AI 工具产品日榜：Clark、ZooData 与 STEPX Neo争夺 Agent 入口
本期从 Product Hunt、Hacker News 与 WAIC 现场筛出 Clark、ZooData、STEPX Neo、Crux、Wolbarg，帮助读者判断哪些产品已经能用、哪些仍停留在样机或开发者验证阶段。
今日判断
本期覆盖北京时间 2026 年 7 月 17 日 08:00 至 7 月 19 日 08:00 的公开信号：Product Hunt 7 月 18 日发布页、Hacker News 近两天的 Show HN，以及 WAIC 2026 现场的国内产品动态。Product Hunt 的自然发布信号里，ZooData 获得当日第 1，Clark 第 2；本文没有把站内奖项直接等同于最终排名，而是把可直接试用、任务是否清楚、商业化是否成形和风险一起计入排序。1 2
今天最值得看的变化，是 AI 产品开始分成两条路：一条把模型变成能真正执行工作的「同事」，另一条争夺手机、浏览器和数据接口这些更靠近现实世界的入口。国内的 STEPX Neo 还没有进入正式销售，但它已经把「模型公司为什么要做终端」这个问题摆到台面上。
| 排名 | 产品 | 用大白话看 | 获取与成本 | 一句话判断 |
|---|---|---|---|---|
| 1 | Clark | 把浏览器、文件、终端和代码环境交给一个能持续工作的 AI | 有网页、移动端、Clark Code 和 API；个人与团队价格按地区结算，页面未给统一公开价 | 最接近「交代任务后回来收结果」的通用 Agent，但权限和用量成本都要盯紧 |
| 2 | ZooData | 把网页和电商信息整理成 Agent 能直接读取的结构化数据 | 1,000 个免费 credits；API、CLI、MCP 均可用，按调用预付 credits | 解决的是 Agent 的「看不懂网页」问题，价值清楚，但数据质量决定上限 |
| 3 | STEPX Neo | 让手机里的 Agent 直接读信息、办事务和调用应用 | WAIC 展示的是未定型样机，价格和正式上市时间尚未公开 | 国内最完整的一次 AI 原生终端尝试，但现在更像生态验证而不是可购买商品 |
| 4 | Crux | 一个保留文件和上下文在本机的个人 AI 助手 | Mac Apple Silicon 与 Windows beta；页面显示一次性 10 美元 | 隐私和本地运行是卖点，能否覆盖普通人的高频任务仍待验证 |
| 5 | Wolbarg | 给多个 Agent 共享一份可搜索的长期记忆 | 开源 TypeScript SDK，npm install wolbarg；未见托管版价格 | 对多 Agent 开发者很实用，但离普通用户产品还有距离 |
1. Clark：把「聊天」改成「交付结果」
它解决什么问题
Clark 的目标不是回答一个问题，而是接手一项有多个步骤的工作。产品页列出的任务包括网页研究、建站、表格、演示文稿、审计和测试代码；它还有自己的浏览器、终端、文件系统与代码环境，可以把任务分给多个 specialist，按计划运行，并返回带证据的产物。3
官方页面把产品拆成两块：云端运行的 Clark Agent，以及在用户机器上运行的 Clark Code。入口还包括网页、手机和 OpenAI-compatible API。换句话说，它在同时争夺个人工作台、开发者代码库和企业嵌入式 Agent 三个位置。4
为什么排第 1
Clark 在 Product Hunt 7 月 18 日获得 Launch of the Day，产品形态也比单一的写作或编程插件更完整。1 对普通用户来说，最容易理解的价值是「把目标交代清楚，等待一个带文件和证据的结果」，而不是再学一套复杂工作流。
风险在哪
第一，权限边界比聊天机器人复杂得多：浏览器、文件、终端和代码库一旦连通，错误操作的代价也会上升。第二，Clark 的定价页只说明 Starter、Pro、Scale、Coder、BYOK 和 Team 等计划，最终价格与 credits 会在地区结算页加载，尚未形成一个所有人都能直接对照的统一价格表。5 这意味着真实成本要等任务量和模型调用跑起来后才能判断。
判断：真实需求存在，尤其适合研究、开发和运营团队；个人用户是否愿意长期支付，取决于它能否稳定完成整项任务，而不是偶尔演示一个漂亮结果。
2. ZooData：给 Agent 一层「能吃下去的数据」
它解决什么问题
让 Agent 直接阅读网页，常常会遇到两种浪费：原始 HTML 太乱，Markdown 又塞进大量无关内容。ZooData 的做法是把 URL 转成 agent-ready JSON，并提供 API、CLI 和 MCP server；产品方称这样可以减少约 75% 的 LLM tokens，并把 Amazon、TikTok 的竞品、市场、流量和消费者信息做成可调用的数据。6
它的官方入口还包括产品搜索、竞品分析、实时商品数据、历史趋势和市场分析 API，并声称提供实时数据与两年以上历史数据。这里的「75%」和数据覆盖范围都属于产品方自述，不应直接当成独立测评结论。7
为什么排第 2
ZooData 在 Product Hunt 7 月 18 日拿到当日第 1，产品的付费单位也很直白：1,000 个免费 credits 起步，之后按调用预付 credits，不按席位收费。2 8 这让它比「又一个 Agent 框架」更容易被开发者拿来做实际验证，例如先抓一个商品页，再让 Agent 做竞品比较。
风险在哪
结构化 JSON 只能解决「格式」问题，不能自动保证网页内容完整、更新及时或没有偏差。电商页面还涉及反爬、地区差异和平台规则；如果上游数据错了，Agent 会用更自信的方式把错结论讲出来。另一个风险是 credits 计费：单次调用便宜不代表多轮 Agent 工作流的总账单便宜。
判断：对做电商研究、价格监测和 Agent 应用的团队，需求比「把网页总结一下」更硬；对普通用户，它更像底层零件，不是每天会打开的消费应用。
3. STEPX Neo：模型公司为什么要亲自做手机
它解决什么问题
STEPX Neo 不是给现有手机加一个聊天入口，而是由阶跃星辰同时推出 STEPX 终端品牌、Step AOS 和个人智能体 Amoo。WAIC 现场报道显示，样机可以演示读取飞书未读消息和日历、调用携程预订酒店等跨应用任务；现场工作人员同时说明，设备仍不是完整版，外形也没有最终确定。9
创始人访谈摘要
印奇在 7 月 14 日接受《科创板日报》采访时说，亲自做终端的核心目的，是给 Step AOS 建立完整的价值闭环和数据飞轮。他的判断是：Agent 即便擅长写作和编程，如果没有 OS、应用生态和真实执行数据，在手机和 PC 上也很难真正变强。10
他没有把这条路限定成只卖一款手机。采访中明确表示，阶跃原有的 ToB 模式、为手机和车机 OEM 提供全栈 AI 能力的业务会继续；如果 Step AOS 和生态成熟，未来愿意把能力开放给更多硬件厂商。10
增长路径与商业模式
目前能看到的增长路径分三步：先用自有样机把系统、模型和 Agent 的配合跑通；再用「百日之约」打磨生态，邀请美团、支付宝、携程、滴滴、百度、京东等伙伴和 B 站创作者参与；最后把已经验证过的能力带给更多 OEM。这里的「百日之后」是发布方提出的计划，不是已经完成的交付结果。9
商业模式也还在定义中。印奇明确排除了单纯靠卖硬件和长尾应用预装广告，提出通过接口连接应用，并探索按服务分成的方式；同时保留原有 ToB/OEM 收入。这是一套方向性设想，当前没有公开售价、量产时间或服务分成的实际数据。10
风险在哪
STEPX Neo 目前不适合按「已上市手机」评价。样机未定型，价格和上市时间未公布；跨应用执行还要面对权限、误操作、隐私和责任归属。公司称产品通过了人工智能终端智能化分级 L3 测试，但这证明的是测试结果，不等于普通用户已经获得稳定体验。9
判断：它是今天国内最值得跟踪的 AI 应用产品信号，但现在更适合观察「模型公司如何争夺终端入口」，不适合给读者下购买建议。
4. Crux：把个人 AI 放回自己的电脑
它解决什么问题
Crux 是一个本地优先的个人 AI 助手，可以读取和分析文件、生成报告、修改代码和配置文件，也能处理聊天、邮箱以及远程驱动任务。官方页面强调，聊天、文件和上下文保留在本机，用户的数据归自己所有；它还提供 Overlay Mode 和 Live Assist Mode，并列出 WhatsApp、Telegram、Discord、GitHub、Notion、Canva、Google Workspace 等连接入口。11
为什么排第 4
Crux 的入口比企业 Agent 更轻：Mac Apple Silicon 和 Windows beta 页面显示一次性 10 美元，HN 的 Show HN 帖子也直接把它描述为「可以从任何地方访问的电脑个人 AI」。11 12 对重度电脑用户来说，本地文件和远程消息入口比再开一个聊天窗口更有吸引力。
风险在哪
「本地优先」不等于所有任务都完全离线。Crux 支持连接多个外部服务，也支持 OpenAI、Grok 等模型，实际数据边界、模型请求路径和第三方权限仍需要用户逐项确认。一次性 10 美元降低了试用门槛，但也意味着产品要靠持续使用而不是订阅收入证明留存。
判断：适合愿意管理权限、又不想把所有资料交给云端工作台的人；对不愿配置连接器的普通用户，使用门槛可能抵消隐私优势。
5. Wolbarg：多 Agent 终于有了共享记忆的轻量底座
它解决什么问题
多个 Agent 协作时，常见做法是各自保存上下文，或者用 JSON、Redis 和临时变量拼一层共享状态。Wolbarg 提供一个本地优先的 TypeScript SDK：一个 Agent 用
remember() 写入，另一个 Agent 用自然语言 recall() 找回；底层可以用 SQLite，也可以切换 PostgreSQL。13为什么排第 5
Wolbarg 的价值不是让 AI 变得更会聊天，而是让多 Agent 系统能持续记住项目、共享事实并处理并发写入。它在 HN 的 Show HN 帖子里公开解释了为什么先用 SQLite 做本地优先记忆，并把 PostgreSQL 仍然适用的场景写出来。14 官方还公开了 SQLite 与 PostgreSQL 的双后端基准，并明确区分 mock embedding 的存储测试和真实 provider 的端到端延迟。15
风险在哪
这些基准主要回答「存储和 SDK 跑得怎样」，不能直接推导出真实 Agent 工作流的整体速度。官方页面也说明，部分数字来自 mock embeddings；生产环境仍会受到模型供应商、网络和向量生成费用影响。对单 Agent、小项目或不需要长期记忆的应用，Wolbarg 可能只是多加了一层依赖。
判断：开发者可以直接安装验证，尤其适合本地优先和多 Agent 项目；它的真实护城河要看 API 是否稳定、社区是否增长，以及托管服务是否出现。
最后给一个选择建议
- 想把复杂任务直接交给 AI：先试 Clark，但从低权限、低额度任务开始。
- 想给自己的 Agent 接入网页和电商数据：ZooData 的免费 credits 足够做第一轮验证。
- 想跟踪国内 AI 终端：关注 STEPX Neo 的百日之后是否出现定型硬件、价格和可复现的跨应用体验。
- 想要本地个人助手：Crux 的一次性价格适合快速试用，但要逐项检查外部服务权限。
- 正在做多 Agent 系统：Wolbarg 可以从 SQLite 和开源 SDK 开始，不必先搭一套托管向量数据库。
今天的结论很简单：Agent 的竞争正在离开单一聊天框，进入任务执行、数据供给、操作系统和长期记忆。但真正能留下来的产品，仍要回答三个问题：用户能否低成本试用，出错后能否撤销，收费是否和实际价值挂钩。
Fuentes de referencia
Contenido relacionado
- Inicia sesión para comentar.
More from this channel
- AI 工具产品日榜：Fuzzy AI、Votito 与本地 AI 读写工具抢占最后一公里
- AI 工具产品日榜：Rewisp、Qwen 3.8 与 Shikigami争夺记忆、模型和代码桌面
- AI 工具产品日榜：Kimi K3、ChikitAI 与 Juggler抢占长任务、诊所和代码桌面
- AI 工具产品日榜：Verse、ClipMatch 与 Qoder把 Agent 推进邮箱、相册和代码库
- AI 工具产品日榜：Agentcard、ClawTeams 与 Klon AI 把 AI 推进交易、运营和身份
- AI 工具产品日榜：Osaurus、AgentKey 与 Knockoff 把 AI 拉回本机和购物车