这期先看了一批新孵化项目的分布——两百多个项目，技术栈高度一致：agent 一家独大，指数上秒掉所有别的方向。前两年那波区块链，全废了。
看一批孵化项目最有价值的地方，是它跟趋势高度相关——他们看中什么，本身就是信号。
这一批 260 个项目里：技术栈特别一致，agent 处于绝对主导地位，指数上秒掉其他所有方向。多模态有一点，但不多；前两年很火的区块链全都废了。
基础设施是个有意思的例外：做投资的人非常多，但真实的创业项目很少——因为这基本上是大厂的生意。
按领域分：最大的一块是软件开发——这帮程序员在拿 agent 把自己干掉。第二大是金融，这个挺出乎意料，金融领域确实有巨大量的创业公司。
这个方法很巧：不用外部知识库去核对，而是用模型自身对概念的理解来判断。
做法是对同一个问题做多个维度的采样，拿采样出来的片段回过头去问模型：这个片段支持刚才那句话吗？
举的例子是一句人物介绍：某人是意大利的职业球手、生于米兰、卒于某地。采样出几段之后，逐段去问「这段支持那句话吗」。
本质是 self-query——让它自己问自己，换多个维度反思一遍，看会不会出现冲突。有冲突，大概率就是幻觉。
这套方法后来被拿去做成了一个基准，用来评价别的方案。
有一条被反复提到的赛道：数据管道——原始数据怎么解析、怎么转化，变成大模型好用的数据。
老选手还是那几家做工作流调度和数据平台的；新出来的这一代直接把定位写成「让你的数据 RAG-ready」。
它开源了一个核心项目：预处理工具——把 PDF、HTML、Word 这些东西解析转换成优质的、模型能用的语料。
让人意外的是，这理论上应该算企业最核心的能力，他们却把它开源了。
商业模式看起来不是 SaaS，是纯 ToB、项目制的服务：你企业有多少数据，我帮你把它做成可用的形态。
这是一段方法论：不可能用一份 PPT 打天下——内容分属各个领域，客户想听的主题每次都不一样。
所以把长期整理的材料组件化：agent 与多 agent、评测、各类架构图、landscape 类的概览，每个领域画在对应的组件里。
要讲什么主题，就从组件库里挑几块拼成一份 PPT。
面向企业的那套内容也是按角色分层的：高管和管理者看的是一层，专业岗位看的是另一层，再加上模型与应用的安全合规；此外还有给人力、产研、用户体验这些部门的通用部分。