剛回蘇州就上手體驗了 @Surf_Copilot 的網頁端，用它生成了份關於揹包 @Backpack 的 deep research，分享一些產品上的觀點： 1. 產品在推理上很捨得下成本，一個問題居然爬了 215 個 sources。這部分的 inference 如果用的是 o3，成本大概在 2刀左右，如果用的是 4.1 mini，成本大概在 0.5 刀左右。看了眼目前的訂閱費，感覺是在做慈善。不過現在成本打不平問題不大，因為長期看 ai 的推理成本一定是會一降再降的，盈虧平衡線應該很快就會到來。 2. 產品整體的 UI 和交互設計水準非常的在線，例如在等待報告結果期間，產品會對推理進度進行分段展示，且一直有跑馬燈在閃爍，給用戶強烈的 “ ai 在很努力地幹活，你別急” 的正反饋。 3. 報告結果頁左側的定位功能設計的很好，不僅提升閱讀效率，同時讓用戶對生成的內容更有掌控感。結果頁定部可以展開看推理過程，而 sourcing 源，方便用戶做 fact check，一定程度上避免 ai 幻覺對結論的破壞性。 4. 發現頁面裡面，產品就當前的大熱項目給出了更細緻的研報。這部分內容看著像是人工+智能合作完成的。個人覺得對於節省開支非常有幫助，而且幣圈有價值的項目本身就不多，這塊內容等於是個 PGC 的知識庫，隨著覆蓋項目越來越多，創造的用戶價值會越來越大，這個是個邊際收益遞增的內容工程，建議保持上新頻率。 5. 幣圈的這種投研類產品，目前在我看來，目標客戶的畫像更像是想做 KOL 的朋友們，可以大大提升搜索整理信息的效率。 但這類產品都有共性問題，那就是各家產品最後爬的數據都差不多，無非是新聞網站和 socials，頂多再看看鏈上的數據。說到底這些都是公域數據，你有的別人也有。 當然有些產品的 prompt engineering 可能會做的好一點，但是這部分微弱的優勢，隨著基座模型本身的躍遷，到最後都會被抹平。 那麼到最後大家追求差異化的方式，基本都只能靠在產品視覺和交互上下文章，這點其實意義不是很大。 6. 細品猿哥的這句話：垂類 agent，最後卷的其實是誰有獨一無二的私有數據，誰 rag 的外掛數據庫牛逼，誰才能掌握 C 端的定價權。 鏈接是報告的結果，大家可以自行感受下，產品整體的完成度還是非常高的：