模力工场 020 周 AI 应用榜：灵臂 Lybic 登顶榜首，榜单聚光“Agent 原生工作基建”！

模力工场新鲜事

• 上周，模力工场对 AI Infra 相关工具进行了系统梳理，并将其定义为：“AI Infra 不是单一技术，而是一整套让 AI 真正运行起来并实现规模化落地的基础设施组合，涵盖从 GPU → 数据 → 模型 → MLOps → LLMOps → 部分开发基础设施。”

目前，模力工场已完成 49 款 AI Infra 工具的上线。欢迎访问模力工场的 AI Infra 标签专区，查漏补缺，看看有哪些你熟悉或尚未了解的 AI Infra 工具。同时也欢迎大家将自己了解的工具上传至模力工场，试用平台上已有的 AI Infra 工具，并在评论区分享你的使用心得与看法。

• 11 月 22 日，模力工场携多款上榜应用亮相杭州 AI 开源生态大会。主论坛特邀知名院士、业界科学家、社区代表及全球开发者，分享行业洞见与实践经验，更有 N 场技术干货分享蓄势待发。

大会现场，模力工场不仅设有上榜应用展台，还将带来精彩的分论坛分享。欢迎加入模力工场杭州 AI 开源生态大会交流群，亲临现场，与上榜应用开发者面对面交流、打卡互动～

• 模力工场秋季赛进行中，本周榜单如下，恭喜各位上榜的同学！完整榜单见模力工场网页端或小程序端秋季赛区域。

020 周榜单总介绍

模力工场 第 020 周 AI 应用榜来啦！

本期周榜的开发者上传应用把「让 AI 真正落地到人和业务里」这件事，往前推了一小步。

从灵臂 Lybic 让智能体学会“看懂并操作任意图形界面”，到 TDgpt 用“一行 SQL”就能驾驭时序算法，再到 AskTable 让企业成员在熟悉的表格里对话数据，本期前三款几乎串起了智能体从“操作界面 → 算法引擎 → 数据洞察”的完整链路，是非常典型的 Agent × 数据 × 工作流 组合。另一方面，EduNest 把视角拉向全球知识协同，让知识流动不再被地域和语言束缚，而 folib 则从工程底座入手，为 AI 研发提供统一的软件制品库，让“为 AI 开发而重构工程生产线”变成现实选项。

如果说上一阶段还在讨论“大模型能做什么”，那本期周榜已经给出一个更明确的答案：谁能把智能体接上真实界面、真实数据和真实工程体系，谁就更接近下一轮生产力红利的入口。

• 灵臂Lybic 📍北京: 软件开发、工作效率类, 专为智能体设计的图形界面系统，让智能体像人一样「看懂并操作任意图形界面」

• TDgpt 📍北京: 数据分析、其他类, 零门槛！一行 SQL 即用 TDgpt，算法切换不改程序，开源支持 + 云服务零投入，让时序数据智能触手可及。

• 察言观数 AskTable 📍杭州: 数据分析、工作效率、产品插件类, 企业级 AI 数据表格智能体平台，让每个人都能轻松、愉快地从数据中获取洞察

• EduNest 📍瑞士: 教育学习、社交社区、工作效率类, 全球知识共创社区，让知识被看见、被理解、被分享

• folib 📍苏州: 软件开发类, Folib for Ai ,一个为 Ai 研发转型而生的全语言软件制品库！

• Figma: 设计创意类, Figma 是一款基于云的协作式设计工具，支持实时协作、原型设计与团队评审。集成 AI 功能，提升设计效率，适用于 UI/UX 设计、交互原型及多场景创意协作。

• Milvus: AI Infra 类, Milvus 是一个高性能、可扩展的开源向量数据库，专为处理大规模非结构化数据的相似性搜索而设计，支持多种部署模式与混合查询。

• Grok 4 系列: AI Infra 类, Grok 4 是 xAI 推出的前沿大语言模型，宣称截至 2025 年 7 月为全球最智能模型，支持高阶对话、推理与多模态交互，适用于复杂任务处理与 AI 应用开发。

• Weaviate: AI Infra 类, Weaviate 是一个开源的 AI 原生向量数据库，支持语义搜索、检索增强生成（RAG）和智能 Agent 工作流，助力开发者快速构建可扩展的 AI 应用。

• Claude Code: 软件开发类, Claude Code 是一款命令行驱动的智能编程助手，支持功能构建、代码调试、代码库导航与自动化任务执行，深度集成开发流程，提升编码效率。

榜首应用开发者 Q&A

本周模力工场助手小 A 采访了榜一应用 灵臂 Lybic 的开发者，带来七个快问快答。

开发者简介：团队汇集庭宇科技各成熟业务线的核心产研骨干，成员曾任职于百度、阿里、Zoom 等知名企业，均拥有 5-10 年云原生产品开发实战经验，兼具成熟业务打磨的落地能力与大厂技术沉淀的专业功底。

灵臂 Lybic 是什么：灵臂 Lybic 代表了为智能体提供基础支撑能力的一次跃迁。它摒弃了传统的 API 集成和脚本编码模式，通过视觉智能也就是图形界面识别理解能力，模拟人类“看懂屏幕”的认知逻辑，直接在图形用户界面（GUI）层进行理解与交互。

这种“所见即所控”的能力，使得灵臂 Lybic 平台能够无视操作系统与应用程序间的壁垒，实现真正的零侵入、自适应、全平台兼容操作能力，在云端为各类智能体应用构建起高效、稳定的执行环境。

小 A：如果用一句话向外行解释，Lybic 在解决什么问题？

灵臂 Lybic 开发团队：一句话就是，你把它想象成给智能体准备的一台“虚拟电脑”，AI 进去以后能看到界面、理解界面，并把工作做完。

小 A：为什么 API、脚本这些传统方法不够用了？为什么要做能看懂界面的执行底座？

灵臂 Lybic 开发团队：原因很简单，现实世界的系统太多太杂，没法都用 API 或脚本搞定。举个非常典型的例子：一个公司可能同时使用 Windows 客户端软件、Android App、内部老系统、浏览器工具、Excel、ERP、CRM 甚至一些十几年没更新的系统，其中 90% 都没 API，也没文档。脚本和 RPA 则非常脆弱，按钮位置改一点就全挂。

所以你想让 AI 真正参与工作，就必须有这么一层能力，也就是 Lybic 的定位——给 Agent 一个“可操作的现实环境”，让它像人一样完成任务。

小 A：能举个具体例子说明“点按钮”和“看懂界面”的差别吗？

灵臂 Lybic 开发团队：差别其实很大。“点按钮”= 记住位置，比如“往右上角点一下”，任何界面变化、分辨率变化都会导致失败。

“看懂界面”= 理解含义，比如它知道，这个区域是“日期选择器”、这个按钮是“导出”而不是“打印”、这个弹窗是“权限不足”、这个红色提示代表“报表生成中断”、这个表格是“订单列表”，不是“客户列表”。

举个简单的例子：人能分清“下单按钮”和“删除按钮”，传统 RPA 不行，Lybic 里的智能体是可以理解差别的，这意味着它不是在“执行脚本”，而是在“读懂界面，再决定下一步怎么做”。

小 A：目前 Lybic 最契合的三个场景是什么？

灵臂 Lybic 开发团队：

（1）企业内部运营流程自动化，就是把那些每天“重复点几十次”的任务交给智能体做。类似于下载数据、整理 Excel、上传系统、填表、跑流程、跨系统搬数据……以前这些任务全靠人，现在智能体在沙盒里就能完成，而且更稳定。

（2）出海营销 / 内容采集类场景：比如，抓 TikTok / YouTube 热点、抓评论、抓素材、监控投放数据、生成每日报告……这些平台很难用爬虫抓，用脚本容易封号，但用云手机 + 视觉操作就稳得多。

（3）IT 和工业运维：典型任务包括系统巡检、割接通知、监控页面异常、收集日志、执行定期任务……这些都发生在特定界面里，逻辑固定但要求稳定。智能体在 Lybic 的沙盒里执行，可以做到 7×24 小时不出错。

小 A：有没有让你印象深刻的真实用户反馈？

灵臂 Lybic 开发团队：最常听到的一句反馈是：“这不是 RPA，这是一个能自己判断的数字员工。”很多用户一开始以为 Lybic 是高级脚本或 RPA。但当智能体在 Windows 和 Android 之间来回切换、能识别弹窗、能自己找按钮、能判断异常、能重试，他们意识到这是另一类东西。有用户说：“我们第一次觉得 AI 不是在‘给建议’，而是真的在‘干活’。”这也是我们认为这条路是对的原因。

小 A：未来 1–2 年 Lybic 会重点做什么？最不妥协的是什么？

灵臂 Lybic 开发团队：

未来两年有三个核心方向：

（1）把“看懂界面”做到更强、更稳、更泛化，包括多窗口、多软件、多系统、复杂界面、弹窗处理、长流程稳定性。这决定了智能体是否能承担真正的业务。

（2）把 Lybic 打造成“智能体的标准执行层”，无论你用什么模型、什么 Agent 框架，只要需要执行任务，都能直接接入 Lybic：Windows 沙盒、Android 沙盒、浏览器沙盒、执行日志、审计、安全、权限，让开发者不再关注底层环境，只关注任务本身。

（3）把企业级需求做到极致可靠，包括：稳定性、异常恢复、长任务不中断、数据安全可控、私有化部署，企业愿不愿让 AI 执行真实流程，取决于这五件事。

最不妥协的一件事：稳定性。

因为执行不稳定，所有能力都是幻觉。智能体要成为“数字员工”，前提是“你把任务交给它，它一定能帮你完成，这是我们未来最核心、也最不妥协的方向。

来自上周榜一应用 LifeContext 开发者的问题：你们团队是如何区分⽤户想要的和⽤户真正需要的？有没有⼀个具体的机制或⽅法论，来帮助你们挖掘出那些连⽤户⾃⼰都⽆法清晰表达的“潜在痛点”

灵臂 Lybic 开发团队：我们靠 “场景倾听 + 数据拆解 + 小步验证” 的三层逻辑来区分：先通过深度沟通听用户 “想要什么”，再用行为数据拆解背后诉求，最后做最小化功能验证。从 “表面想要” 挖到 “潜在需要” 的核心。

小 A：您最想将模力工场推荐给身边的谁？

灵臂 Lybic 开发团队：我觉得模力工场其实更像 AI 时代的 “万能工具箱 + 精选货架”—— 就像大众点评能满足不同食客的需求，它完全适配所有人：既给普通用户准备了拿来就用的落地应用，也给专业开发者提供了开发组件、基础设施平台这类硬核工具。不管是想省时间的职场人，还是想快速落地项目的技术团队，每个人都能在上面精准找到自己需要的东西。

留给下周榜一应用开发者的问题：你们在开发这款应用过程中遇到的最大的挑战或者困难是什么，最终如何解决的？

本周必试应用

应用名称：察言观数 AskTable

关键词：AI 数据表格智能体 / 企业级数据洞察 / 零门槛看数

小 A 推荐：还在让数据同学帮你导数、做报表？直接在表格里对话提问就能拿到图表和结论，是把「会看表格的人」升级成「会用 AI 做决策的人」的那类产品，值得亲手上手感受一下工作流被 AI 改写的感觉。

上榜冷门但有趣的应用：

应用名称：EduNest

关键词：全球知识共创社区 / 学习者社交 / 多语言内容互译与重构

小 A 推荐：它不是传统意义上的“工具”，更像一个把论文、笔记、课程重新拆解、翻译、讲清楚的知识社区——你既可以用 AI 帮你理解别人的知识，也可以把自己的理解“教给世界”，适合慢慢逛、顺手挖到意料之外的灵感和人。

本周上榜应用趋势解读

本周模力工场榜单的关键词是——“Agent 原生工作基建”。

这五款应用，几乎都是在回答同一个问题：如果默认未来的主角是智能体（Agent），那人和企业的“工作基建”要长成什么样。界面层：灵臂 Lybic 让 Agent 能看懂、点得动各种图形界面，相当于给智能体装上“眼睛 + 手”。算法 & 时序层：TDgpt把复杂时序算法封装到“一行 SQL 可用”，让 Agent 能随时调用专业的时间序列能力。数据交互层：AskTable把数据智能塞进表格，让“对表格说话”变成默认接口，人和 Agent 共用一套数据舞台。知识与社区层：EduNest把全球知识变成可以共创、重写、再解释的素材库，是 Agent 和人共享的知识土壤。工程底座层：folib 用全语言软件制品库重构研发流程，让 AI 时代的开发和复用变得更顺滑。

包括本周模力工场对 AI Infra 工具的整理和入库都在集体预演一个图景：当 Agent 成为默认同事，我们今天搭建的这些界面、数据、知识和工程底座，都会变成它们的“办公楼、水电网和工具间”。

最后再介绍一下模力工场的上榜机制和加入榜单的参与方式，欢迎大家继续积极参与提交 AI 应用：

模力工场AI 应用榜并非依靠“点赞刷榜”，而是参考以下权重维度：

• 评论数（核心指标，代表社区真实反馈）

• 收藏与点赞（次级指标）

• 推荐人贡献（注册推荐人可直接为好应用打 Call）

加入榜单的参与方式：

• 如果你是开发者：上传你的 AI 应用，描述使用场景与核心亮点；

• 如果你是推荐人：发现好工具，发布推荐理由；

• 如果你是用户：关注榜单，评论互动，影响榜单权重，贡献真实声音。

One More Thing，对于所有在模力工场上发布的 AI 应用，极客邦科技会借助旗下各品牌资源进行传播，短时间内触达千万级技术决策者与开发者、AI 用户：

• InfoQ 全媒体矩阵

• AI 前线全媒体矩阵

• 极客时间全媒体矩阵

• TGO 鲲鹏会全媒体矩阵

• 霍太稳视频号