產品獵人週報 2026-05-21：AI Agent 全面執行化、記憶層基礎設施崛起、Google Gemini Omni 搶攻影音

資料期間：2026-05-14 ～ 2026-05-21 來源：Product Hunt API、Hacker News、WebSearch

TL;DR：本週 Top 20 中有 18 個產品涉及 AI，但重點不在「AI 有多強」，而在「AI 開始幫你做事」——從打電話、管電商、自動交易加密貨幣，Agent 從輔助角色全面轉向執行者。同步崛起的是「記憶層基礎設施」，OpenHuman、Agentmemory、LobeHub 三個方向各自切入這個新競技場。Google 則在 I/O 2026 發布 Gemini Omni，讓任何輸入都能生成影片。

本週 Top 10 產品

#	產品	Upvotes	一句話	類別
#1	OpenHuman	614	本地優先、開源 AI agent，跨 118 個服務建立長期記憶	Open Source / AI
#2	Spellar 3.0	560	AI 會議夥伴，記住所有會議跨時間的脈絡	Productivity
#3	Naptick AI	536	智慧床頭 AI 睡眠裝置，無需手機介入	Health / Hardware
#4	PollyReach	528	讓你的 AI agent 擁有真實電話號碼自主打電話	AI Agent
#5	Fere AI	510	AI agent 自主執行加密貨幣與 Polymarket 交易	Fintech / Web3
#6	Vivago Video Agent	502	自然語言描述故事，AI 導演自動生成影片	Video / AI
#7	StoreClaw	491	電商 AI agent，自主分析數字並提案執行策略	E-Commerce / AI
#8	LobeHub	486	多 agent 協作平台，7×24 自主調度你的 AI 團隊	AI Infrastructure
#9	SocLeads 3.0	484	跨社群平台按地區爬取聯絡人郵件	Marketing
#10	HasData	442	為 AI agent 設計的 managed 網頁爬蟲服務	Data / AI

本週趨勢洞察

趨勢一：AI Agent 從「幫你想」到「幫你做」

這是本週最清晰的主線。市場已經不稀罕「AI 給你建議」了——現在的產品競爭是「AI 能幫你執行到哪一步」。

PollyReach：給你的 agent 一個真實電話號碼，讓它自動打電話訂餐廳、篩選來電、全程代接
StoreClaw：連接你的電商後台，自動分析銷售數字並提出可執行的增長建議，一鍵授權後自己去做
Fere AI：讀市場信號 → 建立交易策略 → 自動執行加密貨幣與 Polymarket 下注，24/7 不中斷

三個完全不同的垂直（通訊、電商、金融），但解題邏輯相同：把「人需要盯著才能做的重複性執行」外包給 agent。

這個趨勢有商業模式上的含義：過去的 SaaS 賣的是「讓你做得更快」，接下來的競爭是「你根本不用做」。前者按座位收費，後者按結果收費的空間更大。

趨勢二：記憶層基礎設施成為新競技場

AI agent 最大的工程問題不是智力，是記憶。本週三個方向各自切入這塊：

OpenHuman：本地優先 + 開源，跨 118 個服務建立你的個人記憶樹，GitHub 首週 8000+ Stars
Agentmemory：專注解決 Claude Code / Codex 的 context token 爆炸問題，92% 減少 token 用量，GitHub 已超過 13,000 Stars
LobeHub：將記憶和調度整合成「Chief Agent Operator」概念，69,400+ GitHub Stars，定位是多 agent 協作的基礎設施層

這三個方向代表三種不同的思路：個人記憶（OpenHuman）、工具記憶（Agentmemory）、團隊記憶（LobeHub）。對開發者而言，這是選型的岔路口；對投資人而言，記憶層可能是下一輪 infra 投資的主戰場。

趨勢三：模型競爭進入「性價比戰爭」

Cursor 的 Composer 2.5 這週在 HN 拿到 282 點、221 則留言，是所有 HN 討論中熱度最高的。關鍵數字：

SWE-Bench 多語言評分 79.8%，基本追平 Claude Opus 4.7 的 80.5%
定價：標準版 $0.50 / 百萬輸入 token，頂級模型的 1/10
技術底層：基於 Moonshot AI 的開源 Kimi K2.5，加上 Cursor 自訂的 RL 後訓練

這意味著：頂級模型的護城河不再是能力，而是生態和整合。獨立訓練的垂直模型開始在特定任務上比肩通用大模型，同時成本結構完全不同。

趨勢四：Google 重回戰場，Gemini Omni 瞄準影音入口

Google I/O 2026 的重磅發布。Gemini Omni 可以接受圖像、音訊、影片、文字的任意組合作為輸入，輸出一致性高的影片。HN 319 點、140 則留言，是本週社群熱度最高的大廠產品。

Flash 版本（10 秒影片）已向 Gemini AI Plus/Pro/Ultra 用戶推送，所有生成影片都嵌入 SynthID 浮水印。這個動作的戰略意義：Google 用影片創作作為 AI 訂閱服務的新黏著點，同時搶佔 YouTube Shorts 的 AI 生成內容入口。

焦點產品深度分析

#1 — OpenHuman｜你的 AI，只在你的機器上變聰明

An open source AI harness built with the human in mind

做什麼：本地部署的 AI agent 平台，跨越 118 個服務（日曆、郵件、瀏覽器、健康數據等）建立「記憶樹」，每次對話都累積而非重設。完全開源，無雲端依賴
商業模式：開源免費版 + 未來計畫推出雲端同步付費層
融資狀態：未公開融資
目標用戶：重視隱私、不想把個人數據送上雲端的技術用戶、創辦人、知識工作者
獨特之處：競品（ChatGPT、Gemini 等）的記憶是在廠商的雲端。OpenHuman 的記憶樹在你的本機，廠商看不到
創業啟發：「開源 + 本地優先」在 AI 時代的新定義——不是性能讓步，而是隱私和所有權的選擇。對有技術底子的創業者：有多少垂直場景可以用相同邏輯切入？
社群反應：GitHub 首週 8,000+ Stars，5,000+ 用戶，150% 週環比增長。PH 614 票是本週第一

Upvotes: 614 | Comments: 70

#4 — PollyReach｜把電話這個「AI 最後一哩」給打通

Give your agent a real number and voice to make calls.

做什麼：給你的 AI agent 一個真實電話號碼。你說「幫我預約今晚 7 點的餐廳」，PollyReach 自動找到餐廳號碼、撥打、處理對話、回傳摘要和錄音。也可以 24/7 接聽你的來電並過濾垃圾電話。支援 50+ 語言
商業模式：SaaS（個人版 + 企業版）
融資狀態：未公開融資
目標用戶：想自動化電話任務的個人用戶；需要大量外呼的 B2B 場景（預約、客服、篩選）
獨特之處：大多數 AI 電話工具針對企業 API 整合。PollyReach 從個人用戶視角出發，直接用自然語言指令驅動
創業啟發：AI agent 能在瀏覽器、搜尋、API 上大展身手，但「打電話」這個人類世界的接口一直是缺口。PollyReach 把這個缺口填上了。想一想你的垂直場景裡，還有哪些「只能打電話」的任務等著被自動化？

Upvotes: 528 | Comments: 151

#5 — Fere AI｜自動交易 Agent 走入散戶

AI agents that turn signals into crypto + Polymarket trades

做什麼：讀取市場信號（Twitter、Discord、Reddit、Telegram 情緒）→ 自動建立交易策略、設置停損 → 在 Ethereum、Solana、Base、Arbitrum、BNB Chain 和 Polymarket 上執行，全程 24/7，已處理超過 1,000 萬次自主 agent 行動
商業模式：SaaS 訂閱 + 未來計畫推出 API 供開發者建構自己的 agent
融資狀態：2026 年 4 月募得 $130 萬，領投方：Ethereal Ventures，跟投：Galaxy Vision Hill、Kosmos Ventures
目標用戶：想進入加密貨幣和預測市場但沒時間盯盤的散戶與研究者
獨特之處：競品是「加密貨幣研究助手」，Fere 直接跨到「執行層」，把研究、建倉、下單、監控串成一個閉環
創業啟發：金融 agent 的市場驗證信號：Ethereal Ventures 入場代表這個方向有機構背書。對創業者的啟示：「研究工具」和「執行工具」之間有一條鴻溝，跨過去的公司估值邏輯完全不同

風險提醒：自動交易涉及真實資金。Fere 的 agent 在無人監督下執行，市場異常時損失無法即時中止。這類工具需要充分理解後再使用。

Upvotes: 510 | Comments: 63

#7 — StoreClaw｜電商 AI Agent，從「建議你」到「幫你做」

Grow your store profits with agents that know how to sell

做什麼：連接 Shopify、Amazon、TikTok、Instagram、WooCommerce 等 14+ 平台，持續監控你的銷售數字、競品動態、庫存趨勢，主動提出可執行建議，你批准後自動執行
商業模式：免費版（Shopify、Amazon）+ 高級訂閱
融資狀態：未公開融資（2026 年 5 月 20 日官方 PR 發布於 GlobeNewswire）
目標用戶：中小電商賣家，特別是同時經營多平台、沒有完整數據團隊的獨立賣家
獨特之處：不是 BI 工具（給你看數據），也不是行銷工具（給你生文案）——而是從數字出發直接給出業務動作
創業啟發：SaaS 2.0 的形態：不賣席位，賣結果。「你根本不用做」這個 value prop 在電商場景有強大吸引力

Upvotes: 491 | Comments: 203

#8 — LobeHub｜多 Agent 協作的「Chief Agent Operator」

Your Chief Agent Operator for multi-agent work

做什麼：描述一個目標，LobeHub 自動組合合適的 agents、在雲端並行執行、跨 GPT/Claude/Gemini 等模型路由工作，只在需要決策時通知你（透過 Slack、Discord、Telegram）
商業模式：開源（LobeHub Community License） + 雲端 SaaS
融資狀態：未公開融資（但 GitHub 69,400+ Stars，300+ 貢獻者，2,400+ 次發布，是本週社群認可度最高的開源項目）
目標用戶：需要跑多個 AI 工作流的工程師、產品團隊、solo founder
獨特之處：「Chief Agent Operator (CAO)」這個定位很有意思——把 agent 管理類比成人力資源管理，讓非工程師也能理解多 agent 編排的價值
創業啟發：命名很重要。叫「multi-agent framework」沒人理解，叫「Chief Agent Operator」讓 PM 和 CEO 都能立刻抓住場景

Upvotes: 486 | Comments: 88

#14 — Composer 2.5（Cursor）｜用 1/10 的錢追平頂級模型

Cursor's most powerful model yet

做什麼：Cursor 的最新自研 AI coding agent，基於 Moonshot AI 開源的 Kimi K2.5，加上 Cursor 的 RL 後訓練。可跨多個文件寫代碼、執行終端命令、迭代修改，全程在 Cursor IDE 內完成
商業模式：整合在 Cursor IDE 訂閱中
融資狀態：Cursor 母公司 Anysphere 已知融資記錄（非本次發布直接相關，Composer 2.5 是模型升級）
目標用戶：使用 Cursor 的開發者
技術亮點：SWE-Bench 多語言 79.8%（Claude Opus 4.7 是 80.5%，幾乎並列）；定價 $0.50 / 百萬輸入 token，是頂級模型的 1/10
社群反應：HN 282 點、221 則留言——本週 HN 最熱的 AI coding 討論
創業啟發：Cursor 的動作說明：垂直場景下，開源底座 + 任務特化後訓練，可以在性價比上完全碾壓通用大模型

Upvotes: 393 | Comments: 12

#15 — PHBench｜用 7 年數據預測哪家新創能拿 Series A

Predict the next Series A from a ProductHunt launch

做什麼：分析 67,292 個 Product Hunt 上架產品（2019-2025），與 528 個驗證的 Series A 融資事件交叉比對（Crunchbase 數據），找出最能預測 Series A 的信號組合。最佳模型：4.7 倍於隨機的 lift
商業模式：開源資料集 + 公開 Leaderboard（phbench.com），訂閱每週高機率名單
融資狀態：未公開融資
目標用戶：早期投資人、孵化器、對市場信號感興趣的創始人
核心發現：「團隊規模 × 社群互動」是最強預測信號；B2B（API、支付、Fintech）轉化率是基準的 3 倍；PH #1 名的新創在未排名新創上的融資機率高 2.2 倍
創業啟發：這篇有同行評審的論文（arXiv 2605.02974）提供的數據，比任何「如何打 ProductHunt」的文章都更有說服力。如果你打算上 PH，PHBench 的信號清單值得參考

Upvotes: 388 | Comments: 48

#18 — Agentmemory｜讓 Claude Code 永遠不再失憶

Persistent memory for Claude Code, Codex & coding agents

做什麼：為 Claude Code、Codex、Cursor 等 AI coding agent 提供持久化記憶層。自動擷取每次 agent session 的關鍵資訊並壓縮，下次 session 注入相關 context。核心數據：同樣 240 次觀察，CLAUDE.md 需要 22,000+ tokens，Agentmemory 只需 1,900 tokens（省 92%）
商業模式：開源（100% open source，承諾永遠開源）
融資狀態：未公開融資
目標用戶：重度使用 Claude Code、Codex 等 AI coding agent 的開發者，特別是大型 codebase 用戶
社群反應：GitHub 已超過 13,000 Stars，本週躋身 GitHub Trending #1
獨特之處：對 Shareuhack 讀者尤其相關——這直接解決「AI coding agent 大型 codebase 記憶消失」的痛點

Upvotes: 314 | Comments: 38

#20 — Gemini Omni（Google）｜任何輸入 → 影片

Create anything from any input – starting with video

做什麼：Google I/O 2026 發布的多模態影片生成模型，接受圖像、音訊、影片、文字的任意組合輸入，輸出保持物理一致性的影片。Flash 版本（10 秒）已向 Gemini AI Plus/Pro/Ultra 訂閱者推送，同步整合 YouTube Shorts
商業模式：捆綁在 Google Gemini 訂閱服務內
融資狀態：Google 旗下，無需融資
社群反應：HN 319 點、140 則留言——本週大廠產品中 HN 熱度最高
獨特之處：所有生成影片嵌入不可見的 SynthID 數位浮水印，這是目前業界最完整的 AI 生成內容溯源機制之一
創業啟發：Google 在影音生成上的動作說明了戰線已開。對創業者而言：Google 進入的是「通用影片生成」，垂直場景（電商產品影片、教育、廣告創意）仍有差異化空間

Upvotes: 283 | Comments: 7

本週創業靈感

1. 垂直 Agent 電話服務

PollyReach 做了通用電話 agent，但每個行業都有它的「電話壁壘」——醫療預約、政府機關查詢、保險理賠、物業申請。你熟悉的行業裡，哪個場景的人們每週都在打同一類電話？

問題：重複性電話任務 + 專業術語門檻高
可能方向：深耕單一垂直（如醫療預約），比通用工具做更好的理解和對話品質
目標用戶：忙碌的 B2C 用戶；有大量外呼需求的小型服務業

2. AI 記憶層的 B2B SaaS 化

Agentmemory 目前是開源工具，沒有企業版商業化。在大型企業開始部署 AI coding agent 的場景下，「讓企業的 agent 記住 codebase 知識」是一個有 IT 預算可買的問題。

問題：企業 AI coding agent 在 sprint 之間記憶歸零，工程師反覆 onboard
可能方向：基於 Agentmemory 技術提供企業級 SaaS，加入權限管控、team memory 同步
目標用戶：使用 Claude Code / Codex 的工程 50-500 人的中型科技公司

3. 小電商的「無需 BI 的 AI 決策層」

StoreClaw 的方向對了，但市場下沉空間很大。月收入 10 萬台幣以下的電商賣家連 Shopify 的 analytics 都覺得複雜，但他們有最具體的「我不知道下週該補什麼貨」問題。

問題：小賣家數據存在各平台，沒有人力整合，只能憑感覺做決策
可能方向：超輕量版，只接一個平台，每週 LINE / 訊息給出 3 個具體建議（不是報表）
目標用戶：台灣 / 東南亞的中小電商，習慣用 LINE 溝通

風險揭露

AI Agent 執行化的監管空白：本週 Fere AI（自動加密交易）、PollyReach（電話代理）等產品都在沒有明確監管框架的灰色地帶運作。「AI 幫你打電話」在部分國家有電信法規問題；「AI 幫你交易」在多數司法管轄區有投資顧問牌照問題。這些產品有可能在技術上完成後被合規牆擋下。

記憶層競爭格局未定：OpenHuman、Agentmemory、LobeHub 三個方向都有大量 GitHub Stars，但商業化邏輯都還不清晰。開源記憶層的問題是：誰的「記憶格式」成為標準，誰就有護城河——但現在還看不出來誰會贏。

AI 影片的版權問題：Gemini Omni 的 SynthID 浮水印是溯源機制，但不能阻止版權侵害爭議。用 Gemini Omni 生成「接近某品牌視覺」的影片，責任歸屬仍是法律空白。商業用途前需要確認 Google 的使用條款。

「最強 PH 排名」不等於商業成功：PHBench 的數據顯示，PH 排名對 Series A 的預測 lift 只有 2.2 倍，而且整個數據集的 Series A 轉化率是 0.78%。本週上榜的多數產品，一年後存活率不高。每個在 PH 爆紅的 side project 都需要問自己：這是市場需求還是 PH 社群的趣味偏好？