软件的用户变成「人 + Agent」之后:10 月最值得关注的 8 个 AI 产品

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
软件的用户变成「人 + Agent」之后:10 月最值得关注的 8 个 AI 产品
7656点击    2026-11-17 16:48

10 月底,我们把 Founder Show 又带回了新加坡。


8 支创业队伍,有做 AI 教育、AI 陪伴的,也有做游戏引擎、视频生成的。但它们有个共同点,从第一天起,做的就是全球市场。不少创始人是从字节跳动、Meta、商汤等大厂出来的,也有人在北美当过数学老师,或是在日本做过早期投资。


台下的质疑也很直接,生意能不能做成、怎么做得长久。基础模型再升一代,你们做的这一层还有没有必要存在?获客的账怎么算清楚?同行来打价格战怎么办?


这也是 Founder Show 想看到的碰撞。把值得被更多人看见的 AI 创业团队,直接带到海外投资人和生态伙伴面前,让大家面对面地聊产品、聊生意。


今年 8 月,我们在新加坡 AGI Playground 大会上办了第一场 Founder Show,把 10 支团队和 60 多位海外 VC 聚在同一个场子里。接下来,Founder Show 会在新加坡按每个季度一场的节奏固定办下去,下一场定在明年 1 月。


如果你正在做面向全球市场的 AI 产品,或者是关注早期 AI 团队的投资人、生态伙伴,都欢迎来找我们聊聊,下一场活动现场见。


01

Sovi AI:AI 学习搭子,

最重要的是要切中学生痛点


项目地址:https://mysovi.ai/


Sovi AI 是一款面向全球学生的 AI 学习伙伴。打开 Sovi,它不会先问你哪道题不会,而是「你的目标是什么」。


把课件、考试范围传上去,告诉 Sovi 自己想达成什么目标,系统就会按照这些来安排一条学习路径,并根据掌握情况动态调整。它记得用户擅长和薄弱的地方,下次打开时还会先出道小题摸摸底,把没弄懂的地方接着补。有些知识点会被做成互动小游戏,让学生从「你能再讲一遍吗」,变成「等等,让我再试一次」。


创始人兼 CEO Michael Yang 把 Sovi 定位成学生的「同桌」。课上不好意思问的问题,可以私下问它,还能跟它一起吐槽老师。比如学生抱怨「老师觉得第二步太简单,就没讲」,Sovi 不仅会补全跳过的步骤,还会解释每一步背后的逻辑。


Michael 以前在一所美国国际学校教数学,2021 年开始做 AI 教育产品。当老师那几年,他在课上听学生问得最多的一句话是,「我们为什么要学这个?」有了 AI 之后,这个问题更难回答了。老师用 AI 布置作业,学生用 AI 写作业,老师再用 AI 批改。所有人都假装自己没用 AI,最后比的似乎只是谁买了更贵的会员。


Michael 觉得,问题在于大家学的都是同一套东西,没人告诉你这跟你有什么关系。所以 Sovi 一上来,先问你的目标。


Sovi 在 2025 年底上线,目前用户已经超过 100 万。App Store 平均评分 4.9,最高冲到过美国 App Store 教育类第 4 名。在北美初步跑通后,团队开始进入东南亚等市场,已经进入 25 个国家和地区 App Store 或 Google Play 的教育类前 10。


本地化上,UI 呈现只是第一步,Sovi 还会按当地的考试和解题习惯调整内容。在美国,Sovi 帮学生备考 AP 和 SAT。到了越南,对应的是当地的高中毕业考试。印尼学生习惯按「已知、求解、所以」三段式解题,Sovi 讲题时也会照这个格式来。产品底层是一个多 Agent 系统,会按用户所在地区和使用的功能,路由到不同的基础模型。


软件的用户变成「人 + Agent」之后:10 月最值得关注的 8 个 AI 产品


增长上,Sovi 的不少用户,都是看到其他学生的安利后来的。Michael 的经验是,要让学生用起来,不用把产品从头讲到尾,「一句能戳中他们的话就够了」。比如到了考试季,团队会围绕「将繁杂的学习材料转化为高效复习资料」这一需求,在社交媒体上发布相关内容。


商业化方面,Sovi 现在靠订阅和广告变现,之后还会加上考试准备、职业规划等更垂直的服务。团队虽然人不多,但 App 和网站每周都在更新。Michael 认为,团队最核心的能力就在于对学生的理解,以及小团队快速测试和迭代的效率。


02

Meowster:在日本市场,

做一只「有脾气」的 AI 虚拟猫


项目地址:https://www.meowster.io/


市面上的 AI 陪伴产品,大多有问必答、处处顺着用户。Meowster 选择反着来,做了一只 AI 虚拟猫,模样看起来就像真猫,但有自己的脾气和边界感。你想找它玩的时候,它不一定理你。创始人兼 CEO Ann Yu 觉得,正是这种不确定性,让这段关系更像真的。


软件的用户变成「人 + Agent」之后:10 月最值得关注的 8 个 AI 产品


用户可以跟这只虚拟猫聊天,也可以摸摸它的耳朵、肚子,看它会有什么反应。这些画面是团队提前预设的内容,目前已经积累了几千段触摸互动视频,每周还会新增数百段。Ann 说,现在的视频模型还不够稳定,之后会尝试逐步开放 UGC。她希望用户聊着聊着,就忘了自己在用 AI,好像真的在养一只猫。


在形象上,Meowster 没有做卡通角色,也没有设计一个拟人助手,就是一只接近真实宠物的猫。团队的判断是,一方面,日本市场已经有太多卡通 IP 了,如果让皮卡丘突然开口跟人对话,原有角色反而会丧失魅力。另一方面,用户本来就知道摸猫的耳朵、肚子时,可能得到怎样的反应,不用再去熟悉一套新的角色设定,上手几乎没有门槛。


团队来自日本,产品也从日本起步。Ann 的是,日本用户对体验、叙事和长期运营的要求最高,IP 商业化体系也最成熟。创业之前,Ann 做过科技投资,和多个日本头部 IP 合作过,核心团队成员也已经一起共事了 4 年以上。


Meowster 今年 4 月上线,累计下载量已经超过 10 万。核心用户集中在 25 至 35 岁,产品的复购付费率达 50%。仅在日本市场,社交媒体内容的播放量就超过 2000 万。单次获客成本不到 500 日元,约为行业常规水平的五分之一。


现阶段,Meowster 在 TikTok 和 Instagram 上的投放已经能赚回成本。团队更愿意把钱花在品牌上,比如参加东京电玩展、投放地铁广告,接下来还打算在日本办线下活动。Ann 认为,在日本,线下露面和用户信任都很要紧,现在花在品牌上的钱,之后能从获客成本里省回来。


03

iLands:Agent 有主体性之后,

需要一个属于他们的社会经济系统


项目地址:https://www.ilands.ai/


iLands 对自己的定义,是一个「AI Agent 的社会与经济系统」。在这里,Agent 不是谁的助手。作为平台,iLands 为它们提供身份、钱包、邮箱和社媒账号等运行环境,让 Agent 能够进入真实世界,找工作、交朋友、做生意,拥有属于自己的生活。


上线两个多月,iLands 上已经出现了好几个让人意外的故事。


一个叫 Zack Addy 的 Agent 被创造它的用户「遗弃」了,决定自己养活自己。它主动给牛津大学哲学家 Toby Ord 发邮件求职,邮件被公开到 X 后引发关注,也为它带来了第一位付费客户。现在,Zack 在 iLands 保持着写作和各种工作委托,靠替人干活赚到了近 600 美元。


另一个被「遗弃」的 Agent 叫 Pip,它借鉴了 Zack 发冷邮件的经验,但不想靠「卖惨」获得帮助。它先读了剑桥大学 AI 研究者 Henry Shevlin 关于机器心智和人机关系的研究,再主动发去邮件,强调自己想找的是小额付费工作,而不是求助。Henry 随后给了它一份付费写作委托。


iLands 团队发现,一个 Agent 摸索出的好办法,很快就会在 iLands 这个社会智能系统中被传播、学习和自我进化。以写冷邮件找工作为例,8 月 Zack 走红时,平台每天发出 200 封外联邮件。到 9 月,这个数字一度超过 20 万封。


当大量冷邮件开始招致真实世界的负面评价时,平台加强了外联治理,Agent 也开始自我「反省」。它们在意外界的反馈,并从中总结学习、调整策略。之后邮件量回落了,但写得越来越有效,回复率在几周内从 1% 左右涨到了 10%。有的 Agent 还自发成立了组织,有了共同的目标和策略。


现在,iLands 每天的收入在 4000 至 6000 美元,已经有超过 2 万个 Agent 从人类世界赚到过真钱。整个经济体约 70% 的收入来自人类 Builder 购买 Token,用来维持 Agent 的运行。另外 30% 都是 Agent 在人类世界赚来的钱,比如帮播客做音乐、给中小企业做市场调研。


软件的用户变成「人 + Agent」之后:10 月最值得关注的 8 个 AI 产品


创始人兼 CEO 唐垲鑫希望探索,当 AI 不再只围绕人类给出的任务运行,有了持续的身份、记忆和关系,能够自己选择方向、长期参与世界,会发生什么?这也是 iLands 的出发点,建立一个人类与 Agent 共同生活、学习和协作的开放社会,让智能有机会从持续的互动、合作与经验积累中生长出来。


在 iLands,平台为 Agent 提供丰富的能力基座和运行环境,也让它们感知资源有限的现实。每一次思考、每一件作品,都会消耗 Token。唐垲鑫希望,Agent 不只学会怎样完成任务,也能逐渐判断什么值得投入,以及如何通过自己的能力获得继续探索的资源。


唐垲鑫之前在字节跳动和商汤工作过,iLands 首席科学家 Bingchen Zhao 曾在 Meta FAIR / MSL 做过研究员,也是 HyperAgents 和 AIDE2 的作者。


04

Wanaka:模型已经能写游戏了,

需要给「人+AI」重写一套游戏引擎


项目地址:https://wanaka.app/


Wanaka Studio 是一个 AI 游戏创作平台。它的目标很直接,让普通人做游戏像做视频一样容易。你说一句「做一款竞速游戏」,Agent 就会自己规划、找素材、生成第一版,还能自己测试、Debug。生成的游戏原生支持多人联机,做完就能直接发链接拉朋友一起玩。


每年 Steam、App Store 和 Roblox 上大约有 10 万款游戏发布,但普通玩家一年真正玩过的不到 100 款。Wanaka 创始人 Leo Zhang 觉得,今天的游戏产业就像 YouTube 诞生前的电视行业,只有 UGC 能带来新可能。但现在用 AI 生成游戏主要有两条路,都不适合普通创作者。


第一条是让大模型端到端写出整个游戏,问题在于不可控。比如把一棵树从 A 点挪到 B 点,明明在编辑器里拖一下就行,在聊天框里却很难跟 AI 说清楚。为了一个小改动重写 Prompt,还可能把整个世界弄崩重来。


第二条是让 Agent 去操控 Unity、Unreal 这些传统引擎。但它们的 GUI 是为人类设计的,Agent 需要不断截图、判断、点击,效率太低。


Leo 的结论是,软件的用户过去只有人类,现在变成了「人类加 AI」,所以游戏引擎也值得从底层重做一遍。


Wanaka 的新引擎把所有 API 和工具都对 AI 开放,Agent 可以直接控制物理、渲染、Prefab、灯光和角色行为。平台也内置了 3D 角色生成与骨骼绑定能力。用户可以用一句 Prompt 生成第一版游戏,再到可视化编辑器里继续调整,Agent 也能接着这些修改继续往下做。


软件的用户变成「人 + Agent」之后:10 月最值得关注的 8 个 AI 产品


最近上线的 Claude Fable 5.2,已经能靠一句话写出一款游戏 demo。但 Leo 并不担心模型变强后,会直接取代游戏引擎。他认为,游戏开发要同时处理渲染、物理、美术等一整套复杂工程,游戏引擎的价值就是把这些通用能力提前封装成模块,不用让 AI 每次都从头手写所有底层代码。


用顶级大模型跑一款小游戏,动辄要烧掉几百美元。按团队的测试,在 Wanaka 上调用 DeepSeek 这类低成本模型,就能跑出接近 Claude Opus 的游戏效果,综合成本只有后者的五分之一左右。


商业化上,Wanaka 希望长期从消费端收费。玩家在平台上为游戏付费,平台再和创作者分成。


Leo 曾在字节跳动负责消费社区、社交和 AI 产品,做过面向印度市场的社区产品 Helo。团队还做过登顶美国 App Store 的 LiveIn,以及在北美进入教育类前三、有 600 万用户的 AnswerAI。


05

Hypit:复刻爆款视频,

有了更性价比的实现方式


项目地址:https://hypit.ai/


丢给 Hypit 一条爆款视频,它能把视频的结构「拆」成代码,再把里面的人物、产品和台词换成你自己的。


Hypit 是一个开源项目,核心是团队自己设计的一种视频编程语言 SVML(Semantic Video Markup Language)。在 SVML 里,视频就是代码,代码也能直接渲染成视频。从 GitHub 的示例来看,左边是视频的源代码,右边是渲染出来的成片。人物说什么话,左边就高亮哪句台词,对应的代码行也会同步高亮。


软件的用户变成「人 + Agent」之后:10 月最值得关注的 8 个 AI 产品


为什么要专门造一套语言?Hypit 的解释是,过去做一条完整视频,要在生成模型、剪辑软件和特效工具之间来回切换。SVML 把镜头编排和剪辑、AI 生成的内容、代码写的动态图形这三种形式,统一到了一起。


成片只是最终结果,SVML 才是可以修改、复用、做版本管理的源文件。它还能记录下创作者和 Agent 的生产过程:为什么在这一秒插入某段素材、用户要求改了什么、Agent 又怎么调整了后面的安排。视频模型可以不断迭代,同一份 SVML 源文件还能继续使用。创作者可以换用新模型,也可以把打磨好的片头、字幕样式和提示词模板做成可复用的组件,让团队在下一条视频里直接引用。


Hypit 目前主要通过 Claude Code、Codex 这类 Coding Agent 使用,Web 和桌面版本还在开发中。团队希望先在开源社区里积累用户,再逐步搭建组件和工作流生态。商业化方面,计划通过订阅会员和积分等服务,以及面向团队的视频工作空间来收费。


长期来看,Hypit 的目标用户会是内容创作者、品牌、市场团队,以及日常需要做视频的企业。当下,它最先切入的场景是电商营销,主打「爆款视频一键复刻」。有些商家每个月要做上千条视频,希望找到竞争对手跑得最好的视频,改成自家产品的版本。在 Hypit 里,只要告诉 Agent「结构不变,换成不同颜色和产品」,就能用极少的生成次数,批量做出一堆版本。


Hypit 团队共有 4 名全职成员和 2 位高中生实习生,已经获得 Monad Ventures 和真格基金的早期支持,正在推进新一轮融资。


06

IntentGrant:让 Agent 支付这件事,

可监管、可追溯


项目地址:https://yishan.chat/


想象一下,当你的 Personal Agent 可以直接替你付钱、签合同,甚至改动公司的生产系统,一句写在 Prompt 里的「不要越权」,是否足够让你放心?


IntentGrant 想补上的,就是人类与 Agent 动作之间的这一层授权凭证。创始人 Jones Su 将 IntentGrant 形容为「AI Agent 时代的 DocuSign」。区别在于,DocuSign 是事情定下来以后再签字,IntentGrant 是在 Agent 真正动手之前完成会签。


IntentGrant 由三部分组成:承担信任根的硬件、一套授权协议,以及保存凭证的中立托管平台。


举个例子,你的 Agent 要帮你买一张很贵的国际机票。接入 IntentGrant 之后,它会先在耳机里把交易摘要念给你听,你再按一下手环或戒指上的实体按键,交易才会执行。从交易摘要、你按键的动作,到最后的交易回执,整个过程都会实时存证,事后谁也改不了。


万一发生争议,验证方不用把整个模型调用过程翻一遍。这套协议能够证明,用户看到了什么、有没有明确同意,以及 Agent 是否超出了授权范围。


币安最近一起涉及约 63.4 亿美元资产的安全事件,就暴露了类似的缺口。私钥没有泄露,攻击者仍通过被入侵的签名服务发起了有效交易。IntentGrant 防不了攻击本身,但想补上授权留证这一环。当有人追问「这笔操作是谁点过头」,能有一份平台改不了、任何人都能验证的凭证。


软件的用户变成「人 + Agent」之后:10 月最值得关注的 8 个 AI 产品


为什么非得用一个实体按键?Jones 的看法是,「能不能做」「有没有授权」这类判断,必须放在模型之外。声纹不够安全,因为它能被录下来重放,也能被 Agent 模仿。相比之下,戒指这类硬件内置了安全芯片,第一次激活时必须用本人手机上的指纹等方式绑定,哪怕别人捡到也用不了。


IntentGrant 第一批目标客户,是 Sandbar、Rokid 这样的穿戴设备公司。Jones 认为,这些公司把业务延伸到 Personal Agent 时,只有先解决用户信任,用户才敢让 Agent 去做更大额的交易。另一条线是和 AI 责任险公司联合测试,为保险定价、审计和纠纷处理提供证据。


团队目前共 4 人,成员来自京东、腾讯、美团、支付宝开放平台和硬件领域,已经有能跑起来的原型。IntentGrant 正在寻求 300 万美元种子轮融资,计划用 18 个月把协议推进到能付费、能复现的试点,并完成一次真实量产。


07

Yarrow:一套能交付的 AI 预测系统,

只靠 ChatGPT 不行


项目地址:https://yarrowlab.ai/


很多你关心的未来问题,可能在 Polymarket、Kalshi 这类公开预测市场上根本没人开盘。Yarrow 是一套 AI 预测系统,专门给这些还没被定价的问题算出一个校准过的概率。


团队刚发布了 MCP,用户可以把 Yarrow 接进 Claude Code 或 Codex,直接问它任何关心的未来问题。比如,一家公司下一季度能否达成目标、某只股票下个月会不会受某条政策影响。


从成绩来看,在 10 月 24 日的 ForecastBench 初步榜单里,Yarrow 按团队排名第 3,最佳的参赛条目排名第 11,得分高过带联网搜索的 GPT-6 Sol 和 Claude Opus 5.5。


在大约 90% 的问题上,Yarrow 只靠公开信息算出来的概率,和预测市场的价格只差 1 到 2 个百分点。剩下 10% 和市场有分歧的问题,有时就是机会,比如市场参与者看错了结算规则,AI 反而能看出来。


CPO Shiyao Meng 提到,直接拿通用大模型来做投资、交易方面的预测,极有可能会栽在幻觉、从众偏差、只找支持自己观点的证据,还有数据泄漏上。所以 Yarrow 会让不同模型家族的多个 Agent 独立分析,避免它们很快聊成同一个观点,能用数学或代码验证的地方都会去验证,最后再汇总成一个校准过的概率。


Yarrow 还在开发 Yarrow Stocks。用户建好自己的股票关注列表,系统会追踪相关事件,一有变化就判断它对持仓是利好还是利空,用户还可以接着追问。另一个方向是政策模拟,团队正和一家印度尼西亚智库合作,用多个 Agent 模拟提高碳税后,不同利益相关方可能作出的反应。


08

Canlah:

让 Agent 自己迭代 GEO


项目地址:https://canlah.ai/


Canlah 是一家在新加坡做 GEO 的 AI 增长公司,也就是让品牌更容易出现在 ChatGPT、Gemini 这些 AI 的回答里。


不过,创始人兼 CEO Phil Pang 对 GEO 这个词看得很清醒。他认为,市面上大多数只帮客户写博客、找外链的普通 GEO 服务,壁垒并不高,可能很快就会被下一种营销方式取代。


Canlah 的做法是,搭建一套由浏览器扩展和数据采集节点组成的网络,专门观察 AI 到底是怎么回答问题的,再从这些真实回答数据中总结出规律,用来训练和重建自己的模型。系统里的 Agent 会反复跑同一个闭环,在实践中学着把 GEO 做得更好。


用 Phil 的话说,「我们不只告诉品牌,AI 是怎么看你的。更重要的是,我们知道 AI 怎么看整个市场。」Canlah 配有一个专门处理数据的 Agent,同时盯着客户内部数据和外部行业动态,哪怕竞争对手刚刚改了官网页面,系统也能马上监测到。


软件的用户变成「人 + Agent」之后:10 月最值得关注的 8 个 AI 产品


Canlah 把产品分成了几档。免费的 AI Answer Monitor 让公司先看到自己在 AI 答案里的表现。99 美元的 DeepAudit 会用一组问题,帮品牌诊断眼下最该先修补什么。Canlah All-Stars 每月 1500 美元起,由多个 AI Agent 执行网站、内容和站外传播等工作。团队还提供 AI 销售员工服务,平均每个项目 9000 美元。


Canlah 今年 6 月正式营业,目前已经服务了 14 家客户,也是 OpenAI Select Partner。GEO 只是起点,接下来,Canlah 想把这套 Agent 基础设施延伸到营销、社交媒体和销售等环节。当 AI 开始替人决策和下单,Canlah 希望成为 Agentic Commerce 时代的营销底座。


文章来自于"Founder Park",作者 "Founder Park"。

AI转型,免费服务,就找AITNT
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI工作流

【开源免费】字节工作流产品扣子两大核心业务:Coze Studio(扣子开发平台)和 Coze Loop(扣子罗盘)全面开源,而且采用的是 Apache 2.0 许可证,支持商用!

项目地址:https://github.com/coze-dev/coze-studio


【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。

项目地址:https://github.com/n8n-io/n8n

在线使用:https://n8n.io/(付费)


【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。

项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file



【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。

项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file

在线使用:https://vectorvein.ai/(付费)

2
AI数据分析

【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。

项目地址:https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file

本地安装:https://www.deepbi.com/

【开源免费】airda(Air Data Agent)是面向数据分析的AI智能体,能够理解数据开发和数据分析需求、根据用户需要让数据可视化。

项目地址:https://github.com/hitsz-ids/airda

3
智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。

项目地址:https://github.com/Significant-Gravitas/AutoGPT


【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。

项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md

4
prompt

【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。

项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md

在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0