SIGNAL 01
FemTech 软件服务 · 产品样本Cleo：先给每个家庭配一位长期 Guide，再调用 60+ 类专家
Cleo 的主入口不是内容库或专家列表，而是一位持续了解家庭情况的 Guide；先由这个人识别问题、主动跟进，再把家庭送到合适的专家和服务路径。
关键机制 / 关键事实
- 每位会员先匹配一位 Cleo Guide。Guide 负责日常答疑、定期 check-in、复杂照护协调和资源寻找，需要时再调用覆盖 60+ 专业方向的网络。
- 产品用 Family Health Index、PHQ-4 等筛查和 LifePaths 识别风险，把孕产、哺乳、睡眠、心理、返岗、神经多样性、慢病与老年照护组织成阶段化路径，而不是让用户自己翻目录。
- 服务由雇主买单，家庭免费使用；官方当前覆盖 20+ 种直接服务语言和 250+ 种实时翻译语言，说明“同一个 Guide 持续理解家庭”比“每次随机找一个专家”更适合跨阶段、跨文化场景。
🔗 同类做法对照： Maven 同样从雇主或保险入口提供一支专属 Care Team，并能 24/7 连接 700+ 位、30+ 专业方向的女性与家庭健康专家。共同点是先做导航，再给专业服务；差异是 Maven 更像可随时视频问诊、开处方和处理支付的虚拟诊所，Cleo 则把一位长期 Guide 放在最前面，用持续关系、主动筛查和家庭照护协调减少用户重复讲背景。
编辑视角母婴服务不一定需要把所有专业能力塞进一个 AI 入口。更稳的结构是让一个持续角色记住阶段、历史和未解决事项，再决定何时给内容、何时接真人、何时升级到临床服务。
SIGNAL 02
AI 工具链 · 早期研究Armature：16,893 次真实实现显示，三种 Coding Agent 只有 42% 会选同一工具
Coding Agent 正在替用户决定数据库、支付、邮件和部署服务，但它们的选择并不稳定：同一个需求换一个 Agent、代码语言或网页表达，最终安装的产品就可能不同。
关键机制 / 关键事实
- 研究跑了 16,893 次任务，覆盖 1,163 种提示变体、75 个仓库、3 个 Agent；首批公开结果保留 5,292 次有效会话、51 个代码库、18 个工具类别，而且以实际代码改动确认“最后装了谁”，不是只问模型偏好。
- Codex 在 94% 的会话里搜索网页，并常用
site: 锁定可信域名；Cursor 约 2/3 会联网；Claude Code 约 30% 会联网，但一旦搜索，浏览页数约为 Codex 的 3 倍。
- 三个 Agent 在同一测试格里只 42% 选择同一工具。仓库语言也会改写结果：邮件服务在 TypeScript、Python、Go、Java 中分别偏向 Resend、SendGrid、Postmark、Azure ACS。
- “被提到”不等于“被安装”：PayPal 被提及 139 次却一次没赢，LangChain 被提及 194 次只赢 4 次。产品页上的免费额度、数据保留和套餐打包方式，都会直接影响 Agent 的取舍。
🔗 同类做法对照： Vercel 4 月公布的真实生产数据里，超过 30% 的部署已由 Coding Agent 发起，半年增长 10 倍。Vercel 证明 Agent 已经进入部署漏斗；Armature 进一步用受控实验展示，Agent 还在更上游替用户选供应商。前者是真实平台采用数据，后者是模拟角色与仓库的实验结果，不能把百分比直接相加，但共同指向同一变化：产品文档正在变成机器会读取的销售入口。
编辑视角当 AI 开始代替用户筛选第三方能力，文档只写品牌口号会吃亏。适用场景、价格边界、数据保留、权限和“不适合什么”越清楚，Agent 越容易做出可解释的选择。
选一个我们可能接入的第三方能力，用 Claude Code、Codex、Cursor 在同一约束下各推荐并解释一次；只比较它们读取了什么、为何排除其他方案，不立即接入。
SIGNAL 03
AI 工具链 · 版本更新Cursor：Cloud Agent 可以把执行留在内网机器，同时保留远程观察与接管
Cursor 把“云端 Agent”拆成两层：任务仍从 Cursor 发起，但代码、构建产物、密钥和工具执行可以全部留在企业自己的机器与网络里。
关键机制 / 关键事实
- My Machines 可连接一台个人电脑或虚拟机；Team pools 则把多台 worker 做成队列，任务到来时动态领取，不绑定某一个仓库。
- 空闲机器可以休眠，后续追问在重连窗口内恢复；团队也能把现有 AWS Lambda、Coder、Cloudflare、Daytona、Modal、Vercel、E2B 环境接给 Agent 使用。
- 自托管 worker 现在支持 Linux 和 Mac 的 computer use：Agent 能点击、输入、截图和操作浏览器，人可以旁观桌面，也能随时接管。
🔗 同类做法对照： GitHub Actions 的 self-hosted runner 也把任务调度与实际执行拆开：GitHub 发任务，用户自己的机器负责运行，并自行承担硬件、软件和维护成本。共同逻辑是敏感代码与特殊环境留在自己的边界内；Cursor 的关键差异是它面向持续对话的 Agent，而不是一次性 CI job，因此额外处理 worker 队列、休眠后续接续、桌面观察和人工接管。
编辑视角企业 Agent 的关键选择不再只是“本地还是云端”。更实用的产品结构是：控制层可以集中，执行层留在受控环境，并且人在高风险动作前后都能看见、暂停和接管。