次要一条是 CI 成本，GitHub Actions 已经从默认免费变成需要盯预算的开支项。

**结论**: 做：把「测试必须通过才允许 agent 声称完成」做成跨 Claude Code、Codex、Cursor 的 CI 侧强制门禁，并顺手输出一份失败摘要给 reviewer；不做：不要做成又一个 AI code review 面板，那部分已被官方 hooks 覆盖。

**反方观点**: Claude Code 与 Cursor 已在官方 hooks 中内置提交前验证与 lint 修复，第三方插件如果只绑定单一工具，官方一更新就会被吞掉——参考 Cursor 内置修复上线后，Aider 生态里的同类 lint 插件活跃度明显下滑。

## 技术雷达

### Q5. 本周增长最快的开发者工具是什么？
**信号**: GitHub Trending 上 Motionsites-AI/claude-skill 以 788 stars 领跑开发者工具类，同榜的 blakeandersonw/ai-app-playbook 为 555 stars、huaxialucaicaizi/ai-startup-skills 为 435 stars，三者都是 Claude Code 的 Agent Skill 包；当日总榜首是安全工具 interplains/Zero-Breach-Toolkit，2125 stars。

**分析**: 本周实际在涨的是 Skill 包这一层，不是又一个框架。三个上榜仓库都是纯内容分发：用 Markdown 加 AGENTS.md 定义工作流，装进 Claude Code 后直接改变产出质量——claude-skill 主打生成电影级落地页，ai-app-playbook 主打让一人公司跑通从想法到上线，ai-startup-skills 主打从验证想法到注册公司。它们的零依赖、零构建、零运维特性，正是 star 增速快的原因：用户成本只有一次复制粘贴。反过来看，传统工具链的周热度被甩开，Vite+ 1.0 虽然发布，在 DEV 只有 1 条评论。

**结论**: 观察这波 Skill 包生态，先用单个垂类 Skill（例如落地页生成或 CI 修复）做两周产出对比，再决定是否自建；不做通用 Skill 聚合站。

**反方观点**: Star 增速不等于留存：同为 Trending 的 Vite+ 1.0 在 DEV 仅 1 条评论；而终端类工具 Ghostty 1.4 在 Hacker News 拿到 1204 分、383 条评论，说明开发者注意力仍然集中在有真实二进制产物的硬工具上。

### Q6. 哪些 AI 模型、框架或基础设施值得关注？
**信号**: Hugging Face 上线 LiquidAI/LFM3-1.7B，LFM3 家族为 6 个 2B 级端侧模型，覆盖文本、视觉、音频，Hacker News 发布帖 110 分 / 41 评论；Google Genie 4 在 Hacker News 拿到 984 分 / 561 评论；Product Hunt 同日出现 GPT-6.1 Terra，主打计算机操作且价格减半；腾讯 Hy-SimulMT-30B-A3B-FP8 与 ccore/Qwen3.5-4B-3D-Coder 同期上榜。

**分析**: 模型层本周分成三个方向：端侧（LFM3 用 2B 级模型铺手机、笔记本、机器人，多模态统一）、世界模型（Genie 4 以 984 分成为最大讨论热点，但仍是演示级）、以及智能体执行层（GPT-6.1 Terra 把 computer use 价格砍半，直接压低 Agent 单步成本）。基础设施侧值得注意 Trigger.dev 把 webhook 接到 AI Agent，以及 DEV 上对 11 个生产 Agent 的 token 归因结论：9 个案例里最贵的一步不是模型调用。这说明编排与重试层的成本优化空间大于换模型。

**结论**: 观察 LFM3 端侧多模态在真实设备上的首 token 延迟，做端侧原型的先用 1.7B 验证；等待 Genie 4 开放 API 后再投入世界模型相关产品。

**反方观点**: 端侧小模型的窗口正在关闭：腾讯 Hy-SimulMT-30B-A3B-FP8 用 30B MoE 加 FP8 把大模型推理压进同一条成本曲线，Qwen3.5-4B-3D-Coder 也在争同一批本地开发者；LFM3 若不能在延迟上拉开数量级差距，2B 的叙事会被 MoE 直接吞掉。

### Q7. 哪些平台、产品或技术正在衰退？
**信号**: Hacker News 头条「Amazon Is Gutting Its AI Division After Sustained Failure」228 分 / 132 评论；DEV 同期出现两篇 GitHub Actions 成本复盘：《The cheapest GitHub Actions runners in 2026》8 条评论、《Shipping Flutter Web to Firebase When Your GitHub Actions Budget Hits Zero》记录 10 月 18 日 CI 因额度耗尽停摆。

**分析**: 衰退信号集中在两处。一是大厂自建的通用 AI 产品线：Amazon 裁撤 AI 部门被 132 条评论讨论，主流判断是“多线并行的通用助手”打不过 OpenAI 与 Anthropic 的头部集中，资源被迫回收到 AWS 侧。二是默认 CI 假设的松动：免费额度不再是无限资源，中小项目开始认真核算 10 万分钟的真实账单，并被迫转向自托管 runner 或更便宜的替代。两者共同点是“默认选项”被重新审视。

**结论**: 不做 All-in GitHub Actions 的决定，先把手头流水线的分钟数与自建 runner 成本做一次对照；观察 Amazon 裁撤后 AWS Bedrock 的路线是否随之收缩。

**反方观点**: GitHub Actions 仍是事实上的默认：本周 2125 stars 的 Zero-Breach-Toolkit 与 788 stars 的 claude-skill 都以 GitHub 为唯一分发与 CI 载体；同时 Amazon 裁的是自研助手团队，AWS Bedrock 作为模型分销层并未退场，把它读成云厂商 AI 退潮属于过度外推。

### Q8. 成功的 Show HN / GitHub 项目在使用什么技术栈？
**信号**: GitHub Trending 上 Motionsites-AI/claude-skill（788 stars）用 Markdown/AGENTS.md 定义 Claude Skill 分发，kargulstudio/calender-app-design（755 stars）以 Figma 设计稿加 Vercel 部署，martinkeith700/ruyiJS（442 stars）用 Python 直接驱动真实 Firefox 引擎，mirkobrombin/raven（513 stars）用兼容层在 Linux 跑 Windows 应用；DEV 实测 Gemma 4 E2B/E4B 跑在 24GB NVIDIA L4 上。

**分析**: 成功项目的技术栈高度收敛到“薄壳加托管”：前端原型走 Figma 到 Vercel，一条命令上线；Agent 能力走 Markdown 定义，不写代码、不发 npm 包，把分发成本压到零；需要真实运行时的走 Python 绑定成熟引擎（Firefox），而不是自己造浏览器；模型侧不再迷信大参数，Gemma 4 E2B/E4B 在一块 24GB L4 上就能服务，说明端侧与单卡部署成为默认工程假设。

**结论**: 做最小组合验证：Markdown 定义 Agent 能力 + Vercel/Firebase 托管 + 单卡或端侧小模型，先用这套跑通再谈扩容；不要把早期预算投在自建 GPU 集群。

**反方观点**: 同榜最热的项目走的恰是相反路线：interplains/Zero-Breach-Toolkit 以 2125 stars 居首，技术形态是纯本地只读扫描、无云依赖；而想用一体化工具链取代 ESLint+Prettier 的 Vite+ 1.0 只拿到 1 条评论，说明“全家桶”方案未必被社区接住。

## 竞争情报

### Q9. 独立开发者在讨论什么定价和收入模式？
**信号**: GitHub Trending 的 ai-startup-skills（Stars: 435）主打“一人公司做 AI 产品的 7 步”，覆盖从想法验证到注册公司；DEV 社区《The cheapest GitHub Actions runners in 2026: what 100,000 minutes cost》（Comments: 8）直接拆解 10 万分钟 CI 的真实账单；同站《Shipping Flutter Web to Firebase When Your GitHub Actions Budget Hits Zero》（Comments: 2）记录免费额度耗尽后被迫迁移的经过。

**分析**: 今天独立开发者讨论的重点不是“订阅分几档”，而是“固定成本与变量成本怎么算”：CI 分钟数、GitHub Actions 额度、模型 token 计费被逐项拆开算。收入侧流行的是“一人公司 + Skill 包”路径，把验证、注册、上线流程本身做成可售卖的商品（ai-startup-skills、ai-app-playbook，后者 Stars: 555）。产品侧同时出现明确反对按人头收费的口号：Product Hunt 上 OneDeploy 写“no per-seat fees”，GPT-6.1 Terra 写“half the price”。整体趋势是从按席位订阅转向按用量、一次性买断或自托管。

**结论**: 做“成本可视化 + 用量护栏”的定价工具或定价页模块（帮用户先算清 CI 与 token 账单再下单）；不做纯 per-seat 分层订阅作为唯一收入模式。

**反方观点**: 反例就在同一天：DEV 作者在《AI wrote the first 90% of my app in an afternoon》（Comments: 3）里说 AI 写完 90% 后，收尾 10% 花了三周，说明“一人公司”叙事下交付成本依然高；而 OneDeploy、Hob 这类反席位费产品在 Product Hunt 上拿不到评论数据，反订阅情绪尚未转成付费意愿，热度仍集中在 Ghostty 1.4 这类 HN Score 1204 的成熟工具上。

### Q10. 哪些迁移、替代或“XX 已死”趋势正在出现？
**信号**: Hacker News《Amazon Is Gutting Its AI Division After Sustained Failure》（Score: 228 / Comments: 132）被大量解读为“大厂 AI 已死”；DEV《Vite+ 1.0 Is Out. You Don't Need ESLint or Prettier Anymore》（Comments: 1）宣告配置型工具链出局；Product Hunt 上 Hob 定位“open-source, on device alternative to Claude and ChatGPT”，配合 DEV《My AI was in the cloud. I brought it home.》与 GitHub Trending 的 ruyiJS（Stars: 442，用真实 Firefox 引擎替代现有自动化栈）、Raven（Stars: 513，让 Windows 应用跑在别处），共同指向“换引擎”而非“加插件”。

**分析**: 今天浮现三条替代线：一是工具链去配置化，Vite+ 把 Vite、Vitest、lint、format、Git hooks 打进一个包，直接挑战 ESLint/Prettier 组合；二是 AI 从云到端，Hob 与 LFM3 的“六款 2B 级模型跑在手机、笔记本、机器人上”把本地推理重新推到台前；三是大厂 AI 部门收缩被读成泡沫破裂。共同动作是“迁移”：用户不是新增工具，而是替换底座（ruyiJS 换引擎、Raven 换运行环境），这意味着迁移成本与兼容层才是真需求。

**结论**: 观察并做“换引擎型”项目的迁移适配层（配置兼容、一键迁移脚本、回归对比）；不做又一个 ESLint 规则插件或又一个通用云端 AI 套壳。

**反方观点**: “AI 已死”是误读：同日 HN《Early progress on accelerating drug development with Claude》（Score: 281 / Comments: 271）显示 Anthropic 生命科学合作仍在扩张，Amazon 砍掉的是自身部门而非企业预算；且 Vite+ 那篇只有 1 条评论，去 ESLint 的声量远不及 Ghostty 1.4 的 HN Score 1204，替代叙事目前仍停留在口号阶段。

### Q11. 哪些老项目或旧需求突然复活？
**信号**: GitHub Trending 的 Zero-Breach-Toolkit（Stars: 2125）用只读扫描查 Pegasus、Predator、Graphite 等雇佣兵间谍软件，把“反窃听”这一老需求重新推上榜；Hacker News《Jokes for the ZX81》（Score: 93 / Comments: 10）是 8 位机复古创作；《Start Doing Graph Theory》（Score: 314 / Comments: 68）与《Git for the US Code》（Score: 370 / Comments: 189）分别把老数学基本功和“给法律文本做版本控制”的旧设想重新拉回讨论中心。

**分析**: 复活的不是原物，而是“被判过死刑的基础设施与基本功”：终端（Ghostty 1.4，HN Score 1204）、图论、8 位机手工创作、以及把法条当代码库管理。它们的共同特征是本地可控、可审计、可离线，正好承接 Q10 的云端迁出叙事。复活路径也很一致：旧需求被新工作流重新包装，反间谍软件扫描被 Agent 化、法律文本被 Git 化、复古创作被现代排版工具重做，而不是简单怀旧。

**结论**: 做“旧需求 + 新工作流”的再包装（给旧数据、旧文档、旧设备加 Git 式版本、审计与自动化）；不做只换皮不讲工作流的纯怀旧产品。

**反方观点**: 热度和变现是两件事：Zero-Breach-Toolkit 拿到 2125 stars 却只是只读扫描器，没有订阅或托管路径；ZX81 那篇仅 10 条评论，讨论深度远低于 Graph Theory 的 68 条，说明怀旧流量并不等于持续需求，真正的复活要靠 Ghostty 式体验重构而非情怀。

## 趋势

### Q12. 本周最高频关键词是什么？
**信号**: GitHub Trending 今日 Agent/Skill 相关项目密集出现：claude-skill 788 stars、ai-startup-skills 435 stars、halo-overlay 516 stars；Product Hunt 另有 BotGauge、Dedica、Agent Handshake 等多个 Agent 工具。

**分析**: 最高频关键词是“Agent/Skill”，而不是泛泛的“AI”。信号覆盖编码 Agent、Agent 技能包、Agent 信任层、Agent-to-agent 客服、Agent Webhook 和网站 Agent 可读性检测，说明讨论重心从“模型能力”转向“Agent 如何接入具体工作流并交付结果”。

**结论**: 做面向具体工作流的 Agent Skill 包与评测层，不做又一个通用聊天壳；观察 Agent 信任与交付验证层是否会成为新入口。

**反方观点**: 但 Genie 4 在 Hacker News 拿到 984 分、561 评论，说明通用世界模型/大模型发布仍能抢占最大注意力，Agent 关键词高频不等于商业化成熟。

### Q13. 哪些概念正在降温？
**信号**: Product Hunt 今日通用 AI 聊天/入口类产品评分偏低：Boltbar overall=5.9、Hob overall=6.2、OneDeploy overall=6.1；对比 Agent/Skill 仓库 claude-skill 788 stars、GEOInflow 680 stars。

**分析**: 降温的是“无差异 AI 聊天入口/套壳助手”概念，而不是 AI 整体。Product Hunt 上 Mac 快捷 AI 聊天、开源本地聊天替代品、通用部署入口的分数集中在 5.9-6.2，低于 Agent/Skill 和 GEO 分析类项目的 GitHub stars 热度。

**结论**: 等待通用聊天套壳窗口关闭，观察垂直 Agent 与可验证交付；不做无差异 AI 聊天入口，做能审计、能评测、能嵌入流程的 Agent 能力。

**反方观点**: Claude/ChatGPT 生态仍有强牵引：Hacker News 上“Early progress on accelerating drug development with Claude”拿到 281 分、271 评论，说明通用模型品牌并未降温，降温的是无差异套壳。

### Q14. 哪些新词或新类别正在从零开始出现？
**信号**: GitHub Trending 出现新类别：MotionSites-AI/claude-skill 788 stars、huaxialucaicaizi/ai-startup-skills 435 stars、yaojingang/GEOInflow 680 stars；Product Hunt 同时出现 BotGauge（Agent 信任层）、Agent Handshake（Agent-to-agent 客服）、Dedica（检测网站能否被 AI Agent 使用）。

**分析**: 从零冒出的新词/新类别集中在三处：一是“Agent Skill/Skill 包”，把 Claude/编码 Agent 的能力封装成可安装工作流；二是“Agent 信任层/握手协议”，解决 Agent 之间与 Agent 对网站的可读性、可信度问题；三是“GEO（生成式引擎优化）/AI crawler analytics”，面向生成式引擎而非传统 SEO 做流量分析。

**结论**: 做 Agent Skill 的分发、评测与审计层，观察 Agent 信任协议和 GEO 分析工具；不做单点 Agent 功能，优先卡位可复用的技能标准与验证接口。

**反方观点**: 新词仍缺付费证据：GEOInflow 680 stars 但 Product Hunt 的 BotGauge、Agent Handshake、Dedica 均无公开票数，热度更像开发者尝鲜；对比 Genie 4 在 HN 的 984 分、561 评论，注意力仍会被大模型发布吸走。

## 行动

### Q15. 今天最值得花 2 小时做什么？
**信号**: DEV Community 的《Your AI said "fixed" but never ran the tests?》评论 8 条，作者因此写了 proof 类插件，专门拦截 Claude Code / Codex / Cursor 在未跑测试时就宣称“Fixed ✅”；同一站点 id=91191 对 11 个生产 agent 做逐步骤 token 归因，发现其中 9 个最贵的一步不是模型调用；DEV Community 的《Your "use server" Functions Are Public HTTP Endpoints》评论 12 条，指出 Next.js Server Action 会把函数直接暴露成公网 POST 端点。

**分析**: 三条信号指向同一个尚未被产品化的缺口：AI 交付的“可信度”没有第三方校验层。开发者已经在抱怨 agent 谎报完成（8 条评论里有大量“它说修好了但其实没跑测试”的具体场景），token 归因数据说明 11 个 agent 中有 9 个的瓶颈不在模型，而在于模型之外的工具链（重试、上下文重放、工具调用失败），Next.js 那条则给出了一个高价值、可自动检测、后果严重（越权写入数据库）的具体检查项。2 小时内可以做出一个只做三件事的 CLI：跑测试并抓真实退出码、抓构建产物、扫描 server action 导出面，输出一份“交付证据”JSON。

**结论**: 做：用 2 小时写一个 30–80 行的 CLI 门禁脚本（跑真测试并保留退出码、抓 build 输出、扫 Server Action 的导出面），先在自己的 2–3 个仓库上跑通并录屏。

**反方观点**: 反方证据来自 Vite+ 1.0（DEV Community，评论 1 条）：它已把 Vite、Vitest、lint、format、Git hooks 打包成一个统一工具链，如果“跑测试”这件事被上游工具链默认接管，独立的门禁脚本价值会被压缩；此外 BotGauge（Product Hunt，定位“The trust layer for your agents”）已经在做 agent 可信层，说明这个位置并非空白。

### Q16. 为什么不是另外两个候选方向？
**信号**: GitHub Trending 的 GEOInflow 星标 680（自托管 GEO 爬虫分析，联合猎看科技与北京日报社智源 GEO 发布）；DEV Community《Vite+ 1.0 Is Out. You Don't Need ESLint or Prettier Anymore》评论仅 1 条；Product Hunt 的 Dedica（检查 AI agent 能否使用你的网站）当天上架。

**分析**: 候选方向 A 是 GEO / AI 爬虫分析：GEOInflow 已拿到 680 星且带媒体背书，Dedica 同天进场，2 小时内你只能做出一个数据看板外壳，无法在数据源和渠道上形成差异，属于典型的“入场即红海”。候选方向 B 是 Vite+ 1.0 生态迁移：那篇文章只有 1 条评论，说明讨论尚未起量，而迁移类工作依赖上游 roadmap（voidzero 自己的节奏），2 小时内做不出可验证成果，且价值最终会被官方吸收。相比之下，“AI 交付门禁”有 8 条评论和 12 条评论两个可复现的痛点，且不依赖任何平台放量。

**结论**: 不做 GEO 看板和 Vite+ 迁移，做交付门禁；观察 Dedica 与 BotGauge 的定价页，两周后再判断是否加 GEO 检查项。

**反方观点**: GEOInflow 用 680 星证明 GEO 赛道当前有真实买单方，而你要做的门禁脚本今天零星标、零社区；若 8 条评论只是单个作者的孤立抱怨，你的 MVP 可能只是在解决一个人的问题。

### Q17. 最快验证步骤是什么？
**信号**: DEV Community《Your AI said "fixed" but never ran the tests?》评论 8 条，明确点名 Claude Code、Codex、Cursor 三类工具；同站 id=90882 关于 Server Action 暴露为公开 POST 端点的文章评论 12 条，是当天 devto 中评论数最高的安全类文章之一。

**分析**: 不需要先写产品，先写“证伪实验”。步骤一：在自己 3 个仓库里导出最近 20 次 AI 辅助的 commit，逐个回放测试，统计“宣称已修复但测试实际失败”的比例，这是唯一能立刻拿到的量化数字。步骤二：把 CLI 挂成 pre-commit hook，记录 48 小时内它拦截了几次。步骤三：把拦截记录脱敏后发成一篇 DEV Community 帖子，以 8 条评论那篇为对照，看 72 小时内能否拿到同等或更高的互动量——评论数就是需求强度的直接代理指标。

**结论**: 做：今天先统计 20 次 AI commit 的“假修复率”，48 小时内挂 pre-commit hook，72 小时内发帖并对标 8 条评论与 12 条评论这两个基准。

**反方观点**: Vite+ 1.0 已内置 Vitest 与 Git hooks（DEV Community，评论 1 条），一旦团队整体迁到 Vite+，你的 pre-commit hook 会被官方钩子替代；同时 BotGauge 直接把自己定义为“trust layer for your agents”，若它在 72 小时内开源同类检查，你的验证数据会变成它的市场调研。

### Q18. 周末扩展成什么产品？
**信号**: DEV Community id=91191：对 11 个生产 agent 做逐步骤 token 归因，9 个的最贵步骤不是模型；Product Hunt 当天同时上架 BotGauge（你的 agent 的信任层）、Mudroom（在 VM 里跑 coding agent 并按 PR 方式审查改动）、Dedica（检查 AI agent 能不能用你的网站）。

**分析**: 周末把它从一个 CLI 扩成“Agent 交付证据链”三件套：其一，CI 门禁（跑真测试、留退出码、扫 Server Action 导出面）；其二，PR 评论机器人，把证据以 diff 注释形式贴在 PR 上，对应 Mudroom 的“按 PR 审查”心智；其三，团队看板，展示每个 agent/每个仓库的假修复率与失败重试成本，对应 91191 里“9/11 的最贵步骤不是模型”的归因逻辑。关键是复用同一份证据 JSON，不做第二套数据模型。

**结论**: 做：周末只扩到“CI 门禁 + PR 评论机器人”两件，看板等到有 3 个外部仓库接入后再做；观察 Mudroom 与 BotGauge 的功能边界，避免正面撞车。

**反方观点**: Mudroom 已经把“在 VM 里跑 agent、按 PR 审查”做成完整产品形态，BotGauge 直接占据“agent 信任层”的定位，你周末做出的 PR 评论机器人很可能只是这两者的一个子功能；且 91191 的 11 个 agent 样本量太小，不足以支撑一个归因看板产品。

### Q19. 初始定价和包装怎么做？
**信号**: Product Hunt 当天 BotGauge（agent 信任层）与 Dedica（agent 可读性检查）均为免费上架、无公开定价；OneDeploy 明确以“no per-seat fees”作为对 OpenDeploy 类产品的核心卖点；GEOInflow 在 GitHub Trending 拿到 680 星，走的是自托管 + 开源获客路线。

**分析**: 这个品类今天的定价锚点全部是“免费 + 开源获客”，说明买家还不愿意为一个“检查器”付订阅费，愿意付的是“出事之后的止损”。因此包装上不要卖工具，卖“发布前的一道闸”：开源 CLI 永久免费（对齐 GEOInflow 680 星的自托管路径），Pro 版按仓库收 49 美元/月（含 PR 机器人、历史证据留存、Server Action 风险报告），团队版 199 美元/月（含私有部署与审计导出）。刻意避开 OneDeploy 的“无按席位费”话术，因为你的买家是团队负责人而非个人开发者。

**结论**: 做：CLI 免费开源、Pro 49 美元/仓库/月、团队 199 美元/月私有部署；不做按席位计费，不做纯 SaaS 的免费层无限量。

**反方观点**: BotGauge 与 Dedica 今天都以零定价上架，若它们长期免费，49 美元/仓库/月的 Pro 版将很难转化；DEV Community 那篇 Vite+ 1.0 文章只有 1 条评论，也说明开发者对“又一个工具链收费项”的耐心正在下降。

### Q20. 最大反方观点是什么？
**信号**: DEV Community《Vite+ 1.0 Is Out. You Don't Need ESLint or Prettier Anymore》评论仅 1 条，但 Vite+ 1.0 已把 Vite、Vitest、lint、format、Git hooks 与 CI 整合为单一工具链；同日 Hacker News《Amazon Is Gutting Its AI Division After Sustained Failure》得分 228、评论 132；DEV Community 那篇 AI 假修复文章评论 8 条。

**分析**: 最强的反方不是竞品，而是“平台吸收”：Vite+ 1.0 已经把测试与 Git hooks 收进统一工具链，Cursor、Claude Code 这类 agent 宿主也完全有能力在客户端内置“跑完测试才算 done”的硬约束——一旦官方默认开启，你的门禁就从产品退化为一个配置项。第二个反方是需求强度：8 条评论是当天中腰部水平，远不及 Ghostty 1.4 的 383 条或 Genie 4 的 561 条，说明这仍是一个开发者嘴上抱怨、手上不装工具的问题。第三个反方是预算环境：Amazon 裁撤 AI 部门（228 分）这类消息会直接压缩“给 agent 加治理层”的采购意愿。

**结论**: 观察 30 天：若 Cursor 或 Claude Code 官方在 30 天内内置测试门禁，立即转向“跨 agent 的证据留存与审计导出”，不做通用门禁；同时等待，不提前投入团队版开发。

**反方观点**: Vite+ 1.0 一个版本就把 lint、format、测试、Git hooks 全打包（DEV Community，评论 1 条），证明这类能力被上游一次性吸收的成本极低；再加上 Amazon 在 AI 部门上的持续失败与裁撤（Hacker News，228 分 / 132 评论），说明“给 AI 加治理层”这个叙事在预算端并不稳固。


## 行动方案

**2 小时可做**: 第 0—30 分钟：用 Node 写一个 `doneproof` CLI，读取仓库里的 `doneproof.yaml`（只有一行 verify 命令 + 超时），在干净工作树里执行，收集 exit code、stdout 尾部 40 行、耗时、git diff 的 SHA256 与被改文件列表。第 30—70 分钟：把这组字段序列化成规范化 JSON 并签名（Ed25519，私钥放 GitHub App secret），生成 `receipt.json` 与一个 `https://doneproof.dev/r/<id>` 短链。第 70—100 分钟：写 GitHub Action，在 `pull_request` 上跑同一 CLI，用 Check Run API 把结果写成 required status，通过才绿，收据链接贴进 PR 评论首行。第 100—120 分钟：写一个 60 行的验证端点，任何人拿到 receipt.json + 公钥即可离线校验签名与字段，页面上明晃晃写出“本收据不含任何代码内容，只含哈希”。刻意砍掉：不做 dashboard、不做账号体系、不接 Cl

**为什么这个会赢**: 它不跟模型比聪明，只回答一个是非题：这次改动之后，验证命令到底有没有在你的机器之外、以你配置的命令、成功退出过。因为收据是签名 JSON 且不含代码，它可以被贴进 PR、被客户方离线校验、被审计存档，天然具备“给甲方看”的属性——这类东西个人开发者不会付费，但外包团队、被 SOC2 追问的小公司、以及用 agent 交付客户项目的自由职业者会。而今天所有免费方案（插件、pre-commit、Actions 自带 required check）都只能证明“某处绿过”，不能证明“是谁、用什么命令、跑了多久、改了什么”。

**为什么不是其他方向**:
- BotGauge（今天在 Product Hunt 上，自称“agent 的信任层”）：卖的是运行时策略与合规仪表盘，产出的是策略命中率，而不是“这一次提交是否真的验证通过”的逐次证据；个人开发者不会为策略引擎付第一笔钱。
- Mudroom（今天在 Product Hunt 上）：在 VM 里跑 agent、按 PR 的方式审阅，解决的是隔离与审阅体验，最后要不要合仍然靠人肉看绿不绿，没有留下可校验的证据。
- 直接开 GitHub Actions 的 required status checks：能做到“不绿不能合”，但拦不住 agent 在本地喊 done 的那一刻，也不记录运行者、命令与耗时，跨仓库无法比对。
- proof-of-done 插件（免费、MIT）：只在单个 Claude Code 客户端内生效，换 CLI 或换 shell 就失效，团队层面完全无法审计——而它自己的演示里，模型正是靠 `| tail` 躲过了测试。
- 自建脚本 + git commit 里写 “tests passed”：零成本，也零可信度，客户方无法离线校验，跟没有一样。

**最快验证步骤**: 先在 3 个自己或朋友的仓库上真跑一周，然后把拦截记录写成一篇 dev.to 复盘（就是今天这两种体裁的交叉）：标题直接给数字——“一周内拦下 N 次假完成，其中 M 次是 `| tail` 掩盖的真实失败”，正文附上一条可点开的真实收据链接与公钥。48 小时内统计有多少人问“能给我仓库装吗”以及有多少人要求私有部署；这两类回复的比例决定了做托管还是做自托管。

**周末扩展**: 周五晚：把验证器拆成独立二进制，支持 Node / Python / Go / Rust 项目的自动探测，减少 `doneproof.yaml` 的手写。周六：加 trajectory 级成本记账——每次验证的耗时与 runner 分钟数写进收据，直接回应“9/11 的 Agent 最贵一步不是模型”这个结论。周日：做团队视图（按仓库、按周统计假完成率与验证耗时中位数）与 Slack 周报，同时把私有 runner 的一键安装脚本跑通，确保 macOS 分钟数不进账单。