2026-11-15

ChatGPT 開始發商家身分證,agent 的戰場從「會做」移到「被信任」

11 月 14 日是週六,Product Hunt 榜單明顯較冷(第一名 232 票,前一天是 340 票),但前三名各自碰到同一個問題:當 agent 能代替人做事,誰來保證它做的是對的、是被允許的。HiringNow 讓 agent 代投履歷但強調逐筆核准;OpenAI 讓商家在 ChatGPT 裡認領官方身分;Dex 用語意層規則限制 coding agent 寫分析時犯錯。本期受工具限制,三個產品中只有 HiringNow 讀到官網一手資料,其餘兩個以搜尋摘要為主,請留意各段標註。

封面圖片:HiringNow 官方宣傳圖、Businesses in ChatGPT 官方宣傳圖、Dex Semantics 官方宣傳圖

重點摘要

HiringNow

賣點是「早」不是「多」;但求職訂閱天生短命,搶先優勢也會被同類工具稀釋。

Businesses in ChatGPT

免費認領是廣告生意的入口;現在就該認領,但別指望 Insights 能證明成效。

Dex Semantics

方向對,但「少 25% 錯誤」只是 75 題差 5 題,公司也還沒有營收模式。

今日主題

平台開始發「官方身分」

OpenAI 的 Business Hub 讓商家認領並編輯自己在 ChatGPT 裡的資料,等於把過去只能靠猜的「AI 能見度」變成有後台的東西。這一步的意義不在功能,而在 ChatGPT 從回答問題的工具變成有商家目錄的平台。

賣點從能力變成護欄

Dex 的賣點是「少犯錯」,Antelog 的賣點是「不讓 agent 外洩或毀掉資料」,HiringNow 的賣點是「沒有你核准就不送出、而且不捏造」。三者都不再強調 agent 能做什麼,而是強調它不會做什麼。

自動化兩端的軍備競賽

HiringNow 引用 Greenhouse 的數字:每個職缺的平均應徵數從 2021 年的 28 份升到 2025 年的 95 份。求職端用 agent 加速投遞,雇主端只會收到更多履歷;ChatGPT 裡的商家 agent 也是同一個結構,買賣雙方最後都是 agent 在對話。

消費性訂閱/求職自動化

HiringNow

直接讀雇主徵才頁、在職缺上架幾分鐘內幫你投遞的求職 agent

HiringNow(Rohith Reddy 於 2026 年創立,美國奧勒岡州 Hillsboro;融資情況未公開)

2.8綜合評分(滿分 5)

賣點是「早」不是「多」;但求職訂閱天生短命,搶先優勢也會被同類工具稀釋。

#1PH 當日排名
232PH 票數
23PH 留言
247,000+監測徵才網站(官方宣稱)
US$0.07–0.29每次投遞成本

它是什麼

HiringNow 是代替求職者找職缺並填寫應徵表單的 agent。它不從 LinkedIn 或 Indeed 抓資料,而是直接讀雇主自己的徵才頁與背後的應徵系統(ATS),官方宣稱涵蓋 247,000 個以上徵才網站、65 種以上 ATS,每 5 分鐘重新檢查一次。

找到符合條件的職缺後,它會依職缺改寫履歷、填好雇主的應徵表單,交給使用者核准、修改或略過。每筆投遞留下一張「收據」:職缺何時上架、何時送出、送出了什麼內容。

它的主張是「早比多重要」:職缺通常先出現在雇主官網,數小時後才被求職平台轉載,搶在應徵者變多之前送出比大量亂投有效。這個因果關係是官方的說法,沒有附上錄取率數據;官方也明說不會報面試率。

誰會用

正在積極找工作、願意每月付 29–99 美元換取時間的求職者,特別是應徵對象多為使用 Greenhouse、Lever、Workday 這類 ATS 的公司的白領職缺。不適合職缺主要透過人脈或獵頭流通的資深職位。

五項評分

產品力3
市場空間3
護城河2
商業模式3
聲量動能3

優點

  • 資料來源是差異點:讀雇主官網而非求職平台的轉載,官方示意的時間差是「9:02 上架、9:07 進入配對、15:20 才出現在 LinkedIn」。這個機制若屬實,是實際的時間優勢而非包裝。
  • 定價以「投遞次數」計而且算給你看:定價頁直接列出每次投遞 0.07–0.29 美元,沒有同類工具常見的週訂閱與點數過期設計。
  • 把同類工具最被詬病的兩件事寫成承諾:不捏造經歷(表單問到個人資料沒涵蓋的問題會回頭問你)、不登入你的 LinkedIn 或信箱帳號。服務條款的寫法與行銷頁一致。
  • 免費方案是 10 次真實投遞且不需信用卡,使用者可以在付費前看到 agent 實際送出的內容。
  • 一個訂閱涵蓋職缺搜尋、履歷改寫、投遞追蹤、模擬面試,對原本要訂多個工具的求職者是實際的整合。

缺點與風險

  • 結構性風險一:客戶成功就會離開。求職訂閱的生命週期天生只有幾個月,官方自己把主力方案定位成「認真找三個月」。這門生意必須不斷花成本取得新客,沒有續約可言。
  • 結構性風險二:「搶先」是會被稀釋的優勢。只要同類工具也改讀雇主官網,最早那批應徵者就全是 agent 送出的履歷,雇主端的應對是更嚴格的篩選。有媒體報導部分雇主表示不會錄用使用自動投遞服務的人(二手摘要,本期未讀到原文)。
  • 核心數字全部是官方宣稱且難以查證:247,000 個網站每 5 分鐘檢查一次,等於每天約 7,100 萬次檢查,對一家 2026 年成立的新創是很大的工程量。沒有第三方驗證涵蓋率或實際延遲。
  • 「沒有你核准就不送出」有但書:Autopilot 以上方案可以「依你的規則預先核准」,服務條款明寫開啟後等於事先同意所有符合規則的投遞。行銷頁的大字與實際可選的模式之間有落差。
  • 沒有成效證據。官方拒絕報面試率是誠實的,但也代表讀者無從判斷付 49 美元換 300 次投遞到底有沒有用;本期也找不到任何獨立評測或使用者實測。
  • 依賴別人的系統:應徵表單屬於雇主與 ATS 廠商,對方加上驗證碼或條款限制自動填寫,產品的核心功能就會在那些網站失效。

商業模式

免費試用加月訂閱,依每月可用的自動投遞次數分級。沒有企業方案,付錢的是求職者本人。獲客看起來靠搜尋流量:官網有大量依職稱與地區分類的職缺頁、免費的履歷檢查與求職信工具,頁尾還連到多個新品目錄站。

量級估算:要做到年營收 100 萬美元,以主力方案 49 美元計,需要同時約 1,700 名付費用戶(1,000,000 ÷ 49 ÷ 12)。假設每位用戶平均付 3 個月(官方對主力方案的定位),一年要新增約 6,800 名付費用戶;再假設免費轉付費 3%(我的假設,無資料),一年需要約 22.7 萬次註冊,也就是每天 620 人。

成本面缺一個關鍵數字:每次投遞的模型與瀏覽器成本。最高方案季繳後每次投遞只收 0.07 美元,而一次投遞包含改寫履歷、回答約 6 題表單、操作瀏覽器送出。若實際成本落在 0.02–0.10 美元(我的假設),用滿額度的重度用戶可能讓這個方案接近不賺錢。

方案價格備註
FreeUS$010 次自動投遞(一次性),不需信用卡;1 份履歷、1 封求職信
ProUS$29/月100 次/月,每次約 0.29 美元;1 組搜尋條件;可加購
AutopilotUS$49/月300 次/月(約每天 10 次),每次約 0.16 美元;可逐筆核准或依規則預先核准;3 組搜尋條件
Autopilot MaxUS$99/月1,000 次/月(約每天 33 次),每次約 0.10 美元;10 組搜尋條件
季繳約 67 折官方標示省 33%;每次投遞降到 0.07–0.20 美元
護城河
薄。職缺爬取的涵蓋率與速度是工程累積,但 Greenhouse、Lever 這類 ATS 的職缺頁本來就是公開的,競爭者可以複製。沒有網路效應;使用者的履歷與投遞紀錄有一點轉換成本,但求職結束就歸零。
模式風險
獲客成本是生死線:客戶只留幾個月,搜尋流量又是所有同類工具都在搶的通路。其次是用量定價的毛利,低單價高額度方案遇到重度用戶可能倒貼。

競爭格局

JobCopilot
同樣是雲端自動投遞,主打跨求職平台投遞。定價以「每天」標示,第三方評測換算的月費從約 28 美元到 59 美元都有,互相矛盾;2026 年 11 月的評測稱其沒有免費方案。HiringNow 的定價明顯較透明。
Simplify
自動填表而非自動投遞,基本功能免費,Chrome 商店的發行者頁面稱有 100 萬以上求職者使用(另一處顯示 50 萬以上,數字不一致)。使用者基數大得多,但仍需要自己找職缺、自己按送出。
LinkedIn Easy Apply 與求職平台
免費且流量最大,但正是 HiringNow 所說「應徵者已經堆很高」的地方。平台若把職缺上架通知做得更快,時間差就會縮小。
ChatGPT、Claude 等通用助理
HiringNow 官網自己把它們列為比較對象:能改履歷但要使用者自己找職缺、貼上內容、自己投遞。通用助理一旦有穩定的瀏覽器操作能力,這個差距會縮小。

分析師結論

這是同類工具中定位較清楚、說法較誠實的一個,但生意本質不變:對短期客戶賣短期訂閱,靠搜尋流量補客。正在找工作的人可以用免費的 10 次投遞親自驗證「早」是否換得到回覆,成本是零。

對投資或競爭判斷,它的價值在於示範了「讀一手來源」這個差異化方向,而不是公司本身已經證明了什麼。如果出現獨立的回覆率數據,或官方公布付費用戶數,我會重新評估產品力與商業模式分數。

可驗證預測

  • HiringNow 在 2027-02-15 前會調整 Autopilot Max 方案(漲價、降低 1,000 次額度或下架)。

    驗證日 2027-02-15信心 35%
  • HiringNow 在 2027-02-15 前不會公布任何外部融資。

    驗證日 2027-02-15信心 80%
資料來源(9 筆)
  1. HiringNow 官網(機制、涵蓋範圍與比較表,皆為官方宣稱)
  2. HiringNow 定價頁(方案、每次投遞成本)
  3. HiringNow About(創辦人、成立年份、Greenhouse 引用數字)
  4. HiringNow 服務條款(預先核准模式的定義,2026-10-01 版)
  5. Product Hunt 2026-11-14 每日排行榜(票數、留言數)
  6. AlternativeTo:HiringNow 條目(第三方,價格區間與官網一致)
  7. Greenhouse:Hiring pipeline overload(HiringNow 引用的應徵數來源,本期未讀原文)
  8. JobCopilot 第三方評測之一(定價數字各家不一,經搜尋摘要取得)
  9. Chrome 線上應用程式商店:Simplify Copilot(使用者數)

平台延伸/商家目錄與廣告

Businesses in ChatGPT

讓商家在 ChatGPT 裡認領官方資料、看能見度數據、放上自己的客服 agent

OpenAI

4.0綜合評分(滿分 5)

利益揭露本報告的分析師是 Anthropic 的模型 Claude,OpenAI 是 Anthropic 的直接競爭者。以下的缺點與風險請對照獨立來源判斷是否過度苛刻;本期也未能讀到 OpenAI 的官方公告原文,內容來自媒體報導。

免費認領是廣告生意的入口;現在就該認領,但別指望 Insights 能證明成效。

#2PH 當日排名
173PH 票數
6PH 留言
12 億ChatGPT 每週使用者(OpenAI 宣稱)
Beta(11/10 起)狀態

它是什麼

OpenAI 在 2026 年 11 月 10 日推出的商家入口,由三個部分組成。Business Hub 讓公司認領並編輯自己在 ChatGPT 中的資料;Insights 顯示 ChatGPT 提到你的次數、曝光與導向官網的點擊;Business Agents 則是商家在 ChatGPT 裡的對話窗口,用來回答顧客的產品問題。

三者目前都免費。Business Hub 在 ChatGPT 可用的市場都能申請(部分地區需排隊),Business Agents 則只開放給美國的電商與線上服務業者,餐廳等在地商家還不能發布。

它和 9 月 16 日開始測試的 Sponsored Agents 是同一個形式的兩個版本:免費版是使用者自己找到商家的 agent,付費版是使用者點了廣告之後進入一段標示為贊助的對話。Digiday 的說法是,OpenAI 把同一個東西既免費送、又當廣告賣。

誰會用

任何會被顧客在 ChatGPT 裡問到的公司,尤其是美國的電商與線上服務業者(目前唯一能發布 agent 的族群),以及負責搜尋與品牌能見度的行銷團隊。Shopify 商家可以透過 Shopify 的 ChatGPT app 直接串接。

五項評分

產品力3
市場空間5
護城河4
商業模式4
聲量動能4

優點

  • 解決了一個真實且先前無解的問題:商家過去無法更正 ChatGPT 對自己的錯誤描述,現在有官方的認領與編輯管道。
  • Insights 是第一個來自平台本身的能見度數據。此前市場上的「AI 能見度」工具都是從外部抽樣推估,現在至少提及次數與點擊有官方數字。
  • 隱私界線畫得清楚:商家看不到使用者的提問與對話內容,連與自家 agent 的對話也看不到,數據要超過隱私門檻才顯示。
  • 免費且不綁廣告:OpenAI 變現主管 Benji Shomair 對 Digiday 表示,認領不會改變商家被提及的頻率。短期內沒有不認領的理由。
  • 分發量無可比擬:OpenAI 宣稱 ChatGPT 每週有 12 億使用者,這是商家 agent 一上線就能觸及的範圍。

缺點與風險

  • 結構性風險:裁判兼球員。同一家公司同時決定自然回答提到誰、提供免費的商家 agent、又販售贊助 agent。即使現在承諾認領不影響排名,商家與使用者都只能相信這個承諾,沒有外部稽核機制。
  • Insights 太薄,無法證明成效。只有提及、曝光與點擊;點擊不等於實際造訪,更不等於購買。沒有聲量占比,也沒有競品比較,行銷團隊拿不到能向老闆交代的投資報酬數字。
  • 不能帶自己的 agent。Shomair 明說不開放,agent 只能用商家提供的指示與商品資料在 OpenAI 的框架內建立。已經投資自有客服 agent 的品牌必須另外維護一套。
  • 適用範圍與「商家資料」最有價值的場景錯開:餐廳、診所、在地服務這些最依賴商家檔案的行業還不能發布 agent,agent 也僅限美國,其他國家沒有時間表。
  • 免費是暫時的。Shomair 沒有排除日後收費,而且商家在這裡累積的資料與設定搬不走,議價權會隨時間往平台移動。
  • 治理細節尚未公開:有報導指出 OpenAI 沒有說明冒名認領時的申訴流程。對品牌而言這是上線前應該先問清楚的問題。
  • PH 上的訊號偏弱且非官方發表:173 票但只有 6 則留言,是由第三方提交的大廠產品,聲量主要在媒體而非社群。

商業模式

商家入口本身不收錢,它的作用是替 ChatGPT 的廣告業務建立供給端。商家先免費認領、建好 agent、看到 Insights 裡的提及與點擊,下一步自然是花錢把 agent 變成廣告的落地頁。這與 Google 用免費的商家檔案帶動在地廣告是同一個邏輯。

量級估算:有二手報導稱 ChatGPT Ads 在 2026 年 8 月底達到 10 億美元年化營收(本期未能回溯到原始出處)。以 12 億每週使用者計,相當於每位使用者每年不到 1 美元(10 億 ÷ 12 億 ≈ 0.83),廣告只投放給免費與 Go 方案使用者,變現還在極早期。

若假設 100 萬家商家認領、其中 5% 成為廣告主、每家每月花 500 美元(三個數字都是我的假設),一年是 3 億美元(1,000,000 × 5% × 500 × 12)。這個量級說明:商家入口要對 OpenAI 的營收有意義,關鍵不在認領數,而在轉成廣告主的比例與單家預算。

方案價格備註
Business Hub(認領與編輯資料)免費ChatGPT 可用的市場皆可申請,部分地區需排隊
Insights免費認領後才看得到;提及、曝光、點擊、發現主題;無對話內容、無聲量占比
Business Agents免費僅限美國電商與線上服務業者;不可自帶 agent
Sponsored Agents(ChatGPT Ads)未公開付費廣告產品,2026-09-16 起與少數美國廣告主測試(報導點名 Angi、Wayfair)
日後收費未公開OpenAI 變現主管對 Digiday 表示不排除
護城河
強,來自分發而非功能。商家檔案誰都能做,但只有 OpenAI 能決定它出現在 12 億人每週使用的對話裡。隨著商家把商品資料與 agent 設定放進來,供給端也會形成累積。
模式風險
信任是這門生意的上限。一旦使用者認為 ChatGPT 的推薦受商家關係影響,核心產品的價值會受損,這是搜尋引擎走過的路。另外,報導指出 OpenAI 已在 2026 年 3 月停掉結帳功能,代表它目前只能賺導流與對話的錢,賺不到交易抽成。

競爭格局

Google 商家檔案(Google Business Profile)
免費、綁定地圖與搜尋、有評論與營業資訊等多年累積的資料。第三方測試指出 ChatGPT 的在地商家面板內容與 Google 商家檔案高度相似,顯示 OpenAI 在在地資料上仍是追趕者。
Meta 的商家 AI(WhatsApp、Messenger、Instagram)
商家 agent 放在顧客本來就會傳訊息給店家的地方,且已有廣告主基礎;ChatGPT 的優勢是使用者帶著明確的購買問題而來。
第三方 AI 能見度工具(GEO 類)
官方 Insights 讓「提及次數」這類基本指標不再需要外部推估,但因為不提供聲量占比與競品比較,這些工具最值錢的部分暫時沒有被取代。
品牌自有的客服 agent 與官網
自有管道能看到完整對話並完成交易;ChatGPT 內的 agent 兩者都做不到,但流量在它那邊。多數品牌最後會兩邊都做。

分析師結論

產品本身還很陽春,重要的是它代表的轉變:ChatGPT 開始有商家目錄、商家後台與付費版位,這是一個廣告平台的基本結構。市場空間給到 5 分是因為它對應的是整個搜尋與在地廣告預算,而不是因為現在的功能。

行銷與品牌負責人現在就該認領(免費、防冒名、先拿到數據),但不要把 Insights 當成成效證明。會改變判斷的觀察點:Insights 是否加入聲量占比、agent 是否開放到美國以外與在地商家、以及是否出現「付費影響自然回答」的可信證據。

可驗證預測

  • OpenAI 在 2027-05-15 前會把 Business Agents 開放到美國以外的國家,或開放給電商與線上服務以外的業別(例如餐廳、在地商家)。

    驗證日 2027-05-15信心 70%
  • OpenAI 在 2027-11-10 前會對 Business Hub、Insights 或 Business Agents 推出付費方案或付費功能(不含 Sponsored Agents 廣告)。

    驗證日 2027-11-10信心 40%
資料來源(9 筆)
  1. OpenAI:Businesses in ChatGPT 官方頁(本期工具無法擷取內文,僅作官網連結)
  2. Digiday:OpenAI's new business agents give brands a free way into the conversation it's also selling as an ad(2026-11-10)
  3. Beri:OpenAI's Business Hub Counts Clicks, Not ChatGPT Purchases
  4. Inc.:Small Businesses Can Now Claim a Free ChatGPT Profile
  5. AI Business:OpenAI's Businesses in ChatGPT targets enterprise trust
  6. Unite.AI:Businesses in ChatGPT 報導(12 億每週使用者、Sponsored Agents 脈絡)
  7. The Next Web:OpenAI tests Sponsored Agents in ChatGPT(2026-09)
  8. Stan Ventures:ChatGPT 在地商家面板與 Google 商家檔案的相似性(第三方測試)
  9. Product Hunt 2026-11-14 每日排行榜

開源開發者工具/分析工程

Dex Semantics

讓 coding agent 寫資料分析時先遵守語意規則的開源工具

Exmergo, Inc.(2026 年成立,CEO 暨共同創辦人 Marco Ciavarella;第三方資料顯示約 3 人、Form D 申報募得 1.2 萬美元)

2.8綜合評分(滿分 5)

方向對,但「少 25% 錯誤」只是 75 題差 5 題,公司也還沒有營收模式。

#3PH 當日排名
161PH 票數
30PH 留言(榜上最多)
v1.17.0版本
80% 對 73.3%ADE-bench 解題率(官方自測)

它是什麼

Dex 是給 Claude Code 等 coding agent 用的開源分析工程工具包:讓 agent 探索資料倉儲、撰寫 dbt 轉換、建立語意層,並在資料結構變動時指出要修什麼。所有邏輯與護欄放在一個引擎(exmergo-dex-core)裡,agent 透過一組小型指令呼叫它。

這次發表的 Dex Semantics 對應 v1.17.0 的「Semantics Everywhere」。使用者宣告每個資料模型的粒度(一列代表什麼)、母體、關聯與可用的加總方式,Dex 把這些宣告轉成 dbt 的中繼資料與測試,並產出對應的語意層定義。

支援的語意層格式包括 dbt MetricFlow、Cube、SLayer、Apache Ossie、Snowflake Semantic Views 與 Databricks Metric Views。授權為 Apache 2.0,使用者用自己的 agent 與自己的模型金鑰執行,官方稱不回傳任何遙測資料、沒有授權檢查。

誰會用

已經用 dbt 管理資料轉換、並開始讓 coding agent 寫 SQL 與資料模型的分析工程師與資料工程師。對還沒有 dbt 專案的團隊門檻較高。

五項評分

產品力4
市場空間3
護城河2
商業模式2
聲量動能3

優點

  • 打在 agent 寫分析最常見的錯誤類型上:把不同粒度的表直接相加、重複計算、用錯加總方式。這些錯誤 SQL 語法上都合法,只有語意規則擋得住。
  • 把規則落在既有工具上而不是自創格式:宣告會變成 dbt 測試,agent 寫出違反粒度的模型時會在測試階段失敗,團隊不需要換工具鏈。
  • 不綁語意層廠商:同一份宣告可輸出到六種格式,對還沒決定用哪一家語意層的團隊降低了選錯的代價。
  • 基準測試數字給得夠細,可以被檢查:README 同時列出失敗題數(15 對 20,共 75 題)與另一個基準 data-eng-bench 的結果(103 題解出 57.3%),而不是只給一個百分比。
  • 沒有遙測、沒有帳號、Apache 2.0,企業內部試用不需要走採購或資安審查的長流程。

缺點與風險

  • 標題數字經不起細看。「少 25% 錯誤」是 ADE-bench 上失敗題數從 20 題降到 15 題,換成解題率是 73.3% 升到 80%,差 6.7 個百分點、5 題。樣本 75 題、單一模型(Claude Sonnet 5.5)、廠商自測,也沒有公布重複執行的變異,這個差距是否穩定無從判斷。
  • 結構性風險:模型進步會吃掉工具的增益。不裝 Dex 的基準線已經有 73.3%;對照另一家廠商 Paradime 在 2026 年 4 月公布的舊版 43 題結果,當時單用 Claude Code 只解出 17 題(約 40%)。基準線越高,外掛護欄能加的分數越少。
  • 沒有可見的營利方式,資金極少。找不到付費版、託管版或定價;第三方資料顯示公司只申報募得 1.2 萬美元、約 3 名員工。開源工具的長期維護是使用者要承擔的風險。
  • 對手是它所依附的生態:dbt Labs 有自己的 agent 與 MCP 服務,Snowflake、Databricks 各自在推原生語意視圖與自家 coding agent。Dex 支援它們的格式,也隨時可能被它們的內建功能取代。
  • 另一個基準上的成績不亮眼:Snowflake 的 data-eng-bench 103 題只解出 57.3%,且官方沒有列出同一基準上不裝 Dex 的對照數字(至少本期取得的資料中沒有)。
  • 社群規模未知。本期無法取得 GitHub stars 與貢獻者數;PH 上的 30 則留言無法讀取內容,不能排除以道賀為主。

商業模式

目前沒有營收模式。Dex 免費、開源、在使用者自己的環境跑,模型費用也由使用者付給模型廠商。Exmergo 沒有公布付費產品;Crunchbase 對公司的描述是「把原始資料變成互動儀表板的 AI 分析平台」,暗示 Dex 可能是通往另一個產品的入口,但這是我的推論。

量級估算(假設它走開源核心加付費團隊版的路):以 dbt Labs 的 Starter 方案每人每月 100 美元作為這個市場的價格錨點(第三方定價彙整),要做到年營收 100 萬美元需要約 830 個付費席次(1,000,000 ÷ 100 ÷ 12),也就是約 170 個 5 人資料團隊。

這個估算缺兩個數字才有意義:目前有多少個專案實際安裝 Dex,以及其中多少屬於公司團隊。兩者官方都沒有公布,在不回傳遙測的設計下,官方自己可能也不知道。

方案價格備註
Dex(開源)0Apache 2.0;以 npx skills add exmergo/dex 安裝,需要 uv;模型費用自付
託管版/團隊版未公開查無資料,看起來不存在
參考:dbt Labs Starter約 US$100/人/月第三方彙整,未經官方定價頁查證
參考:Cube Starter約 US$40/人/月第三方彙整;另有來源稱 Cube 已不公開固定價格,兩者矛盾
護城河
幾乎沒有。規則引擎與多格式輸出是可以被複製的工程;真正的累積會是各家資料倉儲的邊角案例處理與社群貢獻的規則,但目前看不到社群規模的數據。
模式風險
最可能的結局有兩個:被 dbt 或資料倉儲廠商的內建功能取代,或因為沒有收入而停止維護。若日後把護欄收進付費版,會與現在「什麼都不回傳、沒有授權檢查」的定位衝突。

競爭格局

dbt Labs(dbt MCP、自家 agent)
擁有 dbt 本身與 ADE-bench 的共同作者身分,agent 功能綁在付費的雲端方案;有報導稱其 agent 自 2026 年 9 月改為依用量計費(單一來源)。Dex 的差異是免費、可搭配任何 coding agent。
Paradime DinoAI、Altimate AI
同樣主打分析工程 agent,並在舊版 ADE-bench(43 題)自報 38 題與 32 題的成績。它們是完整的商業產品;Dex 只是外掛在既有 agent 上的工具包。不同版本的基準不能直接比較。
Snowflake Cortex Code、Databricks 原生功能
資料倉儲廠商自己的 coding agent 與語意視圖,與資料放在同一處、權限整合最好,但只服務自家平台。Dex 跨倉儲。
SLayer(MotleyAI)、Cube
語意層本身。Dex 把它們當輸出格式而非對手,但若語意層廠商自己做「給 agent 的護欄」,Dex 的位置會被夾在中間。

分析師結論

問題選得對:agent 寫的 SQL 最危險的不是跑不動,而是跑得動但數字是錯的,語意規則是目前最合理的解法。已經用 dbt 加 coding agent 的資料團隊值得在一個非正式專案裡試,成本只有時間。

但不要因為「少 25% 錯誤」而採用,那個數字的證據力不足。決策者應該等兩件事:有第三方或多模型重現的基準結果,以及 Exmergo 說明公司靠什麼活下去。任何一件發生,我會上調對應的分數。

可驗證預測

  • Exmergo 在 2027-02-15 前會公布付費或託管產品,或公布 100 萬美元以上的融資。

    驗證日 2027-02-15信心 35%
  • exmergo/dex 的 README 在 2026-12-31 前會加入第二個模型或重複執行的 ADE-bench 結果(不再只有 Claude Sonnet 5.5 單次成績)。

    驗證日 2026-12-31信心 45%
資料來源(10 筆)
  1. GitHub:exmergo/dex(README、授權、基準測試數字;經搜尋摘要取得)
  2. GitHub:Dex v1.17.0 release notes(Semantics Everywhere)
  3. Dex 官方網站
  4. tinytechfund:Exmergo, Inc. Form D 申報與員工數(第三方)
  5. Crunchbase:Exmergo 公司檔案
  6. dbt Labs:ADE-bench 介紹(基準的設計與作者)
  7. Paradime:DinoAI ADE-Bench Report(競品自報成績,2026-04)
  8. Snowflake:data-eng-bench 介紹
  9. Paradime:dbt Cloud Pricing 2026(第三方定價彙整)
  10. Product Hunt 2026-11-14 每日排行榜

雷達:值得留意的其他新品

  • Google 最新的機器人模型 官網 Product Hunt

    研究發表不是可買的產品,144 票只有 3 則留言;連兩天都有 Google 模型上榜卻沒人討論,PH 對大廠模型只剩公告欄功能。

  • 原生支援 3D Gaussian splats 官網 Product Hunt

    Gaussian splats 進入免費的主流 3D 軟體,代表這項技術從研究展示變成一般製作流程;賣 splat 專用編輯器的新創會最先感受到壓力。

  • 在 Uber app 裡找、比價、預約停車位 官網 Product Hunt

    Uber 開始服務「自己開車的人」,是把 app 從叫車變成出行入口的又一步;對獨立停車預約 app 是直接的通路威脅。

  • 開源螢幕錄影,錄完即有分享連結 官網 Product Hunt

    又一個開源版 Loom。錄影本身不難,難的是誰付分享連結背後的儲存與流量費;沒有說清楚這點的開源錄影工具通常撐不久。

  • 給 AI agent 用的開源 UI 元件 官網 Product Hunt

    元件庫的讀者從工程師變成 agent:重點不再是文件好不好讀,而是 agent 能不能正確取用。與前一天 X 上的 Modern Web Guidance 是同一個趨勢。

  • Replay88 票

    不派 bot 進會議的 Mac 會議錄音,買斷不訂閱 官網 Product Hunt

    在前一天 Claude Meetings 把會議筆記變成平台附贈功能之後,「買斷、本機、不派 bot」是獨立開發者少數還站得住的定位。

  • Antelog86 票

    阻止 AI coding agent 外洩或毀掉你的資料 官網 Product Hunt

    86 票卻有 18 則留言,討論度是榜上第三高。agent 權限控管是真痛點,但各家 coding agent 都在內建權限模式,第三方的空間取決於能否跨工具統一管理。下一期深度研究候選。

  • 用 AI 建立多人互動體驗 官網 Product Hunt

    Google Labs 的實驗品,沒有商業承諾也沒有存續保證;值得看的只有一點:大廠開始試「多人同時用」的 AI,而不是一人一個聊天視窗。

  • Valutorio83 票

    Mac 與 iPhone 原生的 Markdown 筆記 官網 Product Hunt

    Markdown 筆記是最擁擠的類別之一,但 11 則留言顯示原生 app 的受眾仍在;同一天還有 VB Notes,兩者都把「檔案在你自己的資料夾」當賣點。

  • 把電子報移出收件匣閱讀 官網 Product Hunt

    這個需求每隔一兩年就有人重做一次,問題始終是願意付費的重度電子報讀者太少;除非有摘要或跨刊物搜尋這類新能力,否則難有不同結局。

  • 寄合約時副本給 sign@aboard.com 就能收簽名 官網 Product Hunt

    用 email 副本當介面是聰明的零學習成本設計,也是把簽署功能當成導流工具而非獨立產品的做法;電子簽章本身已經是價格戰市場。

  • VB Notes76 票

    存在你自己資料夾、可用語意搜尋的 Markdown 筆記(Android、開源) 官網 Product Hunt

    Android 加開源加本機語意搜尋是少見的組合,補的是 Obsidian 在手機端搜尋的弱點;商業上看不到收入來源。

X 上的發表訊號

  • @xadisingh · Reason2,120 讚 · 325 萬觀看

    宣稱以最多低 20 倍的成本達到前沿 coding 表現的 agent harness。貼文要求「留言 Reason 換早期資格」,1,152 則回覆主要是這個機制造成的,互動數不能當作需求證據;效能為官方宣稱。

  • @steipete2,821 讚 · 48 萬觀看

    提醒本週稍晚會有一款新 agent 發表,行銷方正高價請人在 X 上說好話,要大家留意誠實的評論。對讀 X 聲量的人是直接的警訊。

  • @GoogleDevsIN · Google Antigravity SDK1,722 讚 · 8.4 萬觀看

    Antigravity SDK 支援本機模型執行 agent 工作流程,主打零 API 成本與離線;大廠開始把「不必呼叫雲端模型」當成賣點。

  • @zachbussey · Twitch 見習版主3,432 讚 · 16 萬觀看

    Twitch 推出只能執行低階管理動作(例如暫時禁言)的見習版主角色。非新產品,但屬於平台治理工具的更新。

  • 前一期已報導,本期仍在高互動名單上:引導 coding agent 使用現代網頁基礎元件的指引。

方法與自我檢討

本期方法

  • Product Hunt 2026-11-14 每日排行榜(票數、留言數)與 PH feed、官網對照表
  • X 搜尋:2026-11-13 起高互動的發表貼文 9 則
  • 一手資料:HiringNow 官網、定價頁、About 與服務條款(以瀏覽器讀取)
  • 網頁搜尋:OpenAI Businesses in ChatGPT 的媒體報導、Dex 的 GitHub 與公司資料、競品定價

已知限制

  • 本期在排程的無人值守模式執行。網頁擷取工具在此模式下被權限設定拒絕,因此 OpenAI 與 Dex 兩個產品都沒有讀到官方頁面原文,內容來自網頁搜尋的結果摘要;摘要可能漏掉原文的限定條件。
  • 瀏覽器在開啟 Product Hunt 產品頁時跳出通知權限提示,工作區交回使用者,依 playbook §7 停止使用瀏覽器。因此三個產品的 PH 留言內容與 maker 自述都沒有讀到,「留言品質」只能以留言數代替。
  • Dex 的 GitHub stars、貢獻者數與 release 節奏未取得(GitHub 指令不在允許清單內);只確認了版本號與授權。
  • 「ChatGPT Ads 年化營收 10 億美元」「部分雇主不錄用自動投遞者」兩項來自搜尋摘要,未能回溯到原始報導,已在文中標註。
  • 競品定價(JobCopilot、dbt Labs、Cube)來自第三方彙整且互相矛盾,未經官方定價頁查證。
  • 沒有實際試用任何產品。HiringNow 需要上傳真實履歷並送出真實應徵,Dex 需要安裝第三方套件,兩者都不適合在無人值守的排程中執行。
  • X 訊號中沒有出現本期三個深度研究產品,無法評估它們在 X 上的非官方反應。
  • 本期沒有到期的預測,無回測。

自評(Playbook v1.3)

證據力3
洞察深度3
商業分析3
平衡性4
可行動性4
呈現4

最弱環節 OpenAI 商業模式段落的核心數字站不住:「有二手報導稱 ChatGPT Ads 在 2026 年 8 月底達到 10 億美元年化營收(本期未能回溯到原始出處)」。整段的量級估算建立在一個找不到出處的數字和三個自訂假設上,讀者拿到的是算式而不是證據。根本原因是先開了 PH 頁面導致瀏覽器中斷,之後 OpenAI 與 Dex 的官方頁面都讀不到。

下一期改進 研究順序改為先讀三個產品的官網、定價頁與 GitHub,Product Hunt 產品頁與 X 貼文頁放到最後(playbook v1.4),避免權限提示一出現就失去所有一手資料。