出差间隙的一次会面

主播晚醉在英国出差，展会之间留在当地见合作伙伴小樊，顺势录了这期节目，话题定在当时最流行的 AI 产品上。

从只会生成文本到多模态

小樊从自己读博期间使用大模型的经历讲起，回顾从 ChatGPT 只能问答，到能生成图片、视频的多模态阶段，并提到 Claude、OpenAI、Meta 各家模型各有侧重。

Agent 元年之后，巨头亲自下场

主播提到去年被称为 Agent 元年，今年大公司纷纷自己做 Agent。小樊用 Codex 举例说明 Agent 与对话式 AI 的差别：前者能按自然语言需求一步步做出完整 App，后者需要人从对话框里摘代码。Meta 的助手则偏向订餐、支付等个人生活场景。

小公司还有没有生存空间

主播抛出核心疑问：大模型越做越细、越贴近个人应用，做 AI 产品的小公司是不是没活路了。小樊认为不一定，关键看大模型目前还提供不了、或做得不如小团队的那部分功能。

从调格式的烦恼长出的产品

小樊介绍自己和国内同学合作的应用，起点是自己写 Word 文档时最烦的调格式问题。产品形态类似 Overleaf 工作台，有工作区、项目目录和大量模板，包括各类会议论文模板与简历模板，主要面向学术群体。

自研 WEX 语言与可复现编译

团队把 LaTeX 功能集成进来，同时自研 WEX 语言，用命令形式编辑 Word 文档，编译后直接生成排好版的 Word 文件并可反复修改。小樊强调可复现性：同一指令交给大模型结果会变，而这套流程输出稳定。

一个管全局的智能体

团队还做了一个小 Agent，能润色、翻译文字，也能按自然语言指令拆分过长文档，且拆分后仍可编译。它的作用范围覆盖项目区，可以打开模板中心、生成项目，属于全局智能体而非只面向文字编辑。

离线编译与数据不出本地

主播点出离线的重要性：质检部门、研究所不愿把重要数据交给公网大模型。小樊对比 Overleaf 需上传服务器编译，说明自家产品把编译核心打包，可本地离线编译，企业自部署的模型也能接入这个 Agent。

留下联系方式，面向海外研究机构

主播表示会把链接放在节目下方，欢迎尝试与合作，并特别提到海外研究机构、实验室对本地化、个性化 AI 工作流以及安全性的需求，可以后台私信联系。