⌘ K
… 读取采集状态 同步中...
雷
10月12日10月11日10月10日更早
2026 年 7 月 6 日 · 星期一每天 08:00 出刊

电商日报 · 2026 年 7 月 6 日 · 星期一

电商热点雷达

第 20 期062026 年 7 月星期一
15件大事10个来源约 10 分钟读完
01

今日必看

02

AI 电商机会

Import AI (Jack Clark)

导入AI 464：Fables编写GPU内核；人工智能自动化；和模拟计算

Welcome to Import AI, a newsletter about AI research. Import AI runs on arXiv, cappuccinos, and feedback from readers. If you’d like to support this, please subscribe. Subscribe now Fable writes a decent GPU kernel, hinting at broader AI R&D automation: …The start of an RSI loop… Fable has written “the first genuine (and fastest) megakernel ever submitted to KernelBench-Mega, according to one of the benchmarks maintainers as well as its official leaderboard. This is a sign of how AI systems are

原文
MarTech.org

如何构建 Hermes Agent 式工作流程

( This is the second in a three-part series about Hermes Agent and similar agent harnesses. Part 1 introduced the problem of token caps and the case for owned context. Part 3 will cover getting Hermes Desktop up and running — the setup, skills, and workflows. ) Chaining AI tasks together — pulling a Salesforce record, checking a data warehouse, drafting a report — is one of the most powerful capabilities to emerge from the current wave of AI tools. But every one of those calls costs tokens, and

原文
03

运营动作建议

人人都是产品经理

Agent 就是新一代 SaaS，这个判断可能会颠覆你对创业的认知

AI agent正在颠覆传统人力成本的游戏规则。从餐厅预订到维修调度，创业者们正在用数字员工替代重复性岗位，按劳动力而非软件收费。本文深度拆解Greg Isenberg的实战框架：如何筛选高价值工作流、设计最小可用agent、构建测试集，以及最关键的一步——先理解真实工作细节再开发产品。 你有没有想过，你花钱雇的很多员工，其实做的都是同一件事，接电话，打字，查系统，然后重复一遍。前台，客服，调度员，跟单专员，这些岗位加起来，可能是全世界最大的一块隐藏成本。而现在，有一群创业者正在做一件很直接的事，把这些重复工作接过去，用 AI agent 来做，然后按劳动力而不是软件的方式收费。 这是 Greg Isenberg 最近在他自己的播客 The Startup Ideas Podcast 里讲的一个判断，他说了一句很直白的话，building agents is the new SaaS，做 agent 就是新时代的 SaaS。他这期节目讲得特别系统，从怎么挑选一个值钱的workflow(工作流)，到怎么定价，到怎么找客户，整套打法他都讲了。我把他这套框架听完之后，想在这里先把他讲的东西梳

原文
雷锋网

Agentic 范式下的视频画质优化：火山引擎的新路径

用户刷视频时，对画质的判断往往发生在几秒之内。同样是短视频、直播、AIGC视频，有的画面清晰、稳定、有质感，人物的眉眼、物品的纹理、运动中的细节都足够自然；有的则模糊、压缩痕迹重，动作一快就闪烁、发虚，让人只想很快划走。 过去，平台解决这些问题的方式相对明确：在生产端做基础美化和编辑；在服务端用超分、去噪、锐化、去压缩等算法，把模糊、发虚的部分逐段修回来；在客户端则通过播放控制和端侧后处理增强，把视频清晰、流畅地呈现在观众眼前。 但现在，视频不再只是由摄像机拍出来，也可能由 AI 直接生成。这意味着画质问题也不再只是拍摄损伤、分辨率低、噪声多、压缩重，而是增加了纹理不真实、人物结构异常、动作不连贯、风格不稳定等更复杂的情况。 这让人们对画质优化的要求不再仅限于“让视频更清晰、流畅”，还要让不同来源、不同质量、不同场景中的视频，都能达到可消费、可分发、可商业化的标准，甚至能做到对原本画质的超越。 面对新的视频生产方式、更复杂的任务和更高的期待，视频画质优化本身也在从一条由人驱动的后处理流水线，变成一个能够理解、判断、执行和反馈的 Agent 系统。 画质优化在变成一种创作过程 过去，拍摄

原文
运营派

微信 agent，到底能不能帮腾讯赚钱？

微信小微AI助手的灰度测试揭开了腾讯在Agent赛道的战略布局。这款拒绝主动发送朋友圈、强制用户确认支付的测试版产品，背后隐藏着微信商业模式的深层博弈——当广告漏斗被Agent逻辑瓦解，支付通道能否成为新的收费站？本文从腾讯财报数据出发，拆解AI时代微信如何平衡中立性与变现困局。 引子：一个克制得有点反常的 AI 产品 6 月 20 日，一部分微信用户的消息列表左上角，悄悄多了一个绿色眼睛的小机器人。点进去，是一个叫小微的 AI 助手，顶上标着「测试版」三个字。 老实说，我们黑盒没有拿到灰测，但我们看了一大堆其他灰测媒体对小微的描述：总结群聊、读 PDF、点外卖、甚至一句话生成一个小程序。 几乎每一篇实测都提到了两个细节： 你让它写一条朋友圈文案，它写得挺像样；可你让它直接发出去，它拒绝了。 你让它点一杯咖啡，它能搜、能比、能下单；可到了付款那一步，它停下来，要你自己按确认。 媒体们把称之为“微信一贯的克制”，很有道理。但我觉得吧，克制的本质并不是出自产品哲学，大概率是微信自己还没完全想清楚、也很难明说：这个 agent，微信到底打算靠它赚什么钱？ 因此，本文不再复述小微能干什么（测评

原文
人人都是产品经理

GUI Agent：CLI化终局之前的桥梁，中心化的入口

所有软件终将CLI化，但终局之前有一片巨大空白——大量应用没有API，长尾功能只能通过界面访问。GUI Agent就是填这片空白的桥梁，也是巨头争夺的中心化入口。本文从成本结构、平台竞争、人机协同三个维度论证GUI Agent的战略逻辑，再拆解其单步能力飙升与多步可靠性瓶颈的数学本质、三大失败模式的共同根因、训练范式演进方向，以及成本悖论。结论：GUI Agent不是CLI化的替代品，是CLI化未完成时唯一能让人机协同操作所有软件的方式。 所有软件最终都会CLI化吗？ 大概是。但”最终”可能是十年，也可能是二十年。在这个终局到来之前，有一片巨大的空白——大量应用没有API，有API的覆盖率也不完整，长尾功能只能通过界面访问。GUI Agent就是在填这片空白。 理解了这一点，你才能看懂近期Anthropic、OpenAI、Google为什么疯狂押注录屏解析，Computer Use。它们不是在做”让AI学会点按钮”的学术研究——它们在争抢一个位置： 用户和所有软件之间的那层入口。 一、GUI Agent到底在解决什么问题 先说清楚一个前提：AI Agent要操作软件，有两条路。 第一条

原文
04

观察信号

人人都是产品经理

深入解析KV Cache，以及怎么让你的 Agent 更省钱？

大模型API的计费机制背后藏着精妙的缓存设计。本文深入解析KV Cache与Prompt Cache两大核心技术逻辑，揭示为何缓存命中价格能低至常规输入的十分之一。从Transformer架构原理到实际API调用策略，手把手教你优化prompt结构，让你的AI应用成本直降90%。 如果你经常调用大模型 API，应该会注意到一个很有意思的现象：很多平台都会把输入 token 分成普通输入、缓存创建、缓存命中等不同类型，并且缓存命中的价格往往明显低于普通输入价格。 有些平台的缓存命中价格，甚至可以低到普通输入价格的十分之一左右。比如 Anthropic 的 Claude Prompt Caching 文档中，cache read tokens 按基础输入 token 价格的 0.1 倍计费；OpenAI 的 Prompt Caching 文档也提到，缓存可以显著降低延迟和输入 token 成本。 这就带来一个问题： 为什么同样是 token，有的按正常价格收费，有的命中缓存后价格却能低这么多？ 更进一步，如果我们自己在做 Agent、编程助手、RAG 应用、自动化工作流，能不能主动利用这个

原文
（本期完）

电商热点雷达 日报由编辑系统根据公开来源自动编辑，每条均附原文 · 日报合订本