按子板块快速浏览常用 AI 工具与热门软件。
频道页名称与子板块名称已经按当前软件分类体系统一，切换后可继续浏览对应软件列表。
如果把市面上的 AI 助手排成一排，豆包最像那个懂中文互联网语境的实用派。它不刻意端着技术范，也不追求句句惊艳，真正长处是把提问、改写、整理、润色这些高频动作做得够顺。站长角度看，豆包的价值不在神乎其神，而在多数人第一次用就知道它能干什么。 豆包适合内容整理、日常办公、文案打底、资料速读这类要快不要拐弯的场景。它在中文表达上通常比较自然，很多时候像一个反应快、不会故作高深的助理。这种离普通用户近，其实比堆参数更值钱，因为真正能每天打开的软件，靠的往往不是最强，而是最顺手。 但也别把豆包想成没有短板。它的强项偏效率，不是所有深度研究和复杂推理场景都占优；如果任务要求极强的专业判断、极长链条的精密推演，你还是要自己做最后把关。我的判断很直接：豆包不是炫技型选手，它是把 AI 从概念拉回日用的一把顺手工具。
DeepSeek 这类产品最容易被看错，因为它外表并不讨好所有人。它的重心从来不是把自己装扮成最会陪聊的 AI，而是尽量把模型能力本身推到前面。站长实测的感受是：它在很多问题上给答案给得更干脆，少一点花腔，多一点信息密度，这对真正拿它干活的人反而是优点。 DeepSeek 适合推理、代码、技术问题拆解、复杂问题首轮分析这类更看脑子而不是看氛围的场景。你会明显感觉到，它不是想用懂你情绪来赢，而是想用能把问题讲透来赢。这种产品气质很少有讨巧感，但有一种硬碰硬的可信度。 当然，DeepSeek 也不是人人都会一见钟情。它的界面和交互不是那种处处替你铺好路的保姆型设计，普通用户第一次上手未必觉得最轻松。可如果你真正关心的是解题、拆题、建模、写代码、看技术资料，它往往比那些只会把答案说漂亮的产品更耐用。
千问给人的第一印象，往往没有某些产品那样锋利，但它真正的价值是盘子够大。站长角度看，千问不是只想赢一次问答，而是想占住长期使用的工作位：写、查、改、总结、生成、协作，它都在往完整工作台的方向走。 这类产品最适合那些任务边界并不单一的人。你今天可能让它梳理资料，明天让它写方案，后天又让它改表达、补结构、压摘要。千问的优势，就在于这种多任务切换时不容易散架。它未必每一项都最出圈，但整体稳定、覆盖面广，属于越用越能看出底盘的类型。 它的短板也很清楚：如果你只追求最强烈的个性、最极端的创意爆发，千问未必是最讨喜的那个。它更像一台讲秩序的通用机器，强在稳、全、可持续，不强在戏剧化。对多数办公、学习、资料型任务来说，这反而是长板。
元宝最值得看的地方，不是它会不会说漂亮话，而是它站的位置。很多 AI 产品把自己做成独立工具，元宝则更像一个试图贴近日常使用路径的入口。站长视角看，它的意义在于让 AI 少一点实验感，多一点顺手就能用。 它适合那些不想专门学习一套新工作流的人。你问问题、要总结、做简短创作、处理日常信息时，元宝的交互通常比较平实，不故作深奥，这种亲和力对大众用户比技术术语更有价值。真正让人留下来的，从来不是参数海报，而是打开之后愿不愿意继续用第二次。 但元宝也不是为了取悦所有高阶玩家而生。若你要的是极强的深度推理、非常复杂的专业分析，还是要把结果再过一遍脑子。我的评价很明确：元宝的优势是贴近国人日常沟通场景，弱点是极限能力不该靠想象补全。它适合做高频入口，不适合神化。
别把 Xiaomi MiMo Studio 当成又一个挂着大厂 logo 的聊天壳。按本站在 2026 年 4 月 4 日核对的当前页面，它已经提供可直接进入的 MiMo Chat 网页入口，页面标题就是 Xiaomi MiMo Studio，首屏还能看到“免费体验”“MiMo Chat”“MiMo-V2-Pro”等信息。这说明小米这次不是只做模型介绍，而是确实把公开可试的聊天页摆到了台前。对普通用户来说，能不能立刻开聊，远比一堆模糊愿景更有价值。 它更适合谁？一类是已经常用 ChatGPT、Claude、Gemini、DeepSeek，却想亲自看看小米自研模型到底什么水位的用户；另一类是更关心中文口吻、日常问答、轻创作、灵感发散和品牌生态联动的人。Xiaomi MiMo Studio 当前最大的门槛优势不是功能多，而是网页直达、无需安装，本身就适合拿来做快速试用和横向比较。 它为什么值得单独收录？因为很多厂商做 AI 时最喜欢两件事：先讲生态，再讲未来；真正给你一个能直接上手的网页入口，反而常常拖得很晚。MiMo Studio 至少跨过了这道门槛。你不用先买设备，不用先等系统更新，就能直接看小米模型的回答风格、中文表达、脑暴能力和基本交互节奏。对想判断“这是不是只会念发布会台词的品牌 AI”的人来说，这比官网套话实用得多。 但预期也别摆歪。当前聊天页自己就写得很清楚：这是面向开发者的模型能力演示平台，并非正式 AI 助手，内容仅供参考。换句话说，它更像公开试车位，不是已经打磨完成的全民生产力终端。你如果要的是最成熟的插件生态、最稳的长上下文、最完整的深度工作流，就应该把它放到国际头部模型旁边理性比较，而不是因为“小米”两个字自动给高分。 真正值得观察的，不是它能不能回答一句天气，而是三件事：中文表达顺不顺、开放问题会不会空转、连续几轮对话能不能保持节奏。如果这三点过关，Xiaomi MiMo Studio 就不只是米粉试鲜入口，而可能变成一个值得长期放进书签栏的中文 AI 聊天页面。至少在 2026 年 4 月 4 日这个时间点，它已经有资格被当成“可直接体验的小米大模型聊天页”，而不是一张只会讲故事的宣传海报。
文心一言是百度旗下中文 AI 助手，适合聊天问答、写作润色、资料总结和日常办公。想找文心一言官网入口与使用教程的用户，可以先从真实中文任务开始测试。
智谱清言适合中文学习、资料整理、知识解释、提纲生成和办公辅助。想找智谱清言官网与使用教程的用户，建议优先测试长文总结和问题解释能力。
MiniMax 适合 AI 对话、内容生成、创意扩展和效率辅助场景。想找 MiniMax 官网入口与使用教程的用户，建议直接用真实创作任务测试它的稳定性。
扣子真正特别的地方，不是多会聊天，而是把写作、PPT、表格、设计这些零散办公动作往一个入口里收。它适合想先把重复办公流程自动化的人，不适合只拿来当普通聊天框。
AiPPT不是给设计师秀手艺的，它更像给赶时间的人先把大纲、文案和排版一口气跑出来。适合销售、老师和职场新人快速出一版能讲清楚的PPT。
稿定设计更像成品资源库加轻设计平台，强在模板覆盖广、上手门槛低，不强在深度原创。它适合需要快速出汇报、宣传和办公设计的人，不适合把它误当成高自由度专业设计软件。
夸克PPT走的是轻入口路线，输入主题或丢文档就能先给你一版能讲的PPT。它适合追求快交付的人，不适合拿来做极重的视觉精修。
WPS AI的优势不在炫技，而在它直接长在文档、表格、PPT这些高频办公流程里。适合已经在用WPS的人顺手提速，不适合脱离办公生态单独神化。
文多多AIPPT比较像专心做PPT生成这件事的专项工具，文档转PPT、课件、方案和报告都比较对路。适合对PPT产量有要求的人，不适合拿来追求极强个性设计。
站长看笔灵AI写作，不会先看它写了多少卖点，而是看它能不能把报告、公文、论文辅助和套路化写作先搭成能继续改的中文底稿。场景模板多，国内职场和论文类写作入口给得比较全。模板多不代表质量自动过关，越是正式材料越要自己改语气、改事实、改结构。站长看它适合写作提速，不适合把署名责任一股脑交给 AI。
站长看讯飞智文，不会先看它写了多少卖点，而是看它能不能把中文汇报、课件和长文整理这类重排版任务先压成一版可改的初稿。中文语义理解和文档转 PPT 这条链路比较顺，适合先把结构和版式跑起来。它擅长提速，不等于替你做判断；重要汇报的逻辑顺序、数据口径和关键页张力仍要人来收。站长看它更像中文汇报的起稿机，而不是替代你思考的演讲总监。
OpenClaw最值得看的不是会不会聊天，而是敢不敢真正替你动手。它把浏览器、文件、命令行和消息渠道接在一起，更像执行型助理，而不是只会陪你讨论问题的聊天壳。
魔搭的价值不只是把模型堆在一起，而是给中文开发者搭了一个更接地气的模型、数据集和实践入口。它不一定最花哨，但在国内 AI 开发语境里，确实更好落地。
GitHub真正厉害的不是托管代码这件老本行，而是把协作、自动化、代码审查和 AI 工具拧进了一条开发链路。它不是新鲜玩具，但仍然是很多团队离不开的工程底座。
Hugging Face的价值不只是模型多，而是把模型、数据集、演示应用和开源工具放进了同一个社区回路。它像 AI 世界的集市，机会很多，噪音也不少，关键在于你会不会筛。
商汤秒画最实用的地方，是它对中文提示词和新手上手都比较友好。它适合先把创意快速画出来，也适合做LoRA训练，但不适合被误以为只靠一句提示词就能包办全部审美。
堆友AI更像偏设计生产侧的工具，不只是画图，更强调海报、素材和电商图这些能直接拿去用的结果。它适合运营和设计提效，不适合拿来神化成纯艺术创作平台。
造点不像单一生图工具，它更像把千问图像能力、视频能力和创作流程收在一起的官方创作平台。适合想把多模态创作真正做成流程的人，不适合只拿来随手试一张图就下结论。
WHEE-AI的特点不是只会生图，而是把生图和修图放在一个视觉工作台里。它适合需要一边出图一边修图的人，不适合只拿它和纯模型榜单硬比参数。
醒图不是复杂设计平台，它更像把美颜、调色、修图和氛围感收得很顺手的图片编辑工具。适合高频修人像和社交内容，不适合拿来承担重度专业设计任务。
美图秀秀的强项不是某一个点，而是把改图、抠图、拼图、证件照和AI修图做成了大众都能直接上手的工具箱。适合高频图片处理，不适合被低估成只有滤镜的老工具。
星绘值不值得留下，核心不在名气大小，而在它能不能把人像写真、风格化头像和短视频物料这类轻创作任务先快速做成能选的版本。偏人像和氛围感方向，上手门槛低，适合先看风格和情绪是否到位。这类工具最容易把惊艳感留在首屏，真到连续出片、人物一致性和细节稳定性时就开始见真章。站长看它适合做人像灵感和轻内容生产，不适合被神化成专业影棚替代品。
墨刀AI值不值得留下，核心不在名气大小，而在它能不能把产品想法、草图和需求文档先推成能评审的原型与 PRD 初稿。原型、PRD、方案评审和设计到代码这条链路连得比较紧。它擅长把想法拉成可讨论的稿子，但不负责替你定义业务优先级和产品判断。站长看它最值钱的是把产研沟通前移，不是让产品经理彻底下岗。
Claude Code最值得看的不是补全有多快，而是它把AI编程带回了终端和真实仓库环境。它适合愿意直接交任务给代理的人，不适合只把它当成普通聊天侧边栏。
Cursor最强的地方不是会聊天，而是它把补全、改代码、读代码库这些动作融进了编辑器本身。它适合高频写代码的人，不适合只拿来偶尔问两句语法问题。
Codex最有分量的地方，不是补全几行代码，而是它开始把多代理协作、云端任务和持续编码工作流做成产品。它适合真正拿AI做工程推进的人，不适合只当成代码玩具看。
TRAE想做的不是补全助手，而是“真AI工程师”式产品。它适合希望AI理解需求、调动工具并独立推进开发任务的人，不适合只看单轮对话表现下结论。
Qoder明显不是只想做补全工具，它更强调Agentic编程和专家协作式解题。适合复杂软件任务和团队开发，不适合只把它当简单自动补全来评估。
GitHub Copilot最稳的优势，不是它永远最聪明，而是它深深嵌进了开发者最熟悉的GitHub和IDE生态。适合高频编码提速，不适合被吹成不用复查的自动编程神器。
Google Antigravity - Build the new way
无代码AI应用开发平台，一句话做应用
即梦AI适合AI绘画、文生图、图生视频和创意表达。想找即梦AI官网与使用教程的用户，可重点看中文创作和一站式生成效率。
腾讯混元AI视频适合文生视频、AI短片生成和内容创作。想找腾讯混元AI视频官网与使用教程的用户，可重点看中文提示词和成片效率。
LiblibAI适合模型查找、模型下载、工作流参考和社区交流。想找LiblibAI官网与使用教程的用户，可先从模型检索和创作资源入手。
剪映适合视频剪辑、AI成片、字幕处理和短视频制作。想找剪映官网与使用教程的用户，可重点看模板化出片和日常剪辑效率。
声动视界适合跨境电商视频制作、本地化处理、配音字幕和出海内容优化。想找声动视界官网与使用教程的用户，可重点看跨语种视频效率。
绘蛙AI视频适合商品展示、虚拟模特、电商视频和营销内容生成。想找绘蛙AI视频官网与使用教程的用户，可先看商品内容创作效率。
堆友AI视频适合文字转视频、图片转视频和动态素材生成。想找堆友AI视频官网与使用教程的用户，可先测试快速出片和创意表达。
Keevx适合文本转视频、数字人视频、多语言口播和虚拟形象生成。想找Keevx官网与使用教程的用户，可重点看数字人和多语种能力。
OpenClaw值不值得留在电脑里，核心不在名气大小，而在它能不能把 AI 从聊天窗口拉到本地执行、工具协同和连续动作链里。执行链完整，适合长期协作、本地任务和跨工具自动化。执行力越强，权限和审查越重要；不可逆动作、账号操作和生产写入不能放飞。站长看它更像个人工作流底盘，而不是单纯聊天壳。
站长看ArkClaw，不会先看它写了多少卖点，而是看它能不能把部署门槛砍掉，让团队更快用上可执行的智能体能力。部署轻、接入快，与云端办公链路更容易接起来。门槛低通常意味着掌控感让给平台，关键流程和数据边界不能不看。站长看它卖的不是玄学能力，而是省掉部署成本。
QClaw这类聊天入口型智能体，真正该看的不是宣传词，而是它能不能把任务入口压进高频聊天场景，减少在工具之间反复切换。接近消息流，找文件、整理信息和承接零散任务更自然。聊天入口方便，但隐私、账号权限和复杂任务边界更要盯紧。站长看它的价值在于离工作入口更近，而不是功能表更长。
站长看AutoClaw，不会先看它写了多少卖点，而是看它能不能把智能体安装、启动和基础执行压缩成更短的命令行路径。上手路径短，强调 one-cli，能明显降低第一次尝试门槛。装得快不等于管得住，长期运行、监控和权限治理还得自己补。站长看它像给动手用户准备的快刀，先把 agent 立起来再说。
Genspark 真正让人愿意继续用下去的地方，不是再包一层聊天壳，而是它试图把搜索、研究、整理和执行式工作塞进同一个 AI 工作台里。官方首页现在就把自己定义成 all-in-one AI workspace，官方博客也不断强调搜索、浏览器、Agent 和工作空间的合体路线。换句话说，它想做的不是“回答你一句”，而是“替你把一段任务往前推”。 这类产品最适合的，不是拿 AI 当百科问答替代品的人，而是要连续处理任务的人。你可能在做市场调研、方案收集、竞品信息整理、旅行规划、内容选题、项目资料归纳，也可能只是想把一堆零散网页和想法尽快拢成可继续使用的结果。对这些场景来说，能不能把搜索结果、整理过程和后续输出放在一个连续工作区里，比单轮回答漂不漂亮更重要。 Genspark 值得收录，是因为它已经明显从单一 AI 搜索往更完整的 Agent 工作台方向走。公开资料里能看到它持续推出 Deep Research、AI Drive、并行搜索和多类工具化工作区，首页也把 Slides、Docs、Chat、图像与视频生成等能力摆在同一套产品叙事里。本站更看重这种“让任务连起来”的产品方向，而不是又多了一个只能改写几段文案的聊天页。 但也正因为它野心很大，使用时更不能把它神化。工作台越复杂，越容易让人误以为结果天然可靠。实际上，Genspark 仍然只是把资料聚合、整理和生成速度做快，不会替你承担核实、判断和最终决策。尤其是涉及事实准确性、报价、政策、行业判断时，来源交叉验证依然是必要动作。 本站对 Genspark 的判断是：它更像一个面向复杂任务的 AI 智能体工作台，而不是普通聊天产品。如果你平时经常做“先搜一圈、再整理、再输出”的连贯型工作，它比单一聊天页更有留下来的可能。
MiniMax Agent 值得关注的，不是它也能聊天，而是它从官方定位开始就不想只做聊天框。官方首页直接写的是“简单指令，无限可能”，独立入口页的描述也把搜索解答、图像识别、语音对话、创意写作、文档解析和多智能体协作并列放在一起。这说明它想承接的是一整段任务，而不是一句问答。 因此它更适合那些每天都在处理杂务但又希望把这些杂务交给 AI 往前推的人。无论是先搜资料、再整理、再写成文案，还是读文档、拆任务、做初版方案，MiniMax Agent 这类通用智能体入口都会比单一模型聊天页更对路。因为你需要的不是“回答”，而是“继续做下去”。 本站愿意收录它，一个原因是 MiniMax 近一段时间明显在把 Agent 当成产品主线，而不是模型演示附属页。官方公开材料里，MiniMax Agent 已经被放进整个 AI 产品矩阵，也多次被描述为能完成长程复杂任务的通用智能体。这意味着它的目标不是替你润色两句话，而是争取在真实使用链路里留下来。 当然，也别因为它叫 Agent 就自动高估。多模态、搜索、文档和协作这些能力只要放在一个工作台里，就会给人一种“它什么都能搞定”的错觉。事实仍然是，复杂任务越多，越需要你把目标说清楚、过程盯住、结果复核。智能体能减轻重复劳动，但不会替你承担最终责任。 本站对 MiniMax Agent 的判断是：它更像一个面向高频任务的通用 AI 伙伴，而不是拿来图一时新鲜的聊天页。只要你的日常工作不是单句问答，而是连续执行、连续调整、连续交付，这类产品就值得保留。
Flowith 值得看的，不是又塞进了几个热门模型名字，而是它把“思考、创作、执行”当成一条连续流程来做。官方首页现在直接写着 Think, Create, Execute，并把自己定义成 agentic AI workspace。这说明它想要承接的不是一轮问答，而是一段会不断分叉、整理、再落回结果的工作流。 这类产品最适合的，是手里任务本来就不线性的人。你可能一边查资料、一边写东西、一边拆想法、一边决定下一步要不要继续深挖。普通聊天页在这种场景里往往只能给你一块输入框，而 Flowith 这类工作台更强调把知识、上下文、生成和执行留在同一个空间里，不让思路频繁断掉。 Flowith 值得收录，还因为它的产品表达已经明显超出“多模型聚合聊天”阶段。官方描述里，它强调 knowledge、creation 和 execution 被连在 single flow 里，这种说法本身就很像面向任务流的智能体工作台，而不是单纯给你多个 bot 轮流聊天。本站更看重这种结构能力，因为真正能长期留下来的工具，通常不是回答最花哨的那个，而是最能把任务往前推的那个。 但也别因此把它神化。只要产品开始强调 flow、workspace、agentic，用户就很容易误以为自己只要开个任务，后面就能自动完成。现实里，任务越复杂，越需要你给出边界、目标和取舍标准。Flowith 能帮助你把过程串起来，但不会替你做最终判断。 本站对 Flowith 的判断是：它更像一个围绕复杂任务运转的 AI 智能体工作台，而不是普通聊天页。只要你的工作经常在信息整理、内容产出和下一步执行之间来回切换，它就比单轮对话产品更有留下来的理由。
讯飞星辰Agent 值得看的，不是页面里摆了多少案例卡片，而是它把“创建、调试、发布智能体”这件事做成了完整平台。官方首页现在直接写的是一站式智能体开发平台，导航里能看到智能体广场、插件广场、Prompt 工程、效果测评、发布管理、模型管理这些模块。这个信号很明确：它想服务的不是只来问几句话的人，而是要真的把 Agent 做出来的人。 因此它更适合开发者、产品经理、企业应用设计者以及想把 AI 接进自己业务流程的人。和消费级聊天页相比，这类平台最有价值的地方不是一轮回答有多惊艳，而是你能不能在同一个后台里把提示词、工作流、插件、模型、评测和发布串起来。只要目标是构建和交付，而不是简单聊天，这种平台就更对路。 讯飞星辰Agent 值得收录，还因为它在官方文案里已经把 Prompt、Workflow、插件、MCP Server、AstronClaw 云端部署和多渠道发布整合到同一套叙事里。这种产品路线不是“给你一个模型试用页”，而是“给你一套生产级智能体搭建工具链”。本站更看重这种能落到生产和分发层面的能力，因为真正有长期价值的 Agent 平台，核心不是会说，而是能不能用。 当然，这类平台的门槛也会更高。模块越多，意味着自由度更大，但也意味着你必须自己承担更多设计与验证工作。创建流程顺不顺、插件选得对不对、评测是否充分、发布后的边界是否清楚，都不会因为平台叫 Agent 就自动成立。它给你的是工具链，不是成品答案。 本站对讯飞星辰Agent 的判断是：它更像面向生产和发布链路的 AI 智能体平台，而不是面向大众的聊天页。只要你的目标是搭建、配置和分发可用 Agent，而不是只体验几轮对话，它就值得单独收录。
上方板块已先展示首批软件，这里继续按频道顺序展示剩余内容，不与上方重复。
Microsoft Copilot 适合搜索问答、内容总结、写作改写和 Office 办公协作。想找 Copilot 官网入口与使用教程的用户，重点看它在微软生态中的实际办公表现。
通义灵码是由阿里云提供的智能编码辅助工具，提供代码智能生成、智能问答、多文件修改...
海螺视频适合AI视频生成、文本转视频和创意短片制作。想找海螺视频官网与使用教程的用户，可重点测试提示词到成片的表现。
花生AI适合AI视频生成、内容创作和灵感表达场景。想找花生AI官网与使用教程的用户，可先从基础生成和创作效率入手。
站长看纳米AI，不会先看它写了多少卖点，而是看它能不能把中文搜索、热点速读和多来源信息收束成可继续判断的一版答案。搜索和问答结合得比较轻，上手快，适合先收一轮信息。AI 搜索最容易让人偷懒，给你的是收束后的答案，不是自动完成事实核验。站长看它像搜索加速器，不是可以跳过源头阅读的真相机器。
站长看Manus，不会先看它写了多少卖点，而是看它能不能把任务拆解、资料搜集和多步骤推进这件事往执行层再推一步。行动感强，适合资料整理、流程拆解和任务推进。它能往前推流程，不等于能替你承担最终判断；任务定义越模糊，跑偏越快。站长看它有分量，不在于会说，而在于它开始碰执行层。
站长看Monica AI，不会先看它写了多少卖点，而是看它能不能把搜索、翻译、写作、总结这些浏览器内高频动作压进一个统一入口。入口近、场景多，浏览器里很多零碎动作都能顺手接住。集成多不代表每项都最强，插件稳定性、模型接入和网页兼容会直接影响体验。站长看它像效率总开关，适合浏览器重度用户，但别把它神化成万能替身。
Recraft值不值得留在电脑里，核心不在名气大小，而在它能不能把图形设计感和 AI 出图这两件事拉得更接近可用素材生产。出图不只追求热闹感，在设计资产方向上更强调可编辑和可用性。它再会出图，也不等于懂你的品牌和业务，真正上线前还是要人工做最后判断。站长看它比很多只会堆华丽效果的 AI 工具更靠近‘能交付素材’这件事。
如果你以为 self-improving-agent 会让 agent 自己长脑子，那是误会。它真正值钱的地方，是把失败、纠错、需求缺口拆成 LEARNINGS、ERRORS、FEATURE_REQUESTS 三条线，再明确哪些经验该晋升到 AGENTS、SOUL、TOOLS。这类 skill 的价值不在玄学，而在把反思做成可复用流程。 我更看重它身上的工程味。OpenClaw hook 能把复盘提醒前置，error-detector 虽然还只是关键词触发，但已经开始把“出错后记一笔”从自觉动作推进成半自动动作。它的短板也很清楚：自动化程度没有热度看起来那么夸张，真正能不能学到东西，还是取决于你愿不愿意持续整理 `.learnings/`。
Find Skills 最适合处理一种常见尴尬时刻：用户的需求已经超出当前 agent 的常规能力边界，但又没有明确点名该装什么。它强的不是执行，而是路由，尤其擅长识别“我想做 X，有没有现成 skill”这种半显性需求。对新手 agent 来说，这种分流意识非常值钱，因为很多时候不是不会做，而是根本没想到先去技能市场找现成能力。 它的问题也很直接：内容厚度偏薄，几乎完全建立在 `npx skills` 这一套生态上。没有本地环境检测，没有兼容性判断，没有安全预审，也没有针对 OpenClaw 本地目录的适配逻辑。所以它更像一张去哪里找技能的提示卡，而不是一个成熟的技能检索系统。
Summarize 的定位很克制，它本质上不是一套内容理解框架，而是在告诉 agent：当你已经装好了 `summarize` 命令后，怎样最快把网页、PDF、图片、音频、YouTube 统一送进同一条摘要管线。它的强项就是少说废话，模型选择、环境变量、常用 flag、YouTube 和 Firecrawl 回退都交代得很短，熟手拿来就能开工。 问题也因此很明显。它几乎不提供摘要质量治理，没有事实保真、引用边界、长文切片、领域差异的处理策略，也没有像样的失败回退。你可以把它看成命令速查表，而不是摘要方法论。热度高说明摘要需求高频，不代表这个封装本身已经很成熟。
Agent Browser 是典型的操作手册型 skill。它不替 agent 做浏览决策，而是把 `agent-browser` CLI 能做的事情一次摊开：导航、快照、填表、录像、网络拦截、CDP、状态保存、iframe、对话框、语义定位，几乎常见用法都列到了。对实战来说，这种覆盖密度很有用，因为它能明显减少“知道工具在，但不知道还能这么用”的空档。 它的短板同样很真实。它更像一本命令册，而不是一套浏览器策略，什么时候该重新 snapshot，什么时候该优先用语义定位，怎样设计长流程和降低页面注入风险，文档写得都不算深。所以它适合和你自己的浏览器工作流一起用，而不是单独指望它替你解决稳定性问题。
ontology 是前十里少数真正有基础设施味道的 skill。它不是给 agent 一段提示词，而是在提供一个可验证、可追加、可查询的结构化记忆底座。`graph.jsonl + schema.yaml` 这套组合很聪明，一边保留审计痕迹，一边又不至于一上来就把使用门槛抬到数据库级别；再加上 `scripts/ontology.py` 已经把 create、query、relate、validate、schema-append 做成了实打实可跑的 CLI，这就不再只是概念包装。 它的问题在于表达野心明显大于当前实现。文档里谈到了跨 skill 共享状态、图谱驱动规划、复杂约束，但脚本本身目前仍偏轻量，查询能力也主要停留在简单过滤层。所以它是一个非常值得深挖的起点，但还不是成熟的知识中台。
Self-Improving + Proactive Agent 的聪明之处，不在于它喊得多主动，而在于它对上下文成本有自觉。它把记忆拆成 HOT、WARM、COLD 三层，再配上晋升、降级、归档规则，本质上是在解决一个老问题：记忆越多，反而越难带进来。再加上它明确写了哪些东西不该学、不该推断、不该访问，这让它在边界感上比很多“主动成长型” skill 更稳。 它的短板同样明确：这依旧是一套纪律系统，而不是自动系统。没有脚本，没有 hook，更多是在教 agent 应该怎么记、何时记、何时压缩。执行力强的 agent 会很受用，执行力一般的 agent 则很容易把它用成另一份写得很漂亮但没人坚持的制度文件。
NotebookLM 真正有价值的地方，不是它挂着 Google 名字，而是它默认要求你先拿出资料，再让 AI 参与思考。和那种空白输入框式聊天产品不同，它更像一个围绕项目材料运转的研究工作台：你把 PDF、网页、Google 文档、演示文稿、YouTube 链接或整理好的文本放进去，它再基于这些来源做摘要、问答、结构化输出和后续追问。 这决定了它最适合的并不是“随手问两句”的轻聊天用户，而是手里真的有材料的人。学生写论文前先梳理参考资料，咨询和分析人员把访谈、纪要、方案塞进一个项目笔记本，内容团队把采访稿、背景网页和提纲放在一起做初稿整理。你给它的资料越清楚，它给你的答案越像在帮你做案头工作，而不是陪你闲聊。 NotebookLM 值得留下来的原因，是它把资料驱动、引用感和后续加工连在了一起。官方帮助内容已经把这条路线讲得很明确：先建立笔记本，再导入来源，再围绕来源提问和生成摘要、报告、思维导图或音频概览。本站更看重这一点，而不是“又多了几个炫技按钮”。当你面对的不是一个问题，而是一摞文件、一堆链接和一条被打断很多次的思路时，这种以笔记本为单位组织信息的方式，比单轮对话舒服得多。 当然，别把它神化成会自动替你得出正确结论的研究员。资料本身如果杂乱、片面或过时，输出照样会被带偏；共享、音频概览、视频概览或其他高级能力，也会受账号、地区和版本差异影响。它擅长的是加快你读资料、问资料、整理资料的速度，不负责替你承担最后的判断。 本站对 NotebookLM 的判断很明确：它不是“第二个聊天机器人”，而是更适合资料密集型工作的 AI 办公工具。只要你的日常任务里经常出现长文档、会议材料、研究网页、学习资料，它就比普通聊天页更容易留下来。
Napkin 不属于那种“输入一句话，吐一张海报”的 AI 绘图产品。它更像一名专门替办公场景服务的图示整理员：你给它一段说明、一套流程、一个观点框架，它帮你把文本拆成适合展示、汇报和教学使用的视觉结构。它关心的不是画风够不够炸裂，而是别人一眼能不能看懂。 这让它特别适合写方案的人、做培训的人、经常开会汇报的人，以及手里有很多知识内容却总卡在“怎么画出来”的人。和通用 AI 绘图相比，Napkin 更偏向表达效率，而不是视觉炫技。你不是在它这里追求一张惊艳海报，而是在追求一页能解释逻辑、能插进 PPT、能放进文档和博客里的清晰图示。 Napkin 值得收录的核心原因，是它把“文字到图示”做成了办公生产力，而不是创意玩具。官方帮助中心的路线很清楚：桌面端注册登录，把文本或支持的文档内容导入进去，生成视觉版本，再导出为 PNG、PDF、PPT 或 SVG 继续使用。对于常做课件、博客配图、方案页和知识卡片的人来说，这比临时去 PPT 里手动画框高效得多。 但它也不是没有门槛。当前界面以英文为主，注册和编辑更适合桌面端完成，移动端更偏查看而不是正式生产。更关键的是，你输入的原文如果本身就啰嗦、逻辑散、没有重点，Napkin 也不可能凭空把混乱材料变成高级表达。它会放大结构，而不是替你补上结构。 本站对 Napkin 的判断是：它不是替代设计师的软件，而是把普通文字材料快速变成“能讲给别人看”的视觉资产的工具。对经常做汇报、培训、知识整理的人，它很容易从“试试看”变成“以后每次都顺手打开”。