访谈脉络:从重新定义 Enter 到主动式 AI 新战场
开场与快问快答:24 岁创始人与他的天使投资人
节目于 2026 年 3 月初录制,Koji 以一个行业共识切入:当下人与 ChatGPT、OpenClaw、Manus、Claude Code 的交互方式,很可能远非最高效的终局。本期嘉宾是 AirJelly 创始人黄柏特,以及他的天使投资人、CreekStone 合伙人李一豪。因李一豪此前已来过节目做过快问快答,开场快问快答直接聚焦黄柏特:
从 MineContext 到 AirJelly:从「编年体」到「纪传体」,再接上执行之手
黄柏特回顾,做 MineContext 出于一个第一性判断:所有 AI 对话仍局限于 Chat 框里挤牙膏式获取上下文,但直接用视觉理解用户屏幕才更本质。当时的方案很粗暴——每 15 秒或 30 秒截一次图、每 15 分钟汇总分析一次,本质只是被动记录。
升级为 AirJelly 时,团队完成了两步关键跃迁:第一,不再按固定 15 分钟切片,而是围绕用户正在经历的具体事件组织记忆——他形象地比喻,过去是一本「编年体史书」,现在变成「纪传体」,能更准确抓住任务与意图;第二,原生接入了开源的 OpenClaw 底层 Pi 框架(他盛赞 Pi 极度简洁,仅靠 4 个核心工具配合前沿模型就威力惊人),使 AirJelly 能调用 Skill、操作电脑、使用浏览器,把强 Context 与前沿执行结合,产生「1+1 大于 10」的化学反应。
重新定义 Enter 键:抓住意图表达的高光时刻
面对定时截图噪音太大(用户无序刷网页时也被截下来)的顽疾,黄柏特分享了团队最锋利的产品切入点:Cursor 重新定义了 Tab,Typeless 重新定义了 Fn,而 AirJelly 想占领并重新定义的是 Enter 键。
背后的洞察异常直白:人类在电脑上表达意图的三大核心通道——人与人沟通(IM 聊天)、人与 AI 对话(Chatbot)、人与外界信息交互(浏览器搜索)——最终全部汇聚在按下 Enter 的那一瞬间。在按下 Enter 时截屏,捕获的不再是随机画面,而是用户明确表达意图的高光时刻与直接上下文,大幅剥离了无序浏览的噪音。
作为最早一批深度用户,李一豪形容 AirJelly 的魔法时刻是「感觉有人在悄悄看着你工作」——不同于 Manus 或 OpenClaw 偏单点上下文,AirJelly 能打通本地文件、飞书和不同应用之间连续的跨 App 上下文,进而主动交互甚至规划长程复杂任务。
谈起投资「恋爱故事」,李一豪回忆去年 9 月底 Copilot Agent SDK 发布前后,一位豆包体系的小伙伴向他们推荐了 9 月 30 日开源的 MineContext。在北京一家星巴克喝完咖啡,CreekStone 决定早早下注,看重黄柏特三点:对上下文问题持续而深入的思考;年轻创业者不设限的雄心(做 Proactive 产品,本人也极度 Proactive);以及在 Cowork、OpenClaw 接连冲击下展现出的独立思考与坚定信念。
被 Cowork「吃掉」的残酷一课,与「Vibe Coding 30 分原则」
Koji 追问 Cowork 发布带来的冲击。黄柏特坦诚复盘了一段又兴奋又崩溃的弯路:去年 12 月,团队定下 Task Engineering 方向,觉得 Claude Code 的 To-do 太弱,于是围绕 Task 建模并把 Claude Code 简易化。结果不久后 Anthropic 推出 Cowork(嘉宾口述为 12 月 20 日,据官方发布日志研究预览版上线于 2026 年 1 月 12 日),紧接着今年 1 月 Claude Code 新版也亲自把 To-do 升级成了 Task。团队一边兴奋「直觉准到对方简直该把我招过去」,一边绝望地意识到:站在 Claude Code 延长线上的努力,在两个月内被官方一口吞掉了。
痛定思痛,团队把产品机会拆成三层重新审视:第一层「把现有工具简易化」毫无长期壁垒;第二层「多进程与人机协作编排流」测试效果虽好,同样在被 Claude Code 迅速蚕食;唯有第三层——Context 的获取、存储、理解与召回——是编程 Agent 难以直接触及的腹地。于是团队把轻量执行与 MineContext 的上下文积累嫁接在一起,才真正定型了 AirJelly。
由此,黄柏特总结出一套内部筛选创业方向的硬标准:先拿最好的 Vibe Coding 工具试做一遍。如果 Vibe Coding 直接就能做出 60 分甚至 80 分,这件事多半不值得创业公司做,因为人人都能迅速复刻;反之,AirJelly 在 Context 获取与理解上拿 Vibe Coding 只能做到 30 分,遍地都是 Bad Case 和边缘脏活——这反而证明护城河就藏在这里。谈及开源,他把开源分为普惠工具、框架(如自己做过的训练监测项目)和应用(如 MineContext)三类,结论是创业公司最该开源基础设施与框架,借社区力量把生态做大。
「只有我们能做」的内部实战:用 AirJelly 写 AirJelly 与跨应用找简历
谈及团队自用 AirJelly 涌现的独家瞬间,黄柏特一口气分享了三个具体案例:
- 用 AirJelly 迭代 AirJelly:此前作为产品负责人,他在 Gemini 或 ChatGPT 里聊方案再切到 Cursor 写代码,上下文严重折损。今年 2 月团队跑通自举闭环:他直接问 AirJelly「你目前的功能是怎么实现的?你觉得怎么改进?帮我写完提个 PR」,系统便读取历史文档与代码自动提交 PR。
- 给水母戴帽子,20 分钟挖来设计师:团队让 AirJelly 自己开发一个需求——「让桌面上的水母戴上一顶帽子」,当天下午水母真的戴上了帽子。一位设计同学看完演示视频后,20 分钟就从学校打车赶来现场加入团队。
- 像侦探一样跨应用找回图片简历:招聘时某候选人没发 PDF 而是发了一张简历图片,本地搜文件名完全找不到。AirJelly 并没有就此中断,而是召回一条记忆——黄柏特此前曾在 Boss 直聘看过这位候选人——先顺着去核验身份与时间线索,再关联到本地微信聊天缓存文件夹,最终精准翻出了那张简历图片。黄柏特补充,微信聊天库本身是加密的,但文件会落盘在本地目录;传统检索缺时间与事件线索无从下手,AirJelly 靠跨应用时间记忆就能顺藤摸瓜。
主动式 AI 的再定义:「延长线推进」vs.「发散打扰」,与「水母 vs. 龙虾」
打辩论出身的黄柏特习惯「定义先行」:定时提醒(Reminder)、OpenAI 每天早间推送的 Pulse、OpenClaw 每隔 15 秒扫描的 Heartbeat 都只算广义主动式 AI。真正的主动智能必须同时拿到明确意图与完整场景上下文。市面上 Proactor(会议)、豆包游戏伙伴(游戏)、Bro 等产品之所以局限在单一场景,根本原因在于上下文入口太窄,只能看到会议纪要或游戏画面。
黄柏特进一步亮出自己的核心非共识:绝大多数同类产品在做「发散式主动」(猜你可能还想看什么新闻或延伸话题),本质上反而增加了用户的认知负担;AirJelly 坚持在用户当前任务的「延长线上推进」——把 Enter 捕获的意图加工为 Event(事件)与 Task(包含当前 Progress 进展与推断出的 Next Step 下一步),直接把你下一步正要干的事递到嘴边,让用户自然点头「那你帮我执行一下吧」。
在底层架构上,他把上下文按价值和组织形态拆成两层:意图 Context 价值远高于可随时翻查的静态文本 Context;受 Coding Agent 借代码目录树获得巨大增量的启发,AirJelly 用 VLM(视觉语言模型)+ OCR 提炼出两类核心结构——记录前因后果的 Event,以及由人物、私域项目和关键物品编织成图谱(Graph)的 Entity(实体)。
Koji 接连抛出两个尖锐挑战:第一,操作系统、手机或未来智能眼镜天生掌握全量记录,第三方软件不会沦为附庸吗?爱读历史的黄柏特给出漂亮回击:「历史书不会记录发生的每一天,只记录真正改变走向的关键节点。」全天候录屏录音充满噪音且权重均等,反而不如高密度的意图采样有价值。第二,ChatGPT、Manus、Siri 以后加上截屏不就追上了?他回应:人类获取周围上下文有 95% 以上来自视觉,纯聊天模态天然盲区极大;而且激进截屏是用隐私换效率,大公司背负沉重声誉包袱、用户也害怕巨头拿隐私作恶,反而把这片需要死忠用户的锋利战场留给了创业公司。
这也解释了宣传片里「水母 vs. 龙虾」的隐喻:OpenClaw 像长着大钳子在海底爬行的龙虾,执行凶猛但视力几乎是瞎的(只靠 Chat);AirJelly 则是触须敏锐的水母,借多模态意图感知把能看到的世界放大了几何倍数,再配上同源的开源 Pi 执行内核。面对截图日积月累是否拖慢检索的疑问,他拆了账:企业级知识库动辄切分 1 万份 PDF,而个人桌面每天不过 200 多张截图,量级远未触顶;防旧记忆污染则靠三招——Entity 合并更新(比如今年 24 岁覆盖去年 23 岁)、Event/Task 进展合并,以及带时间衰减系数的混合检索与重排。
谈及何时打扰才不惹人烦,黄柏特把主动触达分为两类:强刚需的 Reminder(如下午录播客必须提醒)与非刚需的主动建议。后者会观察用户工作状态——例如在切换应用(App Switching)的专注度低谷期才轻声询问;同时依据用户点掉(Dismiss)还是确认(Got it)的反馈动态调整频率,做到千人千面。此外,他坦承从 OpenClaw 的「养龙虾」热潮(线下甚至出现「养虾员聚会」,出 Bug 时用户不怪软件反而反思自己没养好)获得极大启发:结合可爱的水母 IP 形象,让用户每多按一次 Enter 就像在喂养一只陪自己成长的水母,用共情与记忆闭环把工具转化为长程伙伴。李一豪笑称,从 Llama 羊驼、通义千问到小龙虾,动物形象确实大幅拉高了用户对个人 Agent 的亲切度与耐心,「水母已被你们抢走了,别人得去抢别的动物」。
在护城河判断上,黄柏特押注「难以迁移的长期记忆」(用满一到三个月后心智与工作史都沉淀在这里)与「踩平无数 Bad Case 的工程打磨」(提及海外同类截屏记录产品 Dayflow,强调看似简单实则极难做好)。李一豪从投资人视角补上一笔:AI 时代写代码的成本越来越低,发现并定义高价值问题本身最值钱——先聚拢死忠用户,即便外围功能被巨头一波波抄走,最后留下的核心「象牙塔」仍属于最懂这批人真实痛点的团队。
通用 vs. 垂直、不开会的「持续低熵」与 CreekStone 的 2026 投资地图
面对为何逆势做通用(General)而非先切会议、游戏等垂直场景的追问,黄柏特给出三个理由:其一深受 Manus 启发(2025 年 3 月 Manus 发布那晚,他正在西湖边做 Research、边走回家边听播客,深受触动)——先以通用能力接住汹涌而来的用户,再看真实实践自然收敛出高频场景(如 Manus 后续加厚 PPT 与深度调研);其二是保持谦虚,相信用户会发明开发者想不到的奇思妙想;其三是相信前沿 AI 能力,不该用隐性 Workflow 提前锁死数据流转。他笑说自己高考成绩一般、科研也做得不算好,但「野心和志向是一流的」,做过 Research 留下的出厂设置就是天然想冲最前沿的 SOTA。
李一豪随即给出更冷静的投资人视角:CEO 自身就是一种供给,只有兼具顶级野心、定义新框架能力与全球宣发野心的团队,才该在窗口期逐年缩短(如今 Anthropic、OpenAI、Gemini 的跟进速度远快于去年 Manus 时代)的背景下勇闯通用赛道;对绝大多数创业者,他更鼓励做垂直 Agent——尤其是 OpenClaw 之后,产品形态正变成「再造一个人」,只需深度服务一个行业里 10 到 100 位顶尖专家并代理复制他们的专业能力,就能跑出极佳垂直产品。他也分享了 CreekStone 2026 年押注的三大主线:
- 激进的垂直 / To C Agent:除黄柏特和前豆包团队外,关注如 Mizen、Memu Bot 及社交、个人代理等两年前不敢碰的新前沿。
- Agent Infra:填补 OpenClaw 暴露出的身份验证、安全、数据库与云端/本地协同等「Vibe Coding 30 分工程黑洞」,类似新时代的 Resend、Supabase、Memberstack。
- 面向 Agent 的硬件(Build for Agent Hardware):采集现实世界上下文反哺 Agent——例如 CreekStone 已投的健康饮食硬件项目 Odis,在记录程序员饮食与生活状态时也顺带沉淀了大量工作上下文。
聊到组织管理,黄柏特介绍了他们这家「不开会的公司」:他认为会议本质是对积压信息的低效批处理。团队日常线下同地办公,简单问题流式沟通;内部正用 AirJelly Team 版把成员的水母放进同一个群,水母之间会自动同步进展、发现功能开发冲突,或直接回答队友的进度查询而不打断本人专注(他再三强调分享内容完全由成员自愿勾选,「极其鄙视员工监控软件」)。团队还计划给投资人建水母群,让 VC 直接问他的水母拿最新进展;至于长期战略讨论,团队轮流站在黑板前演讲,称之为「古希腊式广场」。
公司名「持续低熵」也藏着三层理科浪漫:热力学上对抗混乱、带来有序;生物学上呼应薛定谔「生命以负熵为食」——用硅基 Token 增强碳基人的有序与活力,并防止公司壮大后染上大公司病僵死;信息论与 AI 视角上呼应交叉熵,寓意让人机协作持续逼近真相与更高阶的知识形态。
隐私第一战、跨端残缺上下文与 AI-Native 基金的打法
主动式 AI 要截屏看桌面甚至涉足微信,如何跨越信任高墙?黄柏特从三路破题:技术上严格合规、端到端加密、所有截图与上下文仅存用户本地,并用 PII 脱敏系统在分析前把真实人名替换为 Person One 等占位符;情感上用萌系水母消解侵入感;商业上将其视为长期用户教育——早期愿意用隐私换效率的先锋人群哪怕只有几十万,对创业公司也足够肥美,却让顾忌舆论的大厂不敢贸然下场,反而成了护城河。
Koji 紧接着点出两个尖锐的产品硬伤:第一,目前只有 PC 端,没有手机端,用户久而久之会糊涂「水母到底知道哪些事、不知道哪些事」;第二,微信像一座无法用 API 攻破的城堡,群聊刷屏滚动过去后,只在发消息按 Enter 时截一屏,根本看不全前文。黄柏特务实回应:PC 已覆盖绝大多数生产力闭环和约 50% 的核心上下文,等用户忠诚到纠结残缺时已是「幸福的烦恼」;后续会先通过手机悬浮球/按键补齐移动端,长期联手 Odis 这类硬件伙伴从原始视觉底层打通多端。针对微信聊天漏抓,日常一问一答可靠多张截图的 Event 合并拼回上下文;遇到长篇群聊,用户随时可以多按一下 Enter 主动补采,未来还会设计 Command + Enter 同步语音补充、Tab 短按/长按/双击等组合手势,让按 Enter 成为喂养水母的肌肉记忆。
面对巨头狼性十足(连马化腾都在朋友圈为 OpenClaw 点赞)的竞争环境,李一豪总结了 AI-native VC 的三条自我要求:勤勉校准全球前沿信息水位;用人脉网络帮早期团队补齐互补合伙人(已为三四个被投团队撮合联创);以及联动 HR、视频制作与大厂合作等全方位赋能。CreekStone 自己也把工作流高度「龙虾化」——自动扫描 GitHub 和小红书项目,并把聊过的项目、LP 与行业专家按「项目 + 人」双实体向量化沉淀,让团队包括首位小伙伴 Gary 在内都能对齐全量知识输出;下一步他们打算告别龙虾、全员换装水母,让投资人的水母去主动对接创业者的水母。
失败倒计时、一对一「一夫一妻」哲学、辩论与「和平年代的假象」
被问及「三五年后如果 AirJelly 失败了最可能败在哪」,黄柏特直接纠偏:AI 时代谈三五年是伪命题,失败可能就发生在 1 到 2 年内。两大死穴非常清晰:第一是不够快,没在大厂进场前攒够用户和不可迁移的记忆;第二是没拿捏好隐私与效率的火候——一旦在用户心理没准备好时要价太狠、透支声誉,就再无翻盘机会。
畅想终极人机共生画面,黄柏特描绘了类似《宝可梦》的未来:每个人拥有一个深度懂自己的 Personal Agent,既带着个人技能进入 Agent 网络替你协作生产,又提供不孤独的心灵慰藉。当 Koji 追问为何是「一人一 Agent」而非一对多,黄柏特给出一个颇具哲学锋芒的回答:就像婚姻制以一对一维持稳定特殊性,Agent 是你自身的延伸与影子;如果变成一对多,它就会沦为你的奴隶(Slave)——而在 Agent 智商注定超越人类的未来,把更聪明的存在当奴隶在哲学上是说不通的。
对话延伸到为何那么多 AI 创业者(如明超、陈勉与黄柏特本人)都打过大学辩论。作为两届西电十佳辩手,黄柏特拆解了辩论对创业的深层训练:辩论最忌讳和稀泥式地说「A 也对、B 也对」,而是逼着你抱着一个注定不完美的立场,在激烈博弈中一层层刨清——A 到底在哪一类人群、哪一类场景、哪一个时间点下比 B 更成立。这与早期创业寻找精准切入点如出一辙,也让缺乏社会阅历的大学生在沙盘推演中提前锻造出立体思考力。
最后,Koji 问这个校招入职字节仅半年就出来创业的 24 岁年轻人:为什么不多攒几年大厂经验?黄柏特用一句极为凛冽的比喻作答:「童年是和平年代的假象。」和平年代每一年都差不多,你可以从 1 岁安稳准备到 18 岁再和同龄人一起高考;但从 2022 年底 ChatGPT 到 2025 年 Agent 爆发,AI 时代是硅基向人类现状宣战的「战争时刻」,窗口已压缩到一两年,无论刚毕业还是三十岁,所有人被拽进了同一场冲刺,再没有慢慢长大的余裕。李一豪深感共鸣,直言投资人最想投的正是这种自带「天将降大任」紧迫感的人。
展望 2026 年,李一豪认为行业应尽快走出 OpenClaw 的概念喧嚣,期待 Computer Use、垂直行业 Agent 与长程任务迎来硬突破;黄柏特则回望自己梦幻般的 2025——3 月在西湖边听 Manus 播客,年底听完 Manus 被收购后的 Big Technology 访谈、自己也踏上创业路,次年 3 月坐进了《十字路口》演播室。他拒绝给 2026 设天花板,只许下一个具体心愿:到了 2026 年底,当又一个做出厉害开源项目或论文的年轻人四处寻找归宿时,希望他最想加入的地方正是 AirJelly。Koji 以肖弘 2025 年初在节目里「2025 一定会跳变」的预言作结:2025 确实跳变了,2026 还会继续跳变。
从事件到行动:一次 Enter 按下后系统要过哪五关
本文自拟例子:用户在电脑聊天窗口给同事发了一句「下周三之前给我一份实验结果」,随后按下 Enter。要把这次按键真正转化成可靠的「主动式下一步」,系统必须连续闯过五道关口:
- 意图捕获(Capture):截下当前屏幕并经由 VLM 与 OCR 解析文字、发送者、接收对象、应用窗口与时间戳。
- 语义判别(Interpret):分辨这句话究竟是用户向别人派的任务、用户转述老板的要求,还是随口开的一句玩笑。
- 图谱与事件合并(Merge & Update):在 Entity 图中定位对应同事与实验项目,把新信息合并进既有 Event,更新任务 Progress,并用时间衰减压低过期版本权重。
- 时机判断(Timing):决定该作为强刚需 Reminder 到点提醒,还是等到用户切换应用、专注度下降时,在延长线上轻推「要不要帮你起草一条跟进消息」。
- 带反馈的执行(Act & Learn):在用户明确确认对象、措辞与权限后再执行动作,并记录
Dismiss/Got it或修改记录以校准后续推送频率。
一旦中间任何一环断链——例如同事随后在手机微信回复「实验机器坏了得延期到周五」,或两人在线下口头改期——只看到 PC 端那次 Enter 的助手若把原句固化为确定承诺,次日主动催促就会制造尴尬与信任滑坡。因此,可靠的事件模型不仅要记录「说过什么」,还必须显式标记信息来源、跨端缺失盲区与待确认状态。
独立判断:主动式 AI 真正要拿什么证明自己
1. Enter 是高信噪比线索,却不是完整意图,更不是完整反馈
用「Cursor 定义 Tab、AirJelly 定义 Enter」来解释产品定位极具传播穿透力,也确实比每 15 秒盲截大幅降噪。但从人机交互现实看,Enter 承载的动作高度混杂——文档换行、弹窗确认、终端跑命令、发送半成品草稿都会按它;反过来,大量关键决策发生在阅读长文、听语音会议、收到他人否定回复或线下口头拍板时,这些时刻用户根本不会按 Enter。更现实的检验方式不是比较「截图少了几倍」,而是固定一组真实知识工作流,同时测算:关键待办的召回率、误报噪声率、因漏看他人反馈导致的错误建议占比,以及用户手动补按 Enter 的心理负担。
2. 「延长线推进」优于无脑发散,但好搭档有时需要喊停
黄柏特批评 Pulse 式发散增加认知负担、主张顺着用户当前任务递出「下一步」,切中了当前大量 AI 提醒流于鸡肋的痛点。不过,「顺着延长线推」有一个隐含前提——用户当下的方向本身是对的。如果程序员反复重试一条注定报错的命令,或者产品经理基于过时数据准备发周报,最有价值的介入往往不是乖乖递上「再跑一次 / 一键发送」按钮,而是亮出冲突证据问一句「上一次同参数已经失败,要不要先查日志」。何时顺推、何时提出反例,取决于动作风险等级与证据充分度,不能一刀切地只做迎合。
3. 隐私换效率可以切开先锋市场,却绕不开「他人隐私」与「可验证本地化」
黄柏特提出本地存储、端到端加密与 PII 脱敏,并敏锐指出几十万先锋用户足以养活创业公司,这在冷启动策略上很清醒。但屏幕截图有一个常被低估的边界问题:出现在你屏幕上的并不只是你自己的数据,还包括未曾授权的同事聊天、客户合同、候选人简历与家人照片。PII 把人名替换成 Person One,在结合时间、职位与上下文时依然可能被轻易反推;同时,如果推理环节仍需调用云端大模型 API,「原始截图存本地」就不等于「敏感语义不出境」。想把早期信任沉淀成长期护城河,除萌系 IP 外,还必须给出可审计的数据流白名单、敏感应用自动黑名单,以及随时一键查看、修正、导出和彻底删除记忆的控制面板。
4. 「记忆锁定」对平台是壁垒,对用户却可能是顾虑
嘉宾双方都把「用满一三个月后迁不走的长期记忆」视为核心护城河。但越是深度绑定个人工作史的「人生伙伴」,成熟用户越会提前追问:如果两年后产品停服或我换了工具,我的记忆能不能带走?与 OpenClaw 用明文 Markdown 文件存记忆让极客感到安心不同,黑盒式强锁定在早期反而会抬高重度用户的信任门槛。长远看,真正健康的留存应当靠更准的召回与执行体验赢回来,而不是靠让用户带不走自己的历史数据。
5. 「和平年代假象」解释了紧迫感,但创业窗口不等于人人都该裸辞冲刺
「童年是和平年代的假象」精准捕捉了这代 2000 年后 AI 创业者的时代体感,也是黄柏特与李一豪高度共鸣的精神底色。不过从个体决策看,紧迫感可以有多种承接方式——做爆款开源框架、在前沿团队拿一线实战反馈、或先用低成本原型验证核心假设,未必只有离职创业一条路。正如团队在 Cowork 冲击后迅速从「简易化」撤退到「30 分脏活」所证明的:比「出发得够早」更决定生死的,是在大厂碾压过后能否快速看清真正的非共识腹地。
证据边界与资料索引
本文依据节目官方简介与完整第三方机器转写整理,尚未逐字听审原音频,亦未独立测试 AirJelly 客户端或审计其本地存储、加密与 PII 脱敏数据流。第三方转写存在若干识别与标注误差,正文已据官方节目简介与公开资料核对校正:转写将天使投资人全程误标为「荣辉 / Ronghui」,按官方简介与结尾主持人致谢确认系 CreekStone 合伙人李一豪;「QuickStone」校为 CreekStone,「My Context」校为 MineContext,「Tabless」校为 Typeless;嘉宾口述 Cowork 发布于 12 月 20 日,据 Anthropic 官方发布日志其研究预览版推出时间为 2026 年 1 月 12 日(可能系口误或内部消息混记);个别口述项目名(如 Odis、Mizen、Memu Bot、Sora Lab)及 5,000+ Star、每日 200+ 截图、团队 8 人等细节均以录制时点嘉宾自述为准。文中的实验催促场景为本文自拟机制示例。