AI 工具产品日榜：Context.dev、Vida 与 Pulpie 抢占工作流入口

截至 7 月 7 日 08:00，Product Hunt 的 7 月 7 日当日页还没有新帖，本期实际覆盖 7 月 1 日至 7 月 7 日 08:00 之间可核验的 AI 应用产品动态；中文公开渠道这一轮更多是活动预告、泛新闻和二手合集，未找到足以进入 TOP 5 的具体新产品详情页。1

假设你在做一个 AI 应用，需要让模型「实时读网页」——比如用户问「帮我查一下这家公司最近的动态」，模型得先能把网页内容抓下来、过滤掉导航栏和广告、变成干净的文字再喂给 AI。Context.dev 做的就是这件事，一个 API，把任意网页变成模型能直接用的结构化数据。3

它排第一，是因为这个需求非常硬，而且已经有 5,000+ 个用户在付钱用了。开发者自己搭一套爬虫、反反爬、清洗栈，少则两周，还要持续维护；Context.dev 帮你省掉这些，直接调接口拿结果。

风险在哪：这是一个技术壁垒相对低的基础设施。Firecrawl、Jina Reader、Apify 都在做类似的事，巨头（比如 Google、OpenAI 自己的搜索能力）随时可以顺手覆盖这个需求。Context.dev 的护城河现在更多是「用起来顺手」和「数据整洁度」，而不是别人做不到的独占能力，长期差异化还没讲清楚。

Pulpie 的问题可以这样理解：你拿到一个网页，里面 70% 是导航、广告、侧栏和页脚，只有 30% 是正文。如果你要训练一个 AI，或者用 RAG（让 AI 搜网页后回答问题），你需要把那 70% 的噪音去掉。Pulpie 就是专门做这件事的小模型，而且做得便宜——同样的工作，官方测算成本是同类方案的 1/20。5

对大多数人来说，这是一个「感知不到但一直在用」的基础件。你用 AI 搜索、AI 文摘时，背后的清洗层很可能就是 Pulpie 这类工具在工作。

风险在哪：基准测试只跑了英文网页，中文、日文、复杂单页应用的效果没有验证数据。更大的担忧是：网页抽取是一个谁都在做的问题，主流框架（LangChain、LlamaIndex）都有内置方案，Pulpie 要赢的条件是「比内置便宜足够多、准确足够多」——这在规模上去之前很难证明。目前 HN 的 80 分热度，更多说明开发者觉得有意思，不代表已经在生产环境里依赖它。

Vida 的想法是：让 AI 学你平时怎么工作，然后在你没开口之前就帮你做好。比如你每天早上都要整理邮件、每次开会前都要准备 brief，Vida 理论上能观察这些规律，自动帮你跑完。首批上线了 5 个用例：帮你起草邮件回复（Reply Rescue）、修你写的 Prompt（Prompt Rescue）、整理简历（Resume Rescue）、清理工作区（Workspace Cleanup）、每天给你来一份总结（Daily Wrap）。7

这个方向听起来吸引人，也是很多人对 AI Agent 最直觉的期待。

风险在哪：「学习你的习惯」是这类产品最难兑现的承诺。现有 5 个用例里，Reply Rescue 和 Daily Wrap 其实 ChatGPT Plus 加几个插件就能做到，差距不在能不能做，在于做得是否足够顺滑、是否真的不需要你提示。目前 673 followers，没有看到任何关于「学了用户习惯后真的减少了多少操作」的公开数据。个人 Agent 领域有 Google 的 Notebook LM、苹果的 Apple Intelligence，都在试图做同样的事但手头数据更多——Vida 的长期留存是个大问号。

销售团队有个非常具体的痛点：每天在 Salesforce、Gmail、Gong、HubSpot 之间来回切，要自己记哪个客户快要流失了、哪个 deal 卡了多少天、明天开会之前要准备什么。Needle 把自己放在 Slack / Teams 里——你不需要打开新工具，它在你每天已经开着的地方，主动提醒你「这个 deal 停滞了 12 天」「下午的电话可以带上这份资料」。8

2,200 个 Product Hunt followers 和已经接入 HubSpot、Gmail、Gong，说明它至少在认真搭集成层，不是一个展示 demo 的早期产品。

风险在哪：Slack 和 HubSpot 自己都在做 AI 功能，Salesforce 的 Einstein 更是押注多年。Needle 的生存空间依赖于这些大平台的 AI 能力永远「不够好」或「贵得用不起」。另外销售主管有时候不希望 AI 主动提醒所有人流程问题——这种主动式工具推进销售团队时，人的接受度是个隐患，不是技术问题。

这是本期最 ToC、最日常的产品。场景非常具体：你有多少个正在扣费的订阅你自己说不清楚，Netflix、Spotify、哪个 SaaS 工具的年费、忘了的 7 天试用——CentryAI 扫你的 Gmail 或 iCloud 邮箱，把这些扣费全找出来，还帮你找到每个服务的取消入口。不需要绑定银行卡，选择扫邮件而不是账单，降低了数据敏感度。9

省钱是最直观的用户动机，不需要教育市场。

风险在哪：邮箱授权是这个产品最大的信任门槛——谁来读你的邮件，读了之后存没存，这件事对很多用户是本能反应的红线。「不存储邮件」这个承诺目前只是官方自述，没有第三方审计。同时，Gmail 和苹果自己也在做账单管理功能，一旦系统级入口有了类似能力，CentryAI 的用户迁移成本几乎为零。现在只有 315 followers 和 1 条评价，属于非常早期，还没有任何真实规模的留存数据。

本轮没有找到 Feyn Labs 创始人的完整访谈，因此不把这部分包装成访谈。可用的一手材料是 Feyn Labs 的技术长文和 HN Show HN 原帖。长文署名 Bhavnick Minhas 和 Shreyash Nigam，发布于 2026 年 6 月 25 日；HN 原帖在 7 月 7 日 00:04 进入 Show HN，标题是「Pulpie - Models for Cleaning the Web」。45

他们的核心判断很直接：网页抽取不是小工具问题，而是模型数据质量问题。训练阶段，脏 HTML 会把广告、导航和结构噪音带进语料；推理阶段，RAG 或网页搜索把无关段落塞进上下文，也会拖低答案质量。Pulpie 要解决的不是「把网页转 Markdown」这么简单，而是便宜、快速、稳定地找出网页里的主内容。5

Pulpie 的产品路径是典型的开发者工具打法：先把模型和 pip 包放出来，让用户用 pip install pulpie 直接处理 HTML，再用 Hugging Face 模型页承接开源分发。官方文档显示，默认模型是 Pulpie Orange Small，用户也可以选择 base 或 large。5

增长上，它适合从三类用户扩散：做预训练数据清洗的团队、做 RAG / 搜索上下文的团队、以及维护网页抓取管线的开发者。HN 的 80 分和 19 条评论不是爆款级热度，但对这类底层工具已经足够说明早期开发者愿意讨论它。4

公开材料没有披露 Pulpie 的收费方案，因此不能直接写成已经商业化。更合理的判断是：开源模型负责获客和建立可信度，Feyn 后续可以围绕托管抽取 API、大规模批处理、监控 dashboard、企业私有部署和数据质量评估收费。

这个方向的付费理由成立，因为成本差异足够大。官方测算显示，Pulpie Orange Small 在 L4 上清洗 10 亿页约需 20,300 GPU-hours，成本约 7,900 美元；Dripper 在同一硬件上约需 408,000 GPU-hours，成本约 159,000 美元。只要客户真的在清洗十亿级网页，节省的成本可以直接覆盖软件和服务费用。5

Pulpie 的短板也很清楚。第一，官方重点指标来自 WebMainBench English 子集，中文、复杂前端页面和需要登录的内容还需要单独验证。第二，训练标签来自 DeepSeek V3.2 和 Dripper 的交叉校验，这能提高一致性，但也可能继承两类标注器的偏差。第三，网页抽取牵涉 robots、版权、站点政策和企业合规，模型效果好不等于所有抓取场景都能放开使用。5

这几天的 AI 应用层有一个明显分化：一边是 Context.dev、Pulpie、Needle 这类面向开发者和企业流程的工具，卖点是节省工程、人力或销售时间；另一边是 Vida、CentryAI 这类个人应用，卖点是替用户记住、整理、取消和跟进。前者更容易先拿到 B2B 收入，后者如果能做出高频留存，增长天花板更高。

中文侧本轮没有进入榜单，不等于没有动态。36 氪近期材料更多指向 WAIC 2026、产业落地案例和 AI 产品首发预告，适合后续在大会临近时作为国内应用线集中跟踪；本期还不到把活动预告拆成具体产品排名的时候。10