YouTube AI - 2026-05-31¶
1. 人们在讨论什么¶
1.1 围绕搜索的反弹仍是 YouTube 上最密集的 AI 话题 🡒¶
对搜索体验的不满，仍是 2026-05-31 YouTube AI 信息流中最清晰的讨论簇。4 条强信号支撑这一点：TechLinked、SomeOrdinaryGamers、Deep Humor 和 Techlore。关键在于它的持续性：在 2026-05-30 占据主导之后，这类抱怨到了第二天也没有降温。
TechLinked 把这个话题从小众隐私抱怨带进了主流科技新闻报道。视频把《Google Search Updates》设为本期节目第一个带时间戳的段落，并直接给这条故事打上 google search dead、google ai search 和 agentic search 标签，这说明这波反弹已经大到足以撑起一档面向大众的新闻汇总（视频）。
SomeOrdinaryGamers 把这类抱怨扩展进更大规模的评论文化。Mutahar 把 Google 形容为“决定蚕食自己最大的产品”，因为它在 AI 上持续加码；这很重要，因为这个主题显然已经从 AI 构建者和隐私圈层外溢到了主流创作者批评之中（视频）。
Deep Humor 给出了最明确的迁移措辞。简介写道，由于 Google 新的 AI 更新和自动化浏览体验正在取代传统搜索结果，DuckDuckGo、Brave 和 Bing 正在吸引更多用户，并明确点名 Gemini 3.5 Flash 是这次转向背后的引擎（视频）。
Techlore 把这波反弹做成了一份具体的迁移指南。视频称，Google 的智能体可以代用户购物、读取 Gmail，并替用户选择供应商，随后逐一介绍 DuckDuckGo、Brave、Startpage、Kagi、SearXNG、Mojeek 和 bangs，让离开默认搜索不至于像是降级（视频）。
讨论要点： 在这 4 条搜索内容里，抱怨已经不再只是“结果变差了”。更尖锐的担忧是，以 AI 为先的搜索会隐藏来源、代替用户执行操作，并让用户感觉自己对浏览过程的掌控更少。
与前日对比： 与 2026-05-30 相比，围绕搜索的反弹没有减弱，反而继续占据主导。不同之处在于，今天的证据更明确地指向用户迁移行为和替代搜索引擎的操作手册。
1.2 AI 落地叙事已从瓶颈讨论变成问责测试 🡕¶
第二个强讨论簇在追问：AI 的那些说法，能不能经得起成本和现实的检验。两条尤其强的内容支撑这一点：Silicon Money 把故事转成对 ROI 的批评，Theo - t3.gg 则直接质疑基准测试的可信度。这里的情绪很重要，因为它比泛泛的“AI 很难”叙事更尖锐；这条信息流越来越明确地在要求拿出证据。
Silicon Money 把这种批评的商业版本讲得很直白。简介称，Microsoft 正在收缩基础设施投入，Starbucks 在一套 AI 库存系统连牛奶都数不清之后将其叫停，Uber 在 4 个月里就烧掉了一整年的 AI 预算，还有一家公司仅一个月就在 AI 工具上花了 5 亿美元。这里最独特的角度在于，失败的原因不只是模型质量，还包括部署的经济账（视频）。
Theo - t3.gg 把对评测体系的批评具体化了。Theo 把观众引向 DeepSWE；它的网站称，当下公开的编程基准测试正在饱和，并把自己定位为一个更长周期的替代方案，提供无污染任务、覆盖 5 种语言的 91 个仓库，以及基于行为的验证。这里独特之处在于，可信度本身已经成了产品缺口（视频）。
讨论要点： 高播放量的 Low Level 标题 The problem with AI agents.. 虽然简介很薄，但仍提供了一个有用的环境信号：普遍性的智能体怀疑，如今已经触达大规模受众，而不只是小圈子构建者的挫败感。
与前日对比： 与 2026-05-30 更侧重瓶颈和扩展压力相比，2026-05-31 的语气更具对抗性。问题不再只是“是什么拖慢了 AI？”，而更像是“哪些说法经得起现实评估和成本核算？”
1.3 硬件讨论已从单纯的产能话题转向替代性扩展架构 🡕¶
硬件仍然很突出，但讨论重点变了。3 条强信号支撑这一主题：Two Bit da Vinci 和 Cyrus Janssen 都把 Huawei 的 tau-scaling 和 LogicFolding 叙事放在中心，Dell Technologies 则把企业侧焦点放在 AI 工厂和加速基础设施上。共同线索是，AI 增长如今更多是沿着芯片和系统栈来讲述，而不只是围绕新模型展开。
Two Bit da Vinci 给出了这组内容里技术性最强的解读。视频称，摩尔定律已经快走到尽头，并把 Huawei 的回答概括为折叠电路、缩短信号延迟，以及让更多层级的技术栈变成协同优化问题。链接中的 Huawei 公告 进一步补充说，tau-scaling 用时间尺度取代了单纯的几何缩放，覆盖从器件到系统的优化，并把 2026 年秋季的 Kirin 芯片作为 LogicFolding 的首次落地目标（视频）。
Cyrus Janssen 补上了同一主题的地缘政治版本。他在简介中把 tau-scaling 和 LogicFolding 描述为中国在制裁压力下走出的另一条路径，并链接了 Huawei、Chinaxiv、Bloomberg、SCMP、Reuters 和 CNBC 的各家报道，把这则公告视为足够重要、因而受到全球媒体密切跟进的事件（视频）。
Dell Technologies 让硬件叙事始终与企业需求挂钩。简介概述了 Jensen Huang 关于 AI 工厂、加速基础设施以及计算架构正在被实时重塑的看法，这让芯片故事更像是一次整个平台的建设，而不是某家厂商的新奇发布（视频）。
讨论要点： Huawei 页面称，基于 tau-scaling 的高端芯片预计到 2031 年将达到 14 A 等效晶体管密度；与此同时，Dell 的表述也把直接的商业含义讲清楚了：如果 AI 工厂成了新的默认形态，那么系统架构和计算底座就会变成一级战略决策。
与前日对比： 与 2026-05-30 更强调延迟、电力压力和基础设施瓶颈相比，今天的硬件故事更具体了。这条信息流现在不只是把问题指向这些约束，也开始把它们和一个拟议中的后摩尔架构答案配对起来。
1.4 创作者 AI 正收敛为可复制的无人出镜视频生产系统 🡖¶
创作者 AI 仍然很显眼，但重点已不再是泛泛的平台巡礼，而是生产线式的操作手册。3 条内容支撑这一主题：Malva AI 聚焦免费和低价的视频生成路径，Money Degree 把 AI 视频做成了一个无人出镜频道的操作系统，Unseen Tech 则承诺几分钟产出 100 条视频。关键变化是，重点已经从试验转向可重复的规模化产出。
Malva AI 把成本控制放到了创作者栈的中心。视频涵盖免费的 Seedance 访问、草稿模式、声音生成、图生视频、首尾帧动画，以及一种先用不同免费点数池、再转入 Higgsfield 处理高级镜头的工作流。链接中的 Higgsfield 页面 又把这条工作流延伸到 Seedance 2.0、Adobe 插件、预设、画布和自动化层（视频）。
Money Degree 把“无人出镜生意”这套叙事推到了最强。简介依次讲解频道命名、搭建、创意生成、单提示词成片、剪辑、SEO、缩略图生成和上传优化，并明确把 SJinn、ChatGPT 和 Google Flow 列为核心技术栈（视频）。
Unseen Tech 把这套工作流拆解成批量生成组件。简介把观众引向一份提示词文档、一个 Chrome 扩展、一个自定义 GPT 和 ElevenLabs 配音，并把整个方法打包成“几分钟就能做出 100 条 AI 视频”的主张（视频）。
讨论要点： 创作者栈越来越比拼编排能力，而不是某个单一模型彻底胜出。Google Flow 现在把 Omni、Veo 3.1、Nano Banana、一个智能体以及可复用工具整合进同一个创意工作室，SJinn 则把自己定位成一个同时覆盖图像、视频、音频和 3D 生成的统一界面。
与前日对比： 与 2026-05-30 相比，创作者 AI 又往前走了一步，离“有趣的新工具”更远，离明确的无人出镜频道生产系统更近。这一主题仍在，但更偏战术层面，排序也更靠后。
2. 令人困扰的问题¶
会隐藏链接并代替用户执行操作的搜索让人难以信任¶
这是高严重度问题，因为仍有 4 个不同频道把它放在核心位置。TechLinked、SomeOrdinaryGamers、Deep Humor 和 Techlore 都认为 Google 以 AI 为先的搜索改动削弱了可见性和用户控制权，而 Techlore 给出的应对不是去挽救默认体验，而是转向替代搜索引擎和 bangs。当前的应对行为，是立刻切换引擎并采用隐私搜索的操作手册。这非常值得直接围绕它构建产品。
AI 经济账和基准测试说法持续过不了现实检验¶
这是高严重度问题，因为证据同时来自财务和方法论。Silicon Money 称，公司在取消数据中心、重新雇回人工，并眼看 AI 预算失控膨胀；Theo - t3.gg 则说，直到 DeepSWE 提供了无污染任务和基于行为的验证，基准测试的说法都带有误导性。当前的应对行为，是先持怀疑态度、人工审计，再要求更贴近真实工作的评估，团队才愿意相信那些亮眼数字。这非常值得直接围绕它构建产品。
芯片进展仍受制于物理、电力和架构极限¶
这是高严重度问题，因为即便最乐观的硬件视频，也都是先承认那堵墙的存在。Two Bit da Vinci 说，晶体管缩小已经快没有空间了，并把 LogicFolding 视为回应；Cyrus Janssen 说，制裁迫使中国走上了不同的半导体路径；Dell Technologies 则始终把企业叙事锚定在 AI 工厂和加速基础设施上。当前的应对行为，是重新设计架构、做协同优化，以及持续增加基础设施支出，而不是指望轻松的线性扩展。这值得围绕它构建，但它高度依赖资本。
创作者 AI 仍意味着点数套利和东拼西凑的生产栈¶
对创作者生意来说，这是高严重度问题，因为这些乐观视频本身都高度依赖权宜方案。Malva AI 带着观众在免费点数池、草稿模式和模型跳转之间穿梭，Money Degree 把频道搭建、提示词、剪辑、SEO 和缩略图生成压缩成一套无人出镜视频工作流，Unseen Tech 则再叠加一份提示词文档、一个 Chrome 扩展、一个自定义 GPT 和 ElevenLabs 配音，用来批量生产结果。当前的应对行为，是不断在不同工具、提示词和定价漏洞之间来回切换。这值得围绕它构建产品，但赛道已经很拥挤。
智能体产品仍把复杂性藏在易上手背后¶
这是中等严重度问题，因为痛点看得见，但今天的证据没有搜索或创作者簇那么厚。Thomas Adams 表示，即便是在入门指南里，记忆和提示词结构也很重要；Julia McCoy 推销 Hermes 时，主打的也是一键访问和即时生产力。Low Level 又给出了一个高播放量、措辞直白的抱怨标题，却没有太多操作细节，这本身就说明挫败感很广泛，但仍缺乏足够的观测与度量。这值得围绕它构建，尤其是在可观测性和安全护栏方面。
3. 人们期望的功能¶
让来源可见、用户意图明确的搜索助手¶
TechLinked、Deep Humor 和 Techlore 都指向同一个实际需求：AI 帮助不该用不透明的代办去取代链接发现。紧迫性很高，因为用户已经开始转向 DuckDuckGo、Brave、Bing、Startpage、Kagi、SearXNG 和 Mojeek，而不只是停留在抱怨。现有替代方案填补了部分缺口，但迁移体验仍然很碎片化。机会类型：直接。
面向 AI 落地的基准测试与支出控制层¶
Silicon Money 和 Theo - t3.gg 暗示，缺的是同一层：能看清 AI 系统是否真的在省钱、以及基准测试胜利能否迁移到真实工作的工具。DeepSWE 说明市场对更可信评估的胃口有多强，而 Silicon Money 则展示了团队先信宣传叙事、后补现实账会有多贵。机会类型：直接。
后摩尔时代的芯片与基础设施规划工具¶
Two Bit da Vinci、Cyrus Janssen 和 Dell Technologies 都指向一种更好的方式，在 AI 增长撞上物理极限时，去建模架构取舍、电力需求和系统协同优化。这是大型建设方的实际需求，但比本报告里其他纯软件机会更慢，也更吃资本。机会类型：愿景型。
统一提示、剪辑和分发的创作者工作台¶
Malva AI、Money Degree 和 Unseen Tech 都指向一个清晰愿望：有一个界面能同时管理提示词、点数、生成、配音、剪辑、SEO 和导出，而不是逼着创作者在几个互不相连的工具间来回切换。这是立刻可见的实际需求，因为今天的权宜方案本身已经很像生产流程。机会类型：竞争型。
把一键上手和可度量可靠性结合起来的智能体界面¶
Thomas Adams、Julia McCoy 和 Low Level 表明，用户希望智能体既容易开始，也更容易信任。现有界面在安装和上手上解决得比可观测性、恢复和评估更快。机会类型：直接。
以数据为中心的物理 AI 机器人平台¶
Forbes 暗示，需要有工具和服务让灵巧数据采集、具身预训练和评估更容易搭起来。这个需求是真实存在的，但路径比上面的软件机会更慢，也更偏运营，因为它依赖硬件、现场测试和部署伙伴。机会类型：愿景型。
4. 使用中的工具与方法¶
| 工具 | 类别 | 评价 | 优势 | 局限 |
|---|---|---|---|---|
| Google 以 AI 为先的搜索 / 自动化浏览 | 搜索界面 | (-) | 把 AI 答案和代办操作放进同一个默认流程 | 多位创作者说它会隐藏链接、削弱控制权，并把用户往外推 |
| DuckDuckGo / Brave / Startpage / Kagi / SearXNG / Mojeek 迁移手册 | 搜索方法 | (+) | 恢复可见链接、隐私导向选项和 bangs 等技巧 | 分散在不同引擎里，仍需要用户主动切换 |
| DeepSWE | 编程基准测试 | (+) | 无污染任务和基于行为的验证，更像真实工作 | 终究还是基准测试，团队仍得把结果映射回自己的代码库和成本容忍度 |
| Tau Scaling / LogicFolding | 半导体架构 | (+/-) | 给出一个横跨器件到系统的具体后摩尔扩展方案 | 仍很早期、硬件密集，外部也难以独立验证 |
| AI 工厂 / 加速基础设施 | 基础设施策略 | (+/-) | 把计算、网络和系统设计视为一个统一的平台问题 | 让资本开支、电力需求和运维复杂度持续居高不下 |
| Hermes / Abacus AI Agent | 托管智能体 | (+/-) | 无需安装即可访问应用托管、文档/幻灯片/视频、任务、桌面助手和 CLI | 产品覆盖面很广，但可靠性证据比便利性叙事更薄 |
| Seedance 2.0 + Higgsfield | 创作者视频工作流 | (+) | 便宜试错，支持声音、图生视频、预设、插件和更高质感的镜头路径 | 点数、赞助和平台条款都可能很快变化 |
| Google Flow / Omni | 创作者平台 | (+/-) | 在一个工作室里整合 Omni、Veo 3.1、Nano Banana、智能体支持、编辑和可复用工具 | 界面很广，工作流反而更难一眼看清 |
| SJinn + ChatGPT + Flow 单提示词工作流 | 无人出镜频道方法 | (+/-) | 把选题、生成、剪辑和优化压缩成可重复执行的手册 | 更偏向速度和分发，而不是原创性或防御性 |
| 自定义 GPT + Chrome 扩展 + ElevenLabs 批量视频工作流 | 批量视频流水线 | (+/-) | 批量产出很快，脚本、生成和配音模块划分清晰 | 多工具串联提高了脆弱性和平台合规风险 |
| Generalist 的灵巧数据路径 | 机器人训练栈 | (+) | 把机器人看成数据和预训练问题，而不是硬件选美 | 数据采集、硬件和部署仍然缓慢且昂贵 |
整体情绪最积极的，是那些能把可理解性找回来或降低单位成本的方法：替代搜索路径、更现实的基准测试，以及创作者路由栈，都比默认界面给人更多控制感。最明确的负面情绪，则集中在 Google 以 AI 为先的搜索行为，以及那些经不起运营审视的 AI 支出叙事上。迁移路径也很清晰：从默认搜索转向专门搜索引擎，从孤立的创作者工具转向打包的工作流栈，从排行榜话术转向基于行为的评估。
5. 人们在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| DeepSWE | DataCurve | 带公开排行榜的长周期软件工程基准测试 | 解决已经饱和或受污染的编程基准测试高估真实世界表现的问题 | 113 项任务、91 个仓库、5 种语言、行为验证器、mini-swe-agent 测试框架 | Beta | 站点, 视频 |
| Huawei Tau Scaling / LogicFolding | Huawei | 用时间尺度和多层协同优化取代单纯几何缩小的半导体路线图 | 应对 AI 芯片在后摩尔时代的性能和密度极限 | Tau Scaling、LogicFolding、UnifiedBus、器件到系统的协同优化 | Alpha | 站点, 视频 |
| Abacus AI Agent / Desktop | Abacus AI | 托管式通用智能体和桌面助手 | 消除编程、文档、浏览和自动化等智能体工作流的本地配置摩擦 | 托管式智能体、任务与触发器、桌面助手、编程 CLI、智能体式浏览 | Beta | 页面, 视频 |
| Google Flow 创意工作室 | 面向视频和图像生成并支持自然语言编辑的 AI 创意工作室 | 减少创意、生成、编辑和可复用创作者工具之间的交接成本 | Gemini Omni、Veo 3.1、Nano Banana、智能体支持、工具构建器 | Beta | 站点, 视频 | |
| Higgsfield 创作者栈 | Higgsfield | 带有生成、插件、预设和编排能力的 AI 视频/图像平台 | 降低 AI 视频生产的成本和协调负担 | Seedance 2.0、Adobe 插件、Supercomputer、预设、画布、营销工作室 | Beta | 页面, 视频 |
| SJinn 无人出镜视频工作流 | SJinn | 与 ChatGPT 和 Flow 搭配使用、面向无人出镜历史频道的 AI 内容创作界面 | 加快从选题到可发布素材的频道生产 | SJinn、ChatGPT、Google Flow | Beta | 站点, 视频 |
| Generalist GEN-1 | Generalist | 围绕灵巧数据和面向物理工作的智能层构建的具身 AI 系统 | 解决机器人数据瓶颈，而不只是改进人形机器人硬件 | 专有硬件、灵巧数据、具身预训练、智能层 | Alpha | 视频 |
DeepSWE 和 Huawei Tau Scaling 表明，最有意思的一部分构建活动，并不是又一个应用壳层，而是面向度量的基础设施和面向后摩尔硬件的基础设施。前者试图用更难的公开任务把编程智能体区分开来；后者则试图在单靠晶体管缩小已撑不起全部进步时，继续推动芯片演进。
Higgsfield、Google Flow 和 SJinn 正从不同角度解决同一个创作者问题。Higgsfield 强调编排和插件，Flow 强调集成多个 Google 模型并支持工具构建的创意工作室，而 SJinn 则被当成无人出镜频道操作系统中的一个组件。反复出现的触发点是工作流铺得太开：创作者想要一个既能保住速度、又不用手工把半打产品缝在一起的统一界面。
Abacus AI Agent / Desktop 和 Generalist GEN-1 处在当前 AI 市场的两端。一个把数字智能体的便利性打包进各种桌面和网页任务；另一个则通过数据和训练基础设施去攻克具身 AI 的进展瓶颈。它们合在一起说明，开发者的精力有很大一部分正投向打包、度量和底层瓶颈，而不只是新的终端聊天界面。
6. 新动态与亮点¶
搜索反弹在最初公告窗口之后仍未消退¶
值得注意的，不是 YouTube 抱怨了一次 Google 搜索，而是同样的抱怨连续第二个报告日都排在首位。TechLinked、Deep Humor 和 Techlore 都把这个问题当成主要故事，而不是顺带一提的抱怨；Techlore 还把这波反弹变成了一份具体的切换菜单。
基准测试的现实性成了创作者和开发者媒体都看得见的话题¶
Theo - t3.gg 并不只是抽象地抱怨评估；他把观众引向了 DeepSWE，并把它描述成一个围绕长周期软件任务和基于行为验证构建的基准测试。这很重要，因为对基准测试的批评已经不再局限于研究圈子或基准发布帖的评论线程里。
Huawei 给硬件讨论提供了一个具体的后摩尔叙事¶
Two Bit da Vinci 和 Cyrus Janssen 都把 Huawei 的 tau-scaling 公告描述成半导体领域一个有意义的转折点，而链接中的 Huawei 页面 又补充了围绕 LogicFolding 部署和未来晶体管密度目标的具体说法。这个信号之所以值得注意，是因为它把硬件讨论从泛泛的短缺叙事推向了一个真正的替代性扩展论点。
创作者 AI 教程收敛到了生产线式语言¶
Malva AI、Money Degree 和 Unseen Tech 卖 AI 视频时，强调的都是吞吐量、成本控制和可重复性，而不只是创意新奇感。最明显的变化是，“一个提示词”“免费且无限”“几分钟 100 条视频”现在都成了核心产品信息。
智能体内容比起工程导向，更转向产品导向¶
Thomas Adams 和 Julia McCoy 对智能体仍表现出强烈兴趣，但今天那些细节更充分的公开证据，讲的是记忆、入门和免安装访问，而不是深度的生产经验。这之所以值得注意，是因为重心已经从运营纪律转向了包装和分发。
7. 机会在哪里¶
[+++] 来源可见的搜索与研究导航 —— 证据来自对 Google 以 AI 为先的搜索行为 的反复反弹、Techlore 迁移指南 里明确的切换建议，以及 Deep Humor 总结 中那种“用户正在流失”的表述。这是强机会，因为痛点具体、用户语言急迫，而且人们描述的已经是主动切换行为，而不是被动不满。
[+++] AI 落地问责：成本、评测与 ROI 度量 —— Silicon Money 提供了成本和失败案例，Theo - t3.gg 和 DeepSWE 则显示市场对更现实度量的需求。这是强机会，因为需求同时跨越财务和工程，而当前的权宜方案主要还只是怀疑加手工检查。
[++] 面向无人出镜视频生意的创作者工作流编排 —— Malva AI、Money Degree、Unseen Tech、Higgsfield、Google Flow 和 SJinn 都指向同一个缺口：创作者想要一个可理解的界面，能同时处理提示词、生成、剪辑、配音、点数和分发。这属于中等机会而不是强机会，因为赛道已经很拥挤，但需求很明显。
[++] 带可观测性和安全护栏的智能体入门 —— Thomas Adams 强调记忆和提示词结构，Julia McCoy 强调免安装的便利性，而 Low Level 则表明挫败感依然很普遍。这属于中等机会，因为需求很清晰，但今天的证据更多说明了需求形状，而不是某个已经胜出的方案。
[+] 后摩尔芯片与电力规划工具 —— Huawei 的 tau-scaling 公告、Two Bit da Vinci 的解读 和 Dell Technologies 对 AI 工厂的表述 都暗示，市场需要帮助建模架构、延迟、电力和基础设施取舍的工具。这更像正在浮现的机会，因为需求真实存在，但它成本高、专业性强，而且主要集中在更小的一批构建者身上。
[+] 具身 AI 数据基础设施 —— Forbes 对 Generalist 的介绍 认为，灵巧数据和具身预训练才是机器人进展真正的瓶颈。这更像正在浮现的机会而不是强机会，因为信号虽然清晰，但仍集中在少数高投入、重资本项目里。
8. 要点总结¶
- 搜索信任问题仍是 YouTube 上反复出现的最大 AI 话题。 最强证据来自 TechLinked、Deep Humor 和 Techlore，它们都把 Google 的搜索行为当成主要故事，而不是顺带一提的抱怨。(来源)
- 围绕 ROI 和基准测试可信度的 AI 讨论变得更尖锐了。 Silicon Money 聚焦被取消的项目和失控的支出，Theo - t3.gg 则认为，只有当 DeepSWE 开始强调无污染、经行为验证的任务时，编程基准测试才重新变得有用。(来源)
- 硬件报道比“多买一些 GPU”更具体了。 Two Bit da Vinci 和 Cyrus Janssen 都把 Huawei 的 tau-scaling 和 LogicFolding 叙事放在中心，Dell Technologies 则继续把企业焦点放在 AI 工厂和加速基础设施上。(来源)
- 创作者 AI 正被整合成无人出镜频道系统。 Malva AI、Money Degree 和 Unseen Tech 都在用成本控制、吞吐量和可复用工作流来销售 AI 视频，而不只是强调创意新奇感。(来源)
- 人们对智能体的兴趣仍然很高，但今天的详细公开证据更偏向易用接入，而不是深度工程。 Thomas Adams 聚焦设置和记忆，Julia McCoy 则用一键 Abacus 访问和快速产品化来包装 Hermes。(来源)