创业项目

为什么做这个

化工行业有个很残酷的数据：全国每年因危险区域巡检导致的事故死亡人数超过200人。这不是技术问题——是"人必须在危险环境里工作"这个前提本身的问题。

我在头部民营国际大厂的时候对接过几个化工客户，亲眼看过头顶是氢气管道、脚底是油污、工人穿着防静电服在里面走一圈要40分钟的场景。一个老工段长跟我说过一句话：每次进去巡检，他都跟老婆说"等我回来吃饭"。

机器换人在这个场景下不是降本，是保命。

产品方案

不做通用机器人。只做三个场景：

<strong class="font-semibold text-[#1a1a1a] dark:text-[#e8e6e1]">储罐区巡检</strong> — 爬行式底座 + 防爆外壳（Ex d IIC T6等级），搭载甲烷/硫化氢/可燃气体三合一传感器 + 红外热成像。自动沿预设路线巡检，发现泄漏自动报警并标记GPS坐标。

<strong class="font-semibold text-[#1a1a1a] dark:text-[#e8e6e1]">管廊/管架巡检</strong> — 磁吸附四轮底座，能走水平管道也能爬45度斜坡。搭载高清可见光+紫外成像，检测保温层破损、法兰泄漏、支吊架异常。

<strong class="font-semibold text-[#1a1a1a] dark:text-[#e8e6e1]">受限空间检测</strong> — 微型履带式，整机宽度380mm能进标准人孔。先探路（气体检测+视频回传），数据达标后再让人进。

目前进展

做了3个试点：四川一家煤化工企业的甲醇储罐区（3台机器人在跑，替代了6个人的巡检岗），山东一家炼油厂的管廊（1台机器人在试，每天巡检8公里管线），还有一个化工厂的受限空间方案在谈。

能耗是个现实问题——电池在-20°C环境下衰减严重，北方冬天是个坎。我们在跟电池厂商谈定制低温电芯。

解决什么问题

用AI做产品的开发者有一个共同痛点：你得对接5家模型厂商。每家一套API文档、一套鉴权方式、一套计费规则。DeepSeek按token计、智谱按token计但单位不同、MiniMax按字符计。光是搞清楚每个月的费用就要花半天。

更麻烦的是模型切换。你用了三个月的DeepSeek，突然发现智谱GLM-5.2在某个任务上更便宜效果更好。要切过去？改代码、改Key、改计费逻辑、通知所有用户。这就是为什么API中转站存在。

怎么做的

一个统一的API端点。你调用 https://www.lumaocean.com/v1/chat/completions，传model参数指定想用哪个模型，其他格式完全兼容OpenAI标准。

后端做了三件事：

1. 请求路由——根据model参数自动转发到对应厂商，厂商挂了自动切换备用

2. 用量聚合——不管调了哪个模型，月底一个账单，一个结算

3. 价格优化——聚合了几百个客户的总用量去谈渠道价，DeepSeek V4能拿到目录价38折，智谱GLM-5.2渠道价比官网低35-65%

数据

目前接了约200个开发者，月均API调用量在8-12亿token左右。最大客户是一家做AI客服的SaaS公司，每月消耗约3亿token。

怎么做的

从创业第一天起就给自己定了个规矩：每天必须看GitHub Trending。

不是随便翻翻。有一套固定的流程：

1. 早上8点前扫完当日Top 50，每个项目最多50秒判断要不要深入

2. 上午10点前对留下的10-15个项目深度看README、源码结构、issue讨论

3. 最终选出3-5个写进笔记，标注赛道、技术栈、涨星速度、商业化潜力

看了180多天，积累了一个500+项目的数据库。最大的发现是：AI Agent工具链是过去6个月增长最快的赛道。2026年1月只有不到10个Agent相关的开源项目，到6月已经有超过200个。

商业化路径

开源掘金本身不直接赚钱。它是另外两个项目的"雷达"——工业机器人和API中转站的很多技术选型和商业判断，都来自每天的追踪。

比如我们发现codebase-memory-mcp在6月29日一天涨了2190颗星，马上意识到代码知识图谱是下一个基础设施层的热点。这个判断直接影响了我们API中转站的模型推荐策略——把更多Agent类模型加入推荐列表。

产出

43篇博客文章，内容覆盖AI技术趋势分析、开源项目深度评测、创业实战思考。日均阅读量在500-800之间。