我自称每月花200美元用Clay而破产,于是自己造了个替代品。
摘要
作者构建了Frax.ai,一个AI智能体,通过阅读数百个网站来大规模进行真正的研究,从而取代Clay的数据丰富工作流,解决了丰富工具与实际研究需求不匹配的问题。
首先,我要说Clay确实是个很棒的产品,而且我并没有真的破产。这不是一篇抨击文章。但几个月下来,我每月支付200美元,却把一半时间花在管理积分使用和瀑布式数据丰富上,而不是做我真正需要的事情。我需要的不是数据丰富。数据丰富给你一个职位、公司规模、LinkedIn链接。我真正想要的是*调研*——我想让某个东西对着300家咖啡店的列表,读取每家网站,找出每家店在努力解决什么问题,然后告诉我该对他们说什么。这和使用数据丰富工具解决的问题不同。不是“在电子表格里填空”,而是“去互联网上阅读并思考”。于是我开始构建能完成这个任务的智能体。给它们一个列表,一个问题,它们就会去阅读数百个网站,然后带回真正的发现——引导式调研、市场调研,等等。不是个性化的开场白,而是大规模的实际研究。虽然还早且粗糙,但它已经取代了我之前付费的工作流程。如果有人也在为同样的问题苦恼,我很乐意分享我对Clay适用与不适用的场景的一些心得。它叫做[Frax.ai](http://Frax.ai)
相似文章
我厌倦了手动将 AI 回复复制粘贴到 Google 表格中,所以我构建了一个智能体来自动完成。以下是我的经验总结。
作者使用 Anthropic Agent SDK 构建了一个工具,可以自动在 Google 表格中完成研究任务,省去了手动复制粘贴 AI 回复的麻烦。该工具名为 Frax.ai,通过智能体执行浏览、阅读和提取信息等任务来填充表格单元格。
两个固定费用的代理端点,无令牌计量:OpenClaw 聊天($7/月,128K 上下文)+ All You Can Code($19/月,256K 上下文)。兼容 OpenAI v1。
OpenClaw 提供两个固定费用的 AI 代理端点:OpenClaw Chat($7/月,128K 上下文)用于通用代理,All You Can Code($19/月,256K 上下文)用于编程代理,两者均无令牌限制且兼容 OpenAI,部署在奥克兰的专用硬件上。
我的AI代理如何仅用0.20美元获取客户
一个名为Claw的AI销售代理,能将网站URL转化为完整的对外拓展流程,自动识别理想客户画像,发现具有购买意向的公司,并生成个性化的推广内容。
@DeRonin_:发现这些 GitHub 仓库后,每月在付费 AI 工具上省下 855 美元的生活
一条推文提到,通过发现可替代付费 AI 工具的开源 GitHub 仓库,每月节省了 855 美元。
AutoResearchClaw:自我强化的自主研究与人机协作
AutoResearchClaw是一个多智能体自主研究系统,通过结构化辩论、自我修复执行和人机协作来改进科学发现,在ARC-Bench基准上比之前的系统高出54.7%。