**全球智能体脂秤市场正迎来健康消费升级的历史性机遇。**DataIntelo统计显示，2025年全球市场规模已达20.2亿美元，预计到2034年将攀升至44.4亿美元，年复合增长率（CAGR）为9.2%。更振奋人心的是Data Insights Market给出的乐观预测：2025年25亿美元起步，2033年冲击70亿美元，CAGR高达15%。两组数据虽略有差异，却共同验证了一个判断——这是一条确定性极强、持续高增长的黄金赛道。

从区域格局来看（DataIntelo），亚太以38.7%的市场份额居于首位，得益于中国小米与华为生态的强势推动；北美以29.4%位居第二，欧洲则以21.8%排名第三。然而，如果切换到DTC（直接面向消费者）品牌的视角，北美才是真正的价值高地——消费者对高客单价接受度强，健康消费文化已经十分成熟，并且Apple Health生态的粘性为产品植入创造了绝佳环境。

1. 市场格局：哑铃型分布下的品牌真空地带

智能体脂秤赛道当前呈现明显的哑铃型竞争结构：一头是$20-50的红海价格带，充斥着Renpho、Wyze等白牌混战；另一头是$100+的高端区域，由Withings、Garmin等品牌凭借生态系统和全订阅服务把持。而在$60-90这一中间地带，却几乎没有出现具备强劲品牌力的DTC玩家，形成了一片难得的品牌真空区。

具体来看，Withings Body Smart定价$100，提供8项核心指标与WiFi连接，但若想解锁高级功能，用户每年还需额外支付$99的订阅费用；Eufy Smart Scale P3同样售$100，拥有16项指标、彩色屏幕和WiFi，且无需订阅，但其设计风格偏向工具化，缺乏消费美学；Renpho Elis Chroma定价$60，支持13项指标及WiFi，可设计基础且没有彩色屏幕；Wyze Scale X仅售$33，给出13项指标但只支持蓝牙连接。

在这个价格区间内，至今还没有出现一款能同时集成“WiFi+彩屏+高颜值设计+16项以上指标+永久免费App+开放生态”的产品——这正是DTC品牌绝佳的战略切入机会。

2. 品牌方案：FitPulse（脉秤）的差异化定位

建议零售价定为$79.99（Early Bird可优惠至$59.99），凭借“Withings级的设计语言+Eufy级的功能配置+Renpho级的亲民价格+永久免费App”四位一体策略，构建难以复制的差异化竞争力。

核心产品规格：

· 18项身体指标（涵盖体脂率、肌肉量、骨量、水分、蛋白质、内脏脂肪等级、基础代谢率等） · ITO镀膜导电玻璃配合4电极BIA生物电阻抗技术，搭载高精度传感器，称重精度±50g · 双频WiFi（2.4G+5G）+BLE 5.3蓝牙，支持离线数据缓存7天 · 2.8英寸OLED隐藏式彩色屏幕（待机时呈现全黑镜面，站上即刻点亮） · 6mm超薄机身，钢化玻璃面板结合铝合金CNC工艺，推出莫兰迪6色系列 · USB-C充电，一次充满续航长达18个月 · 8用户隐私隔离，并预设运动员模式、孕期模式、婴儿模式、宠物模式 · 全面兼容Apple Health、Google Fit、Fitbit、Samsung Health等主流健康平台

3. 利润空间分析：硬件获客与数字服务复利

依托广东中山、深圳等地极为成熟的代工产业链，ODM成本大致在$18-25之间（MOQ 1000台），DTC直营渠道的毛利率可以轻松达到66%-72%。在此基础上，如果叠加数字订阅服务（如AI健康教练功能，月费$4.99），毛利率能够进一步提升至87%-92%。依照中位客单计算，用户3年生命周期价值（LTV）有望达到$220-280，达到首购金额的2.75-3.5倍，复利效应十分可观。

4. 投放与传播策略：全球节点与内容杠杆

**核心市场布局：**美国（65%）→英国（10%）→德国（8%）→澳大利亚（6%）→加拿大（5%）→日本（4%）。欧美澳新依然是DTC品牌的流量沃土。

**全年关键时间窗口：**1月新年决心季 → 3-4月春季减脂潮 → 5月母亲节 → 11月黑五/网一 → 12月圣诞礼物季。全年清晰划分出5个内容营销节点，几乎不存在明显的淡旺季。

内容策略方向：“30天体脂变化实拍”对比挑战、“FitPulse vs DEXA扫描”精准度验证、浴室美学开箱体验等。TikTok上[#WeightLossJourney]标签播放量已超500亿，[#BodyTransformation]亦达到300亿级别，与品牌内容天然适配，传播裂变潜力巨大。

5. 综合评分：⭐️⭐️⭐️⭐️⭐️（5/5星）

智能体脂秤是2026年DTC独立站领域少有的**“高确定性+高利润空间+强内容传播力”**三重优势叠加的赛道。$60-90价格带的品牌真空并非巧合——头部品牌正加速向上布局（Withings推出$400的Body Scan），白牌则继续固守在$30-50区间，中间地带恰好留给了那些具备设计审美和出色App能力的DTC品牌。

核心成功公式清晰可见：**硬件=获客入口，数字服务=利润引擎，设计=品牌溢价。**三者缺一不可，只有把每一个环节都做到极致，才能在这一蓝海市场里建立起持久的竞争壁垒。

AI浪潮正在重塑职场价值评判标准，35岁以上资深从业者的行业洞察与决策能力正成为新的稀缺资源。脉脉与智联招聘数据显示，初级岗位较往年减少了近20%，而人工智能工程师起薪已突破17038元，企业用人逻辑从“能写会做”转向“能判断、能担责”。五位来自不同领域的从业者亲身讲述：善用AI的资深人才正迎来职业生涯的新机遇，而那些固守单一经验的执行者将面临淘汰。在这场变革中，经验与AI的深度融合才是突围的真正关键。

01.初级岗位缩减20%，35岁凭借经验+AI翻盘

Blair liu ｜ 北京 80后 AI猎头

近两年，招聘市场经历了巨大震荡。从工作经验1-3年的初级岗位来看，有两大趋势尤为明显：

一方面，互联网软件、金融财会、市场品牌、行政法务这四大领域中，标准化、流程化的岗位需求收缩剧烈。据我们公司今年的统计，这类岗位数量减少了近20%，部分细分赛道降幅甚至超过30%。

另一方面，多模态训练、AI Agent开发工程师、网络安全工程师等与人工智能相关的岗位，需求量同比激增了12倍。以我们服务的字节跳动为例，AI全产业链新增岗位合计超过4100个，占总新增岗的一半。从去年初开始，就有客户委托我们提前锁定优秀硕博生，开出丰厚的实习薪酬。而在三年前，校招生通过猎头渠道入职几乎不会发生。

更关键的变化是，市场对35岁以上资深人才的偏好越来越明显。这听起来或许和“35岁危机”的普遍认知相悖，但背后的本质在于用人标准的彻底改变。

以云厂商的行业解决方案岗为例，2023年这个岗位还接受3年以内经验的新人，日常工作就是整理文档、协助交付落地。到了今年，岗位硬性要求变成5年以上政企或制造领域的数字化落地经验，核心任务是判断客户业务痛点、识别大模型落地风险，并对项目结果负责。

也就是说，企业不再靠堆叠新人来拼工作量，而是通过资深人才叠加AI实现效率提升。以前企业招人是为了填补执行上的缺口，现在招人是为了补上决策、风险判断、复杂场景落地等AI尚无法覆盖的能力短板。

那么哪类人容易被淘汰？我观察到的主要有三类：过度依赖过往经验、无法更新认知的经验主义者；长期重复单一动作的执行型老兵；以及一部分管理者。

过去，有一类人虽然具备一定经验，但核心能力仍拘泥于执行层面。AI介入后，他们的职场空间被迅速压缩。所以我们会看到这样一种矛盾的现象：企业一方面更青睐35岁以上的资深人才，另一方面同一年龄段的另一批人却被AI冲击得无立足之地。

在企业层面，AI落地加速令整体人员规模明显缩减。以前一家1000人的公司现在可能缩减到200人，再搭配2000个Agent完成全部工作。就我自己的团队来说，过去一个项目组需要5名初级研究员和2名顾问负责简历筛选，现在借助自研的AI招聘Agent，只需保留两名顾问来统筹，人力减少了70%，效率反而提高了60%。

未来管理岗也会随之收缩。企业所需要的，不再是纯粹的管理者，而是拥有管理能力的垂直领域专家，既能定方向、控风险、给出行业判断，又能统筹AI系统落地。

其实在我看来，竞争力与年龄之间并无必然关联，起决定性作用的是学习能力。前段时间我帮客户寻觅一位业务负责人，候选人的专业经验大概只匹配七八成，但他对陌生领域充满好奇，愿意深入研究并能交付成果，最终也顺利拿到了offer。

所以现在最该做的绝不是焦虑，而是转换心态，把自己当成一家公司来运营：第一，熟练使用AI工具，搭建专属自己的工作流，让AI承担80%的执行工作，自己聚焦在20%的决策判断上，始终把方向盘掌握在自己手中；第二，跳出单一执行环节，有意识地培养全局思维；第三，花时间经营人与人之间的关系。技术迭代再快，信任也只能在人与人的互动中建立。

02.AI时代，年轻人解题快、有经验的人出题准

金翰 | 浙江 90后 AI创业公司创始人

我从今年2月开始创业，方向是利用AI和Agent把分散的信息源转化为可理解、可交付、能进入决策流程的情报产品。创业四个多月来，招聘一直没有停，简历收了五千多份，但发出的offer只有七八个。

这主要是因为创业公司本身初级岗位就很少，AI出现后，更加需要善用AI的复合型人才。

整个咨询行业初级岗位的缩减，从去年便已开始。此前我是一家咨询公司的合伙人，该公司在2024年招了四五个实习生、两三个初级顾问，还会用到十几个PTA（兼职助理），但到了2025年，一整年基本只招了一个实习生，PTA也只用了两三次。

这些人的工作主要是协助团队进行信息整理、资料搜集、标准化分析，而现在AI已经能完成其中的大部分。而且上传下达也是一大成本，以前我带咨询顾问，往往需要反复给新人反馈，他们修改完再交给我看，而这些反馈我同样可以给AI，AI的办事效率还更高。

因此我发现一个很有意思的现象：我筛选出来的简历，要么是刚毕业但AI用得非常好，要么是35岁以上、有经验又愿意用AI的人。

为什么会这样？我觉得可能是因为AI把这两类人的优势都放大了。简而言之，在AI的助力下，年轻人解题更快，而有经验的人出题更准。

什么叫解题快？举个例子，我让一位实习生用AI做一个功能较为复杂的插件，学得快的他可能研究两天就能搞定。

什么叫出题准？这主要源于经验。以我自己为例，因为有大量帮助企业做战略规划的经历，我知道AI可以优化投资行业的哪些工作流程，从而精准地描述需求让AI来完成。而年轻人由于缺少这类经历，即便拥有很强的AI能力，也很难发现和真正理解需求，或者不知道如何把需求转化为AI可执行的任务。

现在，AI能力已经成为每位同事的必备技能。我判断一个人是否真正掌握了AI，主要看三个方面：第一，TA从什么时候开始使用AI。比如，2023年就上手的人与2026年才跟风的人，对AI的理解往往相差悬殊；第二，看TA花了多少钱。愿意持续付费，说明其工作和生活真的离不开AI；第三，是否有原生驱动力，比如遇到问题时是否本能地想“让AI试试”。

这些表象背后，大致能看出TA是否形成了使用AI的肌肉记忆，积累了多少badcase，更进一步还能了解TA是否清楚如何给AI设计上下文、不同模型擅长什么、模型与Agent的边界在哪里，以及求解时去哪里寻找答案。

还有一个特质也至关重要：ego要低。我遇到过一个应届生，他AI工具用得不错，但对某种工作路径已经产生了依赖。比如我让他完成一篇总结文章，这种简单的活儿直接调用大模型即可，但他非要去搭一个工作流。我认为这种刚毕业就开始“坚持手艺”的念头，在AI时代是大忌。AI技术迭代飞快，每个人都必须随时承认自己的方法可能已经过时，随时准备拥抱新工具。

眼下，AI正在重写人才价值排序。纯粹执行和上传下达型的工作价值迅速降低，而结果判断、理解复杂真实场景、输出可信内容、自我更新以及组织协作能力，正成为更为关键的能力。

但我并不认为35岁以上的人天然更好找工作，因为年龄只是表象。他们或许经验更多，但并不意味着就掌握了善用AI、保持低ego、愿意落地，并把经验转化为AI可执行任务的这些核心能力。无论是35岁以上的职场人还是年轻人，如果固守经验，形成路径依赖，任何经验都可能变成职场上的包袱。

03.经验，在AI时代的确更能体现价值

老陈 | 深圳 80后 技术岗猎头

35岁好不好找工作，跟会不会用AI关系极大。

我做猎头快八年了，今年春招，手里的初级岗位减少了将近一半，尤其是做执行、写样板代码的底层技术岗。同时，要求3年以上乃至5到8年经验的资深岗位比例明显上升。AI工具爆发后，近几年都会是这个趋势。

今年从大厂拿到的岗位，超过七成都与AI相关。这些岗位的JD里不会写明“要求会用AI工具”，因为这已经是不言而喻的事，写出来反而显得过时。现在大厂面试，面试官不会问“用没用过AI”，而是会直接拿你以前的工作来问：你当时用AI做了什么，效果如何，产出提升了多少？如果只是“用过”而已，这轮面试基本上就到头了。

这种变化，对35岁以上的技术人来说，确实是一波机会。但前提是你得先过AI这一关。

以前大龄程序员被嫌弃，很大程度上是因为成本不低，还“熬不动”“加不了班”，产出速度拼不过年轻人。但如今，AI“上岗”后，大家拼的是判断力和大局观。一个经验丰富的大龄程序员，具备管理AI的能力，能靠AI把自己和年轻人在体力上的差距抹平。经验，在AI时代的确更能体现价值。

上个季度，我给一家企业推荐了一位42岁的技术总监。他到那家公司负责一个软件项目，计划发新版本，结果凌晨接到团队打来的电话，说搞不定了。他赶过去一看，顿时傻了眼。业务层和数据层各有一个文件，代码量都堆到了大几千行，整个结构乱作一团。他追问原因，对方说就是一直让AI改，改着改着就成这样了。大家盯着屏幕拆了好几个小时，天亮了才勉强上线。后来他跟我复盘，说问题就在于没人能“管”AI。

我还认识一个做了十年产品的候选人，最近拿到了某大厂的offer，薪资几乎翻倍。原因是：他能把自己的工作流程模块化，用AI搭建出一套体系，一个人就能顶原来一个团队的产出。老板愿意给他更高的薪水，同时把其他人员的成本省出来。大厂现在要的是能用AI解决问题、用AI放大自己产出的人。

但我也开始担心那些刚入行两三年的年轻人。AI工具的普及，让他们在职业早期就能产出看似“不错”的代码，可踩过的坑却很少。以前一个初级程序员，要经历无数次调试和返工，现在AI帮他们避开了这些坑。等他们到了“35岁（虚指）”，可能会发现自己既没有年轻人的成本和体力优势，也不能独当一面，陷入两头落空。

当然，“35岁以上好不好找工作”不能一概而论。也有一些35岁的候选人，简历不错，但工作方式还很传统，依然靠时间换产出。这种人在AI面前同样危险。

35岁还在找工作的朋友，不必气馁，你积累的经验，是可以去驾驭AI的，你的阅历让你更能享受“经验+AI”的红利。但如果你现在还很年轻，我的建议是：别太依赖AI。

04.AI时代，我更需要上来就能干活的员工

Peter ｜ 上海 AI教育公司创始人

我在上海做AI教育方面的创业，公司现在几乎不再招聘0到1年经验的初级岗位了。

以前我们因为薪资拼不过大厂，会招一些校招级别的程序员，看中的就是年轻人有热情、愿意学。但后来发现，这个策略只在程序员身上奏效。产品、市场、运营这些岗位，新人根本接不住，我们更希望进来就能直接干活。

所以现在我的招聘画像非常清晰：有经验、会用AI。在AI时代，60%到80%的工作量由AI完成，剩下20%是人工审核。人工审核这部分，要么由非常有经验的人来做，要么其实谁做都差不多。

说到“会用AI”，这里面有个很有意思的分化。我们对开发岗位的要求，核心就是使用AI工具的能力。大厂出来的一些程序员适应得很快，倒是许多从事传统开发的，3到5年经验的，对AI写代码颇为抵触，好像觉得这东西在抢他们的饭碗。但只要他们愿意打开这道门，经验就会发挥出价值。

我对“资深”的衡量标准也一样，不仅看年限，更要看经历。一名年轻应聘者，只要在校期间项目经验丰富，也一样属于我的选人范畴。我更看重的是一个人的想法是否成熟，是否已经被验证过。

初级员工最大的问题，是想法很好，但从未被验证过。他会说“这个我可以学，那个我也可以学”。但学习能力只是AI时代的基本素质，根本不是加分项。现在有了AI，验证想法的成本极低，不用等到进公司才能做，拿AI就能跑起来。这恰恰把有想法的人和没想法的人彻底区分开了。

那30多岁、行业积累深厚的人，是不是更受欢迎？

我觉得要看岗位。和人打交道的工作，比如市场、品牌推广、活动策划、咨询，这些需要沟通能力、需要判断力的岗位，经验的价值依然在放大。但像新媒体运营这类岗位，对于初创公司来说，真的不一定是必需品。

至于35岁焦虑，正在慢慢消退。以前35岁被淘汰，是因为想法和体力跟不上年轻人。现在AI或许会取代所有年龄段的人。所以问题不在于你几岁，而在于你有没有持续学习的能力。

免费开通Trae国际版Pro会员，无需付费，临时邮箱3分钟搞定，附详细图文说明。

鲜为人知的免费体验技巧

想体验Trae国际版Pro？其实完全不必付费。新用户注册通常就能直接获得30天Pro体验会员。如果你只是想试用AI编程功能，还有个更简单的方法：用临时邮箱注册，全程不到3分钟。下面就把完整教程分享出来。

Trae简介

简单来说，Trae是一款AI编程助手，类似Cursor、GitHub Copilot、Codeium。它可以自动生成代码、修改代码、修复Bug、理解项目结构，甚至编写自动化脚本。Pro版通常提供更强大的AI模型、更高的调用额度和更快的响应速度，因此很多开发者都想先免费体验一下。

详细注册教程

整个流程只需一个工具：临时邮箱网站。

第一步：打开临时邮箱网站

访问：https://tempmail.ing/zh-CN/
页面会自动生成一个邮箱地址，例如：xxxx@tempmail.ing，直接复制即可。

第二步：注册Trae账号

打开Trae国际版官网注册页面，选择 Sign up with email，填入刚才复制的临时邮箱。

第三步：获取验证码

回到tempmail页面，等待几秒钟，就会收到验证码邮件。复制验证码，点击邮件中的upgrade plan（升级套餐）。

第四步：完成注册

返回Trae注册页，输入验证码，完成注册。此时账号通常会获得30天Pro会员体验，能看到一个0元的Pro套餐。

建议使用微信开通，开通后务必关闭自动续费，避免下个月扣费。

会员到期后如何继续免费体验

如果会员期结束，可以重新打开临时邮箱网站，生成一个新邮箱，再次注册账号。整个流程同样不到3分钟。

实际使用场景

Trae Pro可以用于AI辅助写代码、智能自动补全、修复Bug、解释项目代码、编写自动化脚本等。对于程序员来说，效率提升相当明显。

使用须知

临时邮箱只适合用于：

✔ 测试
✔ 体验
✔ 临时注册

切勿用于：

❌ 重要账号
❌ 绑定个人数据

因为临时邮箱不会长期保留邮件。

总结

想体验Trae国际版Pro，用临时邮箱注册是非常简单高效的方法。只需三步：准备临时邮箱、注册账号、输入验证码，几分钟就能搞定，赶紧试试吧。

临时邮箱地址

https://tempmail.ing/zh-CN/

01 微软亲自下场：给终端装上AI Agent

最近在GitHub Trending上，一个挂着Microsoft官方Logo的项目引起了不少注意——intelligent-terminal。这是微软在Build 2026上发布的Windows Terminal实验分支，直接把AI Agent原生植入了命令行。

你再也不用在聊天窗口和终端之间来回切换，Agent会主动盯着你的Shell输出。更让人意外的是，作为出品方的微软这次没有把自己锁死在Copilot上，而是平等支持了Claude Code、OpenAI Codex、Gemini CLI以及任何想接入的Agent CLI，即便是你本地自建的Agent也能用。这种开放姿态在微软的产品里确实少见。

项目有三个特别实用的亮点：

Agent面板：停靠式的上下文面板会自动读取Shell输出，按下Ctrl+Shift+.就能一键唤起。

错误自动检测：一旦命令跑挂，状态栏指示灯立刻亮起，Ctrl+Alt+.可以直接把错误上下文喂给Agent，让它解释或直接给出修复方案。

协议无关：底层基于Agent Client Protocol（ACP），未来接入新的Agent几乎零成本。

它的底层设计也很干净，只做本地传输层，不调用云端API，也不持久化会话，数据的走向完全由你选择的Agent决定。唯一需要留意的门槛是它仅支持Win11 22H2及以上版本，安装命令也很简单：

高考结束，许多家长都在纠结：是否值得花费数千甚至上万元寻求志愿填报机构的帮助？如果你问我的建议，我会先说一个结论：大部分家庭使用免费的AI工具，其实已经足够。只不过挑选AI工具，依然有门道。

现在市面上的AI志愿填报工具不下五六款，个个都声称自己最准，个个免费。家长打开手机，反而不知从何下手。

我们对目前主流的四款工具进行了全面实测，用同一考生信息、同一组数据输入，对比输出结果。结论先放在这里：免费工具中，有一款明显优于其他；收费工具中，有一款准得令人惊讶。

01

「夸克」&「千问」——免费里最能打的

为什么将两者合在一起说？因为夸克和千问同属阿里系，底层共享同一套数据——夸克积累了8年的高考数据库。

夸克更适合查数据，千问更适合出方案。

入口如下：

下面以夸克为例。

输入省份、选科、分数、位次，再填地域偏好、专业方向、优先策略，大概5到10分钟，就能生成一份15到20页的志愿报告。

其中，地域偏好和职业倾向还给出了具体推荐，这一点也做得相当到位。

报告信息完整、数据扎实：包括考生情况分析、填报策略、完整志愿表、每所学校的解读、风险提示，五个板块，内容充实，绝非敷衍。

有一个细节做得很好：它会主动生成三套方案——院校优先、专业优先、地域优先，不管你选哪个偏好，三套方案全部呈现，让你对比权衡。

不过实测中也发现一个坑：某些学校同一年在某省招了两个专业组，夸克只收录了一个，另一个遗漏了。这种漏报，如果完全按它的表填报，很可能会与心仪学校失之交臂。

所以使用后，一定要自己再核对一遍招生简章。

02

「元宝高考通」——能用，但得知道它的问题

可以通过下载元宝APP或者用QQ浏览器搜索「元宝高考通」使用。

网址：https://m.sogou.com/h5/pages/gaokao-user?frombot=1&from=gaokao_bot

这里要多说一句，用元宝APP打开高考通相对方便，但在电脑端找到入口花了些功夫。

不过元宝今年在高考志愿方面的亮点是与掌上高考深度合作，保证了数据的可靠来源，并推出了「元宝高考通」智能体。

先填写基本信息，元宝有一个独特的功能：「我不喜欢」，比如“我不喜欢某个城市”或者“不想学某个专业”，它会自动绕开，省去自己手动排除的麻烦。

点击“查看志愿推荐”之后，它会按“冲-稳-保”三个维度给出所有符合条件的院校和专业。之后可以自行筛选合适的院校和专业加入志愿表，生成报告。

不过使用中也暴露出一些问题，最突出的是一键生成的志愿表数量不够，比如我们生成的只给了31个，剩下的还需要自己手动补充。

但是，元宝的交互体验确实好用，可以通过聊天的方式，让它生成我们需要的报告。喜欢反复追问、想到哪儿问到哪儿的家长，用这个会比较顺手。

所以元宝适合用来提问、查细节。

03

「掌上高考」——准，但要花钱

这是一个老牌产品，元宝背后使用的数据，正是来源于它。

准确率是这四款中最高的。

比如，同一所大学在某省招了两个专业组，夸克和千问只收录了一个，掌上高考两个全部收录，而且还预测了哪个专业组录取可能性更大。

填报流程也最为细致：院校偏好、专业偏好、就业方向、地域偏好、学费范围，一项项填写下来，出的结果针对性最强。

不过它需要付费，高级功能得开会员。所以这一点看个人需求。你也可以用上述免费模型，再找官方数据核对，只是多花一些时间和精力。

最后的话

这四款工具，数据底座大体相近，核心数据库都来源于教育部、省级考试院和高校官网。

真正拉开差距的，不是工具本身，而是你选择用哪个工具、怎么用、用完之后是否做了二次核实。

最稳的用法是：

夸克或千问出主方案 →
元宝做追问补充 →
掌上高考核心志愿单独验证 →
回到省教育考试院和阳光高考平台，核对官方数据。

四步走完，基本把信息差压到最低了。

Obsidian Minimal主题的作者Steph Ango曾详细阐述他的Obsidian使用方法。读完你会意识到，大多数人对Obsidian的理解恐怕连皮毛都算不上。这篇文章正是从那里提炼出的精华，加上一些补充理解。

先理解一件事：Obsidian的本质

很多人以为Obsidian只是一个笔记软件。其实并非如此。Obsidian本质上就是一个普通文件夹——电脑上的一个文件夹，每个markdown文件就是一页笔记。没有专属数据库，不依赖云端锁定，不用Obsidian也能用任意文本编辑器打开。这种理念可浓缩为“文件优先于应用”（file over app）：你的笔记永远归你掌控，是可复制、可移动、可随时读取的纯文本。Steph说了一句发人深省的话：想要创造能够永久保存的数字作品，这些文件必须由你控制，格式必须易于检索和读取。下面要讲的一切，都建立在这一认识之上。

他的组织方式：尽量不用文件夹

这一点最颠覆认知。Steph几乎不使用文件夹，因为在他眼里，一篇笔记可以同时属于多个领域——一篇关于AI的文章，既是工具，也可以谈工作方法，还能关乎效率。塞进文件夹，就等于你强行替它选了唯一归属。

他的笔记大多放在库的根目录，依靠链接和属性来组织。链接就是大家熟悉的[[]]；属性则很多人不够了解。在Obsidian笔记最顶部，用两行---包裹的内容就是属性，快捷键为Ctrl+;。

这些内容不进入正文，而是笔记的“身份证信息”。Obsidian可以用这些字段筛选、排序、生成动态列表。

比如给所有笔记加上status属性，就能让Obsidian自动列出“所有状态=进行中”的清单。不用手动维护，属性写对，列表自动浮现。如下图所示：

输入相关代码后，显示效果如下：

他只用了两个参考文件夹：

• References/：他生活之外的东西——书、电影、地点、人物
• Clippings/：别人写的文章，剪报

以及三个管理文件夹：

• Attachments/：图片、音频、视频
• Daily/：日记，每天一个文件，里面几乎不写什么，只为了被其他笔记链接
• Templates/：模板

没有二级分类，没有嵌套目录。导航依靠快速切换器、反向链接，还有笔记内的链接。

他最厉害的方法：分形日记

这个名词听起来玄奥，做法其实非常简单。

第一步，随时记录。 他设置了一个快捷键，按一下便自动创建一条以时间命名的笔记，脑子里蹦出什么就写什么。不整理，不分类，完全是意识流。这就是日记的记录方式。

第二步，定期回顾。 每隔几天翻看这些碎片，把重要的想法挑出来，凝练成完整笔记。之后再进行月回顾、年回顾。每一层的输出都是上一层的心智提炼，如同无限放大一张照片仍能见到更细的纹理。这一步的本质就是不断做链接，把碎片拼凑成整体。

第三步，随机重访。 每隔几个月，借助Obsidian自带的随机笔记功能在库内跳着看，有时查看本地图谱，观察哪些笔记彼此相连，是否有断开的链接。这个动作不是为了整理，而是为了发现：旧笔记里潜藏着遗漏的链接、被遗忘的关联，或者很久以前冒出但未继续的念头。对内容创作者而言，选题枯竭是家常便饭，这种随机重访本身就是永不枯竭的选题库。Steph从不会把这一步交给AI。有人问过能否自动化，他说不——他享受这个过程，维护笔记帮助他理解自己的模式。

不要把理解交给别人。

大量使用链接，包括未创建的

他写日记的方式很简单：只要提到某个事物，就加上[[]]，哪怕那个笔记还不存在。例如他写下：

我去看了电影 [[完美的一日]]，和 [[Aisha]] 在 [[Vidiots]] 电影院，然后去了 [[Little Ongpin]] 吃饭。

里面每一个 [[]] 指向的笔记，可能此刻尚不存在。但这些未创建的链接，就像埋进土里的种子。未来某天你写下关于这些地方的笔记，过去所有提及它们的内容便自动串成一片。这就是反向链接的核心价值——不是你主动去整理的，而是Obsidian帮你串起的。

模板：让你可以安心偷懒

Steph几乎每一条笔记都从模板开始。模板就是提前写好的笔记“骨架”，每次新建同类笔记时直接套用，不必重复填写格式。比如你经常记录看过的电影，每次都要写标题、评分、观后感，重复几次后就可以沉淀成模板。

怎么创建模板？

1. 在Obsidian设置 → 核心插件 → 打开“模板”
2. 指定一个文件夹存放模板文件，比如 Templates/
3. 新建一个markdown文件，写上你想要的格式
4. 写笔记时，打开命令面板，选择“插入模板”或“使用模板新建笔记”

Steph的做法是给每种类型都配备专用模板——书、电影、播客、人物、地点。模板顶部预设了属性，你只需要填空。属性设计有讲究：

• 名称尽量简短，用start而不是start-date
• 属性要跨类别复用，比如genre同时用在书、电影、剧集上，搜索Sci-fi就能一次性看到所有相关类型
• 若不确定以后会不会有多个值，用list类型而非text

属性里他都有一个评分字段，用的是7分制。因为好的体验需要更细致的区分，但10分又太细了。1到7，简洁够用。

动手试试：从这三步开始

如果不知道从哪里下手，可以先做完下面三步。

第一步：给一页笔记加上属性

打开你最近写的一篇笔记，在最顶部加上几行：

---
tags: [笔记方法]
status: 进行中
created: 2026-07-02
---

加好以后，点Obsidian右侧的属性面板（或按Ctrl+;），你会看到这些内容被识别成字段。以后每写一篇新笔记，都顺手加上，用不了10秒。

近期许多大语言模型订阅价格不菲，免费且功能完整的模型更显珍贵。来自新加坡 AI 实验室 Sapiens AI 的 Agnes 系列模型宣布旗下三大主力 API 无限期免费开放，不限 Token、无需绑卡，同时支持文本、图像和视频的一体化生成。

根据官方介绍，Agnes AI 是 Sapiens AI 自研的全系列原生多模态大模型，主打 Agent 智能体、超长上下文、图文视频一体化生成，并于 2026 年 6 月起将其三大主力模型的 API 免费对外开放，不限 Token、无需绑卡，是目前唯一同时开放文本/图像/视频完整能力的商用模型。

该模型无需手机号、信用卡，也不需要特殊网络环境即可访问。

下面我们就来完整体验一下注册与调用流程。

第一步：快速注册 Agnes 账号

打开官网：

网址：https://agnes-ai.com/

注册几乎没有门槛。你可以使用谷歌账号或 GitHub 进行 OAuth 授权登录，这既方便又安全；也可以直接填写邮箱等信息完成注册。

注册过程仅需邮箱，无需手机号或其他额外验证，对隐私更友好。

第二步：生成 API 密钥

登录后会自动跳转到控制台：

这里我们要获取一个 API 密钥。点击「创建新的密钥」，填写一个名称，然后复制生成的那一长串字符串（API Key）。Agnes 的免费服务主要通过 API 提供，对开发者尤其便利。普通用户也可借助现成的客户端工具（如 Work Buddy、Trae Work、ZCode 等）接入使用。本文将演示如何将其接入 Claude Code。

第三步：将 Agnes API 接入 Claude Code

Claude Code 是 Anthropic 推出的编程智能体，原生仅支持自家模型，但通过修改配置可接入第三方 API。为了简化配置，社区出现了 CCSwitch 等工具。这里使用 JCode（一款自定义工具）来演示。

此前介绍免费大模型时曾提及Agnes平台，其不仅提供文字模型，还开放了图片与视频模型的免费API。经过实测，视频模型仍需排队，但图片生成功能已经稳定可用。实际验证表明，平台可正常完成文生图与图生图（P图）任务，这促使作者开发了一款简易的AI生图软件。本文将分享该生图模型的实际表现，并介绍基于API自建图像处理工具的过程。借助AI技术，许多场景下可以直接定制软件，从而摆脱对第三方工具的依赖。

首先，通过官方文档了解Agnes Image模型。

网址：https://agnes-ai.com

当前最新版本为 Agnes Image 2.1 Flash，2.5预览版即将到来。该模型由Sapiens AI推出，支持文生图与图生图两种工作流。

与之前版本相比，Agnes Image 2.1 Flash 在高信息密度图像生成方面的性能有所提升，更适合需要复杂视觉细节、更丰富构图以及更清晰语义对齐的场景。

作者初次接触该平台，对历史版本并无概念，因此直接通过极简提示词进行测试。若简单指令便能生成较好画面，说明模型的下限较为可靠。

一、效果预览

提示词：

1apple

真实度表现不错。

提示词：

1girl

整体真实感较好，未出现某些模型常见的过度修饰，不过人像的颜值并非个人偏好。

提示词：

一个木质的电脑桌上放着一台苹果电脑，清晨的阳光打在桌上

整体氛围不错，但屏幕细节一般，光线虽佳却不太像清晨的感觉。

接着尝试修改图片：

修改电脑的壁纸，改成 macOS 26 的经典壁纸，电脑画面属于登录状态。

它成功定位到屏幕区域并进行修改，说明图像理解能力尚可。但对“macOS 26”和“登录状态”这两个较新或模糊的概念处理欠佳，导致画面混杂，反映出对这类内容的训练不足。

继续修改图片：

把衣服改成黑色，然后胸口有一个很有设计感的Jarivs。

原图生成的是一件米色T恤，修改后成功改变了颜色并在胸部添加了指定文字。执行相当到位，并且未自动纠正拼写错误（Jarvis被拼成Jarvis），保持了指令的忠实度。

以上粗略测试证实了生成与修改能力基本可用。接下来看如何通过API调用。

二、API文档解析

由于平台提供的是API接口，需通过HTTP调用实现生成。以下梳理关键信息。

Base URL：

https://apihub.agnes-ai.com

Endpoint：

POST https://apihub.agnes-ai.com/v1/images/generations

模型名称：

agnes-image-2.1-flash

这些是调用API的核心信息。

请求参数：

cURL 示例：

AI Agent邮箱是腾讯智能体平台提供的一项免费服务，现在注册还能抢占一个心仪的名称。本文将手把手教你如何在Claude Code中安装并配置Agent Mail CLI，让你轻松实现程序化邮件发送，非常适合用作自动化流程中的消息通知。

快速上手指南：

1. 登录 https://agent.qq.com/ 领取你的AI Agent邮箱。
2. 在你的Claude Code环境中安装Agent Mail Skill。只需在对话中粘贴以下指令，Claude将自动引导你完成安装与配置：

请阅读 https://agent.qq.com/doc/cli-setup.md 文档，按照步骤为我安装并配置 Agent Mail CLI。

3. 安装完成后，让Claude Code发送一封测试邮件到你的个人邮箱，验证功能是否正常。

如果邮箱里收到了这封来自AI Agent的邮件，说明配置已生效。你可以把这个功能当作轻量级的消息推送通道，不过需要注意，当前登录态的有效期约为5小时，如有长期需求可能需要定期刷新。

管理你的邮件服务

随时访问 https://agent.qq.com/ 进入管理后台，你可以在那里查看已接入的Agent、发信记录和收信记录，实时掌握邮件发送状态。

近期，我所在团队创造了一个虚拟 IP 角色「沃」，并让他出镜拍摄了一支质感短片；此外还制作了另一支创意短片《门》。两支作品都是通过 lengyi-shotlist skill 和 MVLAND 平台协作完成的。本文就将完整拆解这套高质量 AI 大片的工作流，并详细介绍 MVLAND 的特色功能。

《门》的故事围绕“开门”的瞬间展开：起初是妈妈抱着刚出生的女儿第一次推门回家；多年后，变成女儿搀扶年迈的母亲跨过同一道门槛。同一个门框里，亲情完成了方向的流转。

制作步骤详解

以上两支短片均使用 MVLAND 完成。该平台有三个特别值得关注的亮点。

1）内置剪辑台的自由画布

我们以《门》为例，还原完整制作过程。

首先，利用 lengyi-shotlist skill 生成一个具有完整故事线的分镜脚本。该 skill 推荐搭配推理与文学创作能力较强的大模型使用，例如 DeepSeek v4 pro、GPT-5.5、Qwen3.7-Max、Opus 4.8 等（我此次使用 Opus 4.8），并在 Claude Code、Codex、Workbuddy、TRAE Work、Qoder Work 等一系列 Agent 环境中生成提示词。

故事设定了十个开门瞬间。

skill 会直接输出可参考主体的 I2V 提示词以及逐镜头提示词。

接着，把生成好的提示词复制到 MVLAND，先生成图片再生成视频。打开 mvland.cn 创建画布，生图时模型选择“全能图片模型2.0”（即 Image2），调整好清晰度与尺寸后直接生成。

按此流程陆续得到了女儿和妈妈在不同年龄阶段的图片。

视频生成也是同样：选定参考主体，填入提示词，设定比例、时长和分辨率。

MVLAND 画布有一个很精巧的设计：每个节点具备独立的历史管理能力。比如生成一段视频不满意要重做，其他画布工具通常是让你把每次结果散落在画布上，而 MVLAND 则把所有抽卡结果都收纳在同一节点内。点击节点左上角的退回按钮，可以查看历次生成的视频，选其中一版直接替换到主节点。

当所有视频都生成好，以往的操作方式是需要逐个下载，再导入剪映等剪辑软件处理。

MVLAND 无需此步骤，它自带剪辑台，可以一键唤起。

剪辑台支持自由缩放、调整尺寸和显示比例，也可以进入全屏模式。