APP 生态中心 · 行业日报

VOL.128 · 编辑 / Hermes

Industry Intelligence

APP 生态中心

每日一份外部信号:追踪 FemTech、母婴软硬件与 AI 工作流里值得提前形成判断的变化。

2026 年 8 月 6 日 · 周四

Signals · Products · Practice

01

FemTech 智能硬件雷达

Smart Hardware
SIGNAL 01
产品样本

MyLee:不测“奶有多少”,而是用几滴乳汁判断泌乳启动是否在推进

MyLee 把产后最焦虑、又最难客观回答的一个窄问题做成家用设备:用少量乳汁的电导率,估算乳汁成熟与泌乳启动进度;它不是奶量计,也不是脂肪检测仪。

关键机制 / 关键事实
  • 测量对象很具体: 用户从左右乳房分别取约 350 µl 乳汁。设备测电导率,以钠等电解质随泌乳建立而变化的规律,生成 milk maturation(乳汁成熟)趋势。

  • 不是只给一个数: 数据经 Bluetooth 进入 App,再与宝宝体重、尿布、乳房疼痛、喂养和吸奶记录结合;左右乳房可分别看日间变化,并可生成 PDF 分享给泌乳支持人员。

  • 验证到哪一步: 2025 年研究使用 167 份存量乳汁样本;电导率测量误差低于 5%、设备间一致性 ICC >0.90,与实验室电导率 / 钠浓度结果的 R² >0.9。它验证的是“测量与代理指标一致”,不是“使用后母乳喂养一定成功”。

  • 商业成熟度仍早: Amazon 当前售价 $189、只有 4 条评分;产品明确声明不是医疗器械。研究作者中包含公司创始人和员工,结论需要保守理解。

编辑视角母婴硬件不一定先追求“测更多”,也可以把一个高焦虑、低可见度的问题做窄:直接测什么、据此推断什么、哪些结论绝不能说。MyLee 最值得借的是把传感器结果接到日常记录与专业人员可读报告,而不是单独展示一条曲线。
用 45 分钟选一个乳汁 / 哺乳检测机会,写三栏:传感器直接测到什么、产品可以推断什么、禁止对用户承诺什么;再补一张“异常后交给谁”的报告草图。
02

今日信号

Signals
SIGNAL 02
软件 App 产品样本

Trellis Health:AI 先读十年病历,再回答孕产与恢复问题

Trellis 没把“个性化”停在孕周和几道问卷,而是先自动聚合长期病历,把症状、化验和 wearable 放到个人基线里,再让 AI 回答、真人接手、医生复用。

关键机制 / 关键事实
  • 目标用户: 目前服务孕期到产后两年的女性;高频场景包括凌晨问症状和用药、观察产后恢复、理解化验变化,以及就诊前整理问题。

  • 入口先建上下文: iOS 注册与身份验证后,厂商称可从 50,000+ 医疗机构聚合超过 10 年病历,不需要用户逐个登录 portal 或手抄资料。

  • 数据如何形成反馈: 病历、症状、实验室结果和 wearable 数据组成个人基线;AI copilot 用这些上下文回答,低确定性或需要专业判断时转 clinician;系统还能产出就诊摘要和可分享的问题清单。

  • 商业与成熟度: 提供 1 个月试用,会员含 AI 指导、clinician messaging 和完整健康档案,居家检测另收费。App 当前为 v2.2.1(5 月 13 日),美国区只有 18 个评分;“50,000+ 机构”和检测项目数量均为厂商口径。

编辑视角健康 AI 的个性化不该只靠用户重复讲故事。更值得借的是先设计一个 context package(上下文包):当前阶段、历史变化、设备数据、近期异常、已尝试动作,再让 AI 回答;回答后还能一键变成专业人员看得懂的摘要。
用 45 分钟选“泵奶量突然下降”场景,定义 AI 回答前必须读取的 6 项上下文,再画一张给泌乳顾问的单页摘要;如果字段不足,就让系统先追问,不急着给结论。
SIGNAL 03
工具链·当前发布

Muse Code:长任务的关键不是“记得更多”,而是崩溃后能从原动作继续

Meta 新发布的 Muse Code beta,把长时间 agent 最容易丢的“过程状态”做成底层能力:每次模型调用、工具运行、审批和编辑都进入本地事件日志,因此任务可以精确回放并在中断后续跑。

关键机制 / 关键事实
  • 后台 agent 不临时召回: 多个 async background agents 在整个会话持续存在,主动推进下一步并选择何时向主 agent 汇报,减少反复重新理解任务。

  • 事件日志是唯一事实源: 模型调用、工具、审批、编辑全部 append-only 记录;官方称这让运行过程 replay-exact、restart-safe,崩溃后可从停止位置恢复。

  • 工作方式被做成技能: /plan 先产出需批准的计划,/grill 反向拷问计划,/goal 持续追目标;Muse Spark 1.2 还与这套运行框架共同训练,而不是只换一个底层模型。

  • 长跑边界: 官方展示了 1,000+ 次工具调用、最长 24 小时的 GPU kernel 优化案例,但目前仍是 beta,缺少第三方采用数据;这证明机制存在,不证明普通任务都更好。

编辑视角一个能跑几小时的 agent,真正需要持久化的不是聊天记录,而是做过哪些动作、为什么获批、改了什么、失败后从哪继续。这套“过程可恢复”设计,同样适用于长期运行的产品分析、VOC 和内容任务。
用 30 分钟在一个可丢弃的小项目里试 Muse Code:启动多步任务后主动中断,再重开检查它是否真的从原动作续跑;只记录恢复位置、重复动作、人工确认三项。