Product Hunt 大家都不陌生，陌生的话就是看我的文章看得太少了（我不要脸）。
我一直把 Product Hunt 当成一个观察 AI 创业方向的窗口，今天想和大家一起回顾和分享最近一个季度 Product Hunt 上的产品和我的一些观察。
2023 年，大模型刚刚进入应用爆发期时，创业者最常问的问题是：模型已经会写、会画、会聊天了，还能拿它做什么？
于是市场迅速长出了一批 AI 写作、AI 绘画、AI 视频、AI 搜索和各种套着聊天框的 Copilot。
但到了 2026 年夏天，Product Hunt 上一批排名靠前的产品，已经不太执着于再造一个更聪明的 ChatGPT 了。
7 月份，Pazi 拿到 Product Hunt 月榜第二，OpenSEO 第三，Context.dev 第四；
8 月初，Wispr Flow 新推出的会议记录产品 Notetaker 又拿到当日第一、周榜第二。
AI 离开 ChatGPT，去抢键盘和语音
最近这批产品里，我觉得 Acti 是非常典型的一个，我之前专门介绍过的，这次又拿出来放在这个系列里。
前百度团队，把 AI Agent 塞进了手机键盘里
Acti 没有做一个独立的 AI App，而是直接把 Agent 塞进了手机键盘。
用户在 WhatsApp、邮件、社交软件或者其他 App 里打字时，不需要退出当前页面，再打开 ChatGPT；
只要在键盘上调用 Acti，就可以搜索餐厅、查体育赛程、寻找 LinkedIn 资料、调出 Notion 文档、创建 Google Meet 链接，甚至执行提前设置好的多步骤任务。
产品的核心不是“帮你润色/搜索”，而是把用户在输入框里表达的意图直接变成动作。
这个产品我就不赘述了，感兴趣的话看之前的文章（上面的链接）。
同样在重新争夺输入入口的，还有 Wispr Flow。
这家我也单独写过，Wispr Flow 最初做的是 AI 语音输入。
3年烧掉1400万美元做“读脑耳机”，最后靠一个 AI 输入法翻身
你可以在任何软件里直接说话，它负责把口语转换成可以直接发送的文字，包括删除重复表达、补全标点、调整格式，并根据不同场景处理表达方式。
今年 8 月，它又推出了 Wispr Flow Notetaker，把产品从“写东西”延伸到会议场景。
乍看之下，这似乎仍然只是一个“更好的语音转文字”。
但 Wispr Flow 真正解决的并不是识别准确率，而是一个过去困扰语音输入很多年的问题：人说的话，并不等于人想写下来的话。
真实讲话里有停顿、重复、改口、语气词，还有大量需要结合上下文才能理解的内容。
过去的语音识别只是把这些东西忠实地变成文字，所以最后用户还得自己改一遍。
大模型出现以后，机器第一次有机会直接理解“这句话到底想表达什么”，然后把它整理成可用文本。
2026 年 8 月 17 日，Wispr Flow 宣布完成 2.8 亿美元 B 轮融资，估值达到 20 亿美元；有报道称其产品已经被超过 1 万家企业使用。
Wispr Flow 和 Acti 表面上一个做语音、一个做键盘，实际上在争同一件东西：
谁能成为“人向电脑表达意图”的入口。
这是我认为最近 Product Hunt 上非常值得关注的一条线。
AI 时代的人机交互，不一定意味着大家每天和一个数字人聊天，更可能意味着我们逐渐不再学习机器需要什么格式，而是让机器适应人原本的表达方式。
比 AI 助手更进一步：替你和人打交道
入口解决的是 AI 什么时候出现，但真正的 Agent 还需要回答第二个问题：
AI 到底有没有权力替你做事？
Hey Noah 就在测试这条边界。
Hey Noah 把自己定义成面向创业者和管理者的 AI 行政助理，但它和很多 AI 日历工具最大的区别，是它并不满足于告诉你“接下来应该做什么”。
比如你给 Noah 发一句：“下周帮我约 Sarah 喝咖啡。”
它可以直接给 Sarah 发邮件，来回协调时间，然后创建日历邀请。
如果你告诉它周四、周五不在，它可以处理已经冲突的会议；
把 Noah 抄送进邮件，它还能处理 Calendly、会议安排和后续跟进。
产品连接日历、邮件、短信、WhatsApp，以及 Notion、Google Drive、Slack 等工作工具。
这里真正发生变化的，其实不是 AI 更聪明了，而是 AI 获得了对外行动权。
过去很多所谓 AI 助手，本质上还是顾问，它帮你拟一封邮件，但最终需要你复制、粘贴、检查、点击发送。
Hey Noah 想做的是秘书，它直接给别人发邮件，直接协调时间，直接推进事情。
这也是目前 Agent 产品非常重要的一条分界线：有没有执行权。
所以未来 Agent 产品真正难的地方，是解决一整套过去聊天机器人几乎不需要解决的问题：
- 什么事情可以自动执行，什么事情必须征求确认；
- 什么信息可以发给外部，什么信息只能留在内部；
- 发生错误以后怎么撤回，责任由谁承担。
也就是说，产品设计不能只考虑“聪不聪明”，还要考虑授权、审计和责任边界。
Pazi 更激进：直接替你运营公司
Pazi 是这批产品里我最喜欢的。
它在今年 7 月拿到了 Product Hunt 月榜第二，官方给自己的定义是 Vibe code business operations：
你给它一个生意想法，它给你组一支 AI 团队，然后直接开始往前推进。
比如你想卖一本书、开一家网店、做一个 App，Pazi 会围绕这件事创建不同的 Agent，做网站、写内容、寻找第一批客户、做外联，然后根据结果继续调整。
它强调的一点甚至是：
你离开以后，这些 Agent 仍然可以继续干活，下次回来时事情已经向前推进了一步。
Pazi 的两位创始人 Zvonimir Sabljić 和 Leon Ostrež 之前做的是 Pythagora / GPT Pilot，这是很早一批 AI Coding Agent。
GPT Pilot 一度在 GitHub 获得数万 Star，产品累计有大约 10 万用户，但团队后来发现了一个很有意思的问题。
他们原本以为用户需要的是 AI 帮我把软件写出来，结果很多用户真的把软件做出来以后，反而不知道下一步该怎么办。
没有客户、不知道怎么推广、不知道应该改什么功能、也不知道有没有人真的愿意付钱。
于是团队得出了一个完全不同的结论：
很多人真正想要的从来不是“做一个 App”，而是“把一个想法变成生意”。代码只是中间一步。
所以他们从 AI Coding Agent 转向了 Pazi，试图直接自动化软件完成之后的那条链路。
Pazi 目前是 YC 公司，团队只有约 7 人。
我觉得这是最近两个月 Product Hunt 上概念上最值得关注的产品之一。
当生产本身越来越便宜以后，真正稀缺的东西反而暴露出来：
你做什么、卖给谁、怎么找到客户、怎么根据市场反馈不断调整，这也是一个比 Coding Agent 难很多的问题。
因为代码有没有运行成功，相对容易判断；但营销有没有效果、产品方向是不是正确、应该继续还是放弃，却很难给 Agent 一个明确答案。
但真正决定 Pazi 能不能成立的，不是它能创建多少 Agent，而是它能不能建立一个可靠的反馈循环：
行动 -> 获得结果 -> 判断结果 -> 调整下一步。
如果这一点做不到，所谓“AI 公司”最后仍然只是十几个机器人同时给你生产一堆没人点击的内容。
Glaze：以后很多软件可能根本不值得买
Glaze 来自效率工具 Raycast 的团队，今年7月3日上线 Product Hunt 后拿到了当日第一和周榜第四。
用户只需要告诉 Glaze：“我想要一个这样的 Mac 工具”，它就可以直接生成一个真正运行在 Mac 上的应用。
这里的“真正”很重要。
它不是再生成一个网页，也不是在浏览器里套一层壳，而是可以进入 Dock、本地离线运行、调用文件系统、使用快捷键、菜单栏和后台任务。
这件事情如果继续发展，影响就不只是程序员写代码更快了。
过去软件产业有一个基本经济逻辑：
开发一个软件很贵，所以开发者必须找到足够多有类似需求的人，把同一个产品卖给几万人甚至几百万人，才能摊薄开发成本。
也因此，我们一直在使用大量“差不多适合所有人”的标准软件。
但如果创建一个小工具的成本接近于零，这个逻辑可能会改变。
我不一定需要寻找一个已经存在的“文件整理软件”，我直接告诉 AI：
“帮我做一个每天晚上扫描 Downloads 文件夹，把 PDF 按客户名称分类，再把超过 30 天的截图扔进另一个文件夹的工具。”
过去这种需求太小了，没有软件公司值得为它开发产品。但有了 Glaze 以后，就有可能值得为一个人开发。
当 Agent 开始工作，一整套基础设施也必须重做
还有一类产品没有 Acti、Pazi 那么容易让普通用户兴奋，比如 AnySearch。
它做的不是一个新的消费者搜索引擎，而是“给 Agent 用的搜索”。
传统 Google 搜索的产品逻辑非常清楚：你输入关键词，它给你十条链接，然后人自己打开网页、判断来源、去掉广告、比较几个结果。
但 Agent 并不擅长像人一样浏览搜索结果。
它更需要的是已经去重、过滤、结构化后的数据，而且最好知道这些信息来自哪里。
所以 AnySearch 会同时搜索多个来源，过滤 SEO 垃圾、广告和重复信息，再把结果整理成 Agent 更容易直接消费的数据，并通过 API、MCP 和 Agent Skill 接入其他产品。
Context.dev 做的是相邻的一层。
它提供一个 API，让 AI 应用抓取网页并直接获得干净的 Markdown、HTML 或结构化信息，还可以抽取一个网站的品牌 Logo、颜色、字体、社交账号等数据。
Product Hunt 显示，它已经被超过 5000 家企业使用，包括 Mintlify、Daily.dev 等。
这类公司其实反映出了 Agent 时代一个很容易被忽略的变化：
互联网过去首先是给人看的，未来会有越来越多网页首先被机器读取。
当一个 AI Agent 替你寻找酒店、比较供应商、研究竞争对手、寻找潜在客户时，“搜索结果页面”本身可能就变得没有那么重要。
真正重要的是后面的数据层：
能不能实时获取？是否可信？有没有重复？有没有结构？Agent 能不能直接使用？
因此，过去围绕“让人更方便浏览互联网”产生了一批基础设施；现在正在出现另一批“让 AI 更方便读取互联网”的基础设施。
OpenSEO 也很有意思，但它并不是 GEO
OpenSEO 是另一种典型案例。
它今年 7 月拿到了 Product Hunt 当日第一和月榜第三，目前 GitHub 项目已经有超过 9000 个 Star。
用户可以用 OpenSEO 做关键词研究、竞争对手分析、反向链接和网站审计。
和传统 SEO 软件动辄上百美元一个月相比，OpenSEO 托管版从每月 10 美元起；
如果选择自己部署，可以直接购买 DataForSEO 等数据源的 API，用多少付多少。
OpenSEO 从一开始就在为 Agent 设计接口，支持 MCP 和 Agent Skills，也已经加入 AI Visibility 等能力。
也就是说，以前 SEO 工具是：人打开后台 -> 查关键词 -> 看数据 -> 做判断 -> 写文章。
现在变成：Agent 获取 SEO 数据 -> 制定策略 -> 生成内容 -> 继续查询结果。
但，OpenSEO 并不等于 GEO。
SEO 仍然主要解决 Google 等传统搜索渠道中的排名和流量；
GEO关注的是 ChatGPT、Claude、Perplexity 等生成式答案系统是否引用、推荐或者提及一个品牌。