推荐理由：Hub刚上线，它用全球贡献者网络帮你采集人类真实劳动力数据，解决AI训练数据稀缺问题。

推荐理由：做数据采集的开发者终于有了一个能自动写代码的 Agent——描述需求就能生成采集脚本，省去手动编写和调试的麻烦，建议试试看。

推荐理由：京东把具身智能从概念拉进了真实零售场景，做线下零售或机器人应用的团队值得关注——这是少有的多机型、多岗位协同的实战案例，可以直接参考其岗位分工和数据采集模式。

推荐理由：Firecrawl 让智能体直接注册并调用 API，做自动化数据采集的开发者可以省去手动配置的麻烦，建议用 Codex 或 Claude Code 的团队试试。

推荐理由：BigSet 把「找企业工具」这种重复劳动变成一句话的事，做技术选型或采购调研的团队可以直接省下大量时间，建议试试。

推荐理由：做数据分析和 AI 训练的人终于不用手动爬数据了——BigSet 用一句话就能生成结构化实时数据集，建议做 NLP 或数据工程的团队直接试试。

推荐理由：地毯制造质检的痛点——人工目检慢、主观、不稳定——在AI时代有了系统解法，做工业视觉质检的团队可以直接参考这套从数据采集到模型迭代的完整路径。

推荐理由：做机器人或 AI 家务训练的团队，终于有了真实世界数据获取的新路径——Shift 用免费服务换清洁录像，解决了数据稀缺和成本高的问题，值得关注其数据集授权模式。

推荐理由：京东用真实家务场景解决具身智能数据短缺难题，做机器人训练或AI模型的团队可以直接关注这一低成本数据采集模式，值得点开了解如何参与或复用。

推荐理由：Meta 员工用传单和请愿书对抗 AI 监控，做 AI 产品、关心员工权益的团队值得关注——这可能是科技行业劳工运动的转折点。