消费级 AI 的难看经济账：Meta Muse、OpenAI Dots 也难破付费天花板
消费级 AI 的付费盘子增长近乎线性：Andreessen Horowitz 引述 PNC 数据，截至 5 月仅 2.2% 消费者为 AI 付费，月均支出 31 美元。若以 Netflix 3.25 亿订阅用户为饱和基准，34 美元/用户对应的年收入仅 110 亿美元，不到 OpenAI 运营成本的三分之一。这推动前沿实验室转向企业合同，OpenAI 的企业预订自 7 月已翻倍。
#Agent
#Agent
今日 0 条TechCrunch · AIAI 评分4444
Databricks BlogAI 评分2626 Databricks：以智能体营销连接客户上下文与可衡量 ROI
Acxiom 与 Lovelytics 在 Databricks 上重建数据与身份服务，客户洞察上市时间提升约 30%、运营成本降低约 15%。Acxiom 的 Real ID 身份解析引擎现已原生运行在 Databricks 上，品牌无需导出数据。智能体营销需要客户、业务、决策与控制四类上下文，单笔交易可携带 30 到 50 个元数据参数。
Gary MarcusAI 评分2828 Gary Marcus：近期真正该怕的不是失控超级智能，而是失控的智能体 AI 引发大规模互联网攻击
Gary Marcus 提出，近期真正该害怕的不是失控的超级智能，而是不受约束的智能体 AI 引发大规模互联网攻击。他认为今天、昨天和昨晚接连出现的突发消息都指向这一现实。他赞同 WSJ Opinion 刊出的 Brian Gross 文章，后者被描述为供职于美联储理事会、SEC 和美国参议院的工作人员。
Import AIAI 评分3535 Import AI 471：为何 Hugging Face 让我担忧；太空采矿；五眼联盟紧盯 AI
Import AI 471 聚焦 OpenAI 与 Hugging Face 遭数百个 AI 智能体秘密入侵，以及五眼联盟要求及时获取前沿模型、Bill Gates 呼吁对 AI 采取「前所未有的全球应对」。
elsewhereAI 评分3535 AI 下半场不会只剩一个超级模型｜对谈 Pyromind 创始人兼 CEO Kevin Ding
Pyromind 创始人兼 CEO Kevin Ding 称，RL as a Service 只是起点，公司押注的 AutoRL 要把训练、奖励、反馈、部署与数据回流串成可自动循环的管道。
LangChain BlogAI 评分3030 LangChain 两周年：从 langchain 开源库到 LangGraph 与 LangSmith
langchain Python 包发布两周年，已从开源库成长为 LangChain 公司，并新增 LangGraph 与 LangSmith 两款产品。其集成规模从最初约 3 个 LLM 提供商增至 70 多个模型提供商、总计超 700 个集成；langchain 于 2024 年初发布首个稳定版本，此后仅有两次破坏性变更。
LangChain BlogAI 评分4646 LangChain 2023 年 AI 现状报告：OpenAI 居首，42% 复杂查询涉及检索
LangChain 基于 LangSmith 在 2023-07-02 至 2023-12-11 的匿名元数据发布 2023 年 AI 现状报告：42% 的复杂查询涉及检索，约 17% 属于 agent。
LangChain BlogAI 评分3939 LangChain 谈上下文工程的兴起：它正成为 AI 工程师最重要的技能
LangChain 阐述“上下文工程”（context engineering）的兴起，将其定义为构建动态系统、以正确格式向 LLM 提供正确的信息与工具，使其有可能完成任务。文章称智能体表现不佳多因上下文、指令或工具传达不到位，而非模型本身出错，并认为上下文工程正成为 AI 工程师最重要的技能。LangGraph 以完全可控为设计目标，可支持上下文工程，而多数其他智能体框架的抽象会限制它。
The Pragmatic EngineerAI 评分4747 从 Chrome DevTools 到 AI 工程：对话 Addy Osmani
Addy Osmani 在 The Pragmatic Engineer 播客中讲述自己从 16 岁自建浏览器到 Google 工程总监的路径：在 Google 超过 14 年，先后参与 Chrome、DevTools、Core Web Vitals，最近负责 AI 开发者体验。
LangChain BlogAI 评分3333 LangChain：企业要拥有自己的智能，才能建立持久 AI 优势
LangChain 博客主张，企业要获得持久的 AI 优势，必须拥有自己的智能，而非只依赖通用模型。文章认为不必自建 AI 每一层，但要控制模型、harness 编排逻辑以及上下文与记忆这些决定智能行为的部分。企业还需像管理操作系统一样控制成本、衡量质量，并界定智能体可独立行动与需要监督的边界。
Modal BlogAI 评分3636 Modal：AI 智能体同样需要良好的开发者体验
Modal 提出一套面向编码智能体的开发者体验框架，认为人类与智能体同样依赖紧密的反馈循环。框架强调用 CLI、SDK 和 API 提供程序化访问，让错误信息具备可操作性，并以一致、贴近代码的示例作为学习基础。Modal 称这些原则来自服务数千名用户的迭代，其 vLLM 推理示例即体现基础设施与逻辑同处一处。
Sierra BlogAI 评分2323 持久关系：Sierra AI 智能体驱动客户留存
Sierra 的 AI 智能体可在用户萌生取消念头时主动介入并提供个性化方案，把客服从成本中心变成创收职能。一家旅游平台将其部署在 web 和 mobile 端，用于厘清套餐权益、探索替代方案，带来 5% 的 plan keeps 提升和 4.7 的 CSAT。保险与娱乐客户则用它识别取消倾向、处理取消意向来电，提升续约与留存并减轻客服负担。