Zilliz把一个很有意思的工具开源了：Open Tag 试图把类似 Claude Tag 的团队协作体验，带给普通 Claude 和 Codex 用户。它的价值不只是“又多了一个开源项目”，而是把 AI 从个人聊天窗口继续往团队工作流里推了一步。与此同时，开发者把无限画布塞进 Codex，让 AI 改图可以跟着箭头、批注和位置标记行动；闲鱼上大量 AI 账号、额度、Skill 和咨询服务被转卖；更多 App 也开始把自己的服务做成 Skill 或 MCP 能力。几条消息放在一起看，AI 应用正在从单点工具，进入协作层、操作层和民间接入层同时扩张的新阶段。
这轮变化的重点不是某个模型参数又提高了多少，而是谁能把模型能力放进真实任务里，并且让更多人用得上、接得住、管得住。开源协作工具解决的是团队入口，画布插件解决的是多模态操作精度，Skill 生态解决的是服务连接，灰色转卖市场则暴露出正式供给和真实需求之间的缝隙。AI 产品的下一步竞争，很可能不只发生在模型发布会上，而会发生在每个团队的 Slack、代码仓库、设计画布、办公软件和本地脚本里。
开源协作入口
Open Tag 借鉴 Claude Tag 的协作形态，让普通 Claude 和 Codex 用户也能在类似 Slack 的环境里组织 AI 工作。对很多团队来说，这类工具的吸引力并不在于“聊天更方便”，而在于任务可以被看见、被分配、被接续。过去一个人和 AI 的对话往往沉在个人窗口里，别人不知道它做了什么、卡在哪里、结果是否可靠；一旦协作入口被统一，AI 就更像一个可以被团队调度的执行节点。
开源这件事本身也很关键。企业采购正式 AI 工具时，常常会遇到权限、成本、数据边界和流程适配问题。开源版本虽然不等于开箱即用的企业级系统，但它给了开发者和中小团队一个改造空间：可以接入自己的模型、改权限逻辑、适配内部流程，也可以把 AI 任务放进已有的开发和客服协作链路。AI 工具如果只停留在封闭产品里，扩散速度会受限；一旦出现可改造的开源协作底座，生态会更快长出本地化、垂直化和半自动化的使用方式。
从聊天到操作
另一个值得注意的变化，是 AI 正在离开纯文本框。网友基于 tldraw 改造出的 Cowart 本地无限画布插件，让 Codex 能理解画布上的箭头、批注和位置标记，从而按用户标注精确改图。这类能力看似偏创作者工具，实则代表了一种更通用的交互方向：人不用把所有意图翻译成冗长文字，而是可以在界面上圈出来、指一下、写几句批注，再让 AI 接手执行。
这会明显降低复杂任务的沟通成本。设计修改、网页调整、流程图整理、产品原型迭代，很多需求本来就不是线性文字能讲清楚的。过去用户经常要反复解释“左上角那个按钮再往右一点”“这个区域别动，只改下面的图标”，AI 也容易改错位置。画布、批注、代码和模型连接起来之后，AI 执行的粒度会更接近人的真实表达方式。它不只是生成内容，而是在一个可视化工作空间里理解上下文、定位对象、完成修改。
Skill生态加速连接
如果说 Open Tag 解决的是团队如何协作，Cowart 解决的是人如何更自然地下达操作，那么 Skill 和 MCP 生态解决的就是 AI 如何连接真实服务。餐饮、出行、办公、金融、娱乐等国民级 App 开放能力后，AI Agent 不再只是回答“应该怎么做”，而是有机会直接进入订餐、订票、查询、报销、总结、支付前准备等流程。入口一旦打通，AI 的价值就会从信息咨询转向任务完成。
不过，生态连接并不等于万事大吉。不同 App 的权限边界、调用范围、失败回滚和用户确认机制都需要重新设计。一个能查天气或总结文档的 Agent，和一个能替用户下单、改行程、转移资金的 Agent，风险等级完全不同。真正成熟的 Skill 生态应该让用户知道 AI 正在调用什么、会产生什么后果、哪些步骤必须人工确认。否则，连接越多，误操作和安全事故也会越多。
民间需求正在外溢
闲鱼上出现大量 AI 账号、额度、Skill、定制咨询和营销活动转卖，说明 AI 服务的真实需求远比正式渠道呈现得更复杂。有人买低价会员，有人买海外工具额度，有人买提示词和自动化脚本，也有人把厂商活动快速拆成可转售商品。这不是一个值得鼓励的灰色现象，但它非常值得观察，因为它暴露了正式产品在价格、区域、支付、使用门槛和稳定性上的缺口。
对 AI 厂商来说，灰色市场不是简单封禁就能完全解决的。只要用户强烈需要某种能力，而官方渠道又太贵、太慢、太复杂或覆盖不到，民间接入层就会继续生长。更健康的路径，是把入门价格、团队额度、开发者接口、教育计划和合规代理机制做得更清楚，让需求回到可管理的正规渠道。否则，用户会继续在二级市场里寻找“能用就行”的替代方案，而厂商既损失收入，也损失对安全和体验的控制。
企业落地看治理
这些变化对企业用户的启发很直接：不要只问“哪个模型最强”，还要问“它能不能进入我们的流程”。一个团队真正需要的可能不是单个聊天机器人，而是一套可协作、可审计、可接入业务系统、可回滚错误的 AI 工作层。开源工具可以降低试错成本，画布和工作台可以提升表达效率，Skill 能力可以连接业务动作，但所有这些能力都必须被权限、日志、审批和数据隔离包住。
中小团队可以先从低风险场景开始，例如内部知识整理、代码审查辅助、设计稿批注、客服草稿、会议纪要和运营素材生成。等流程跑顺之后，再逐步接入工单、项目管理、数据查询和轻量自动化。对有自建能力的企业，私有化部署、开源工具改造和本地模型路由会变得更重要；对没有技术团队的公司，则需要选择能把权限和服务边界讲清楚的平台。
下一步竞争在工作流
AI 行业已经不缺会聊天、会写代码、会生成图片的模型，真正稀缺的是能在真实工作流里稳定完成任务的系统。Open Tag 这类开源协作工具、无限画布式交互、App Skill 生态和民间接入层同时升温，说明用户正在把 AI 往更具体的地方推：不是陪聊，不是炫技，而是改文件、接流程、协作交付、解决真实问题。
接下来，AI 产品的差距会越来越体现在“最后一公里”。谁能让任务更好分发，谁能让 AI 看懂人的标注和上下文，谁能把外部服务安全接进来，谁能把失败处理和人工确认做扎实，谁就更有机会从工具变成基础设施。模型能力仍然重要，但它只是发动机；真正决定用户留存的，是这台发动机能不能装进一辆可靠的车，并且每天都能开上路。
