主持人简介

Sophie：【特约研究员】，关注AI应用。

SophieHello，大家好，欢迎收听硅谷101。我是关注AI应用的【特约研究员】Sophie。

关于AI Agent，也就是人工智能体，相信我们节目的老朋友们大多数不陌生。我们之前也从爆款产品Manus切入，有过不少讨论。今天这期节目，是一场关于AI Agent的观点大拼图。

我们邀请到了几位不同背景的嘉宾，他们有的是Agent的日常用户，有的是Agent产品搭建者，还有的是从商业和投资角度观察这个领域的参与者。我们希望用这些来自不同立场的不同观点，为大家尽力呈现一幅客观、立体的图景，来展示AI Agent的现状和未来。

一、核心定义：到底什么是AI Agent？

Sophie首先让我们从最基础的问题开始：到底什么是AI Agent？我们先来听听一位典型极客的看法。

嘉宾简介

鸭哥：大型物流软件公司Samsara的AI应用科学家，活跃在开源社区的AI达人。他在GitHub上魔改Cursor的开源项目，获得了超过五千个星标。

鸭哥在鸭哥看来，AI Agent需要满足三个必要条件。第一个条件是它需要能使用工具，比如说它要可以调用搜索引擎来搜索，或者调用编程语言来进行编程。第二个是它需要能够自主做决策，它需要知道当我拿到这个任务之后，怎样把任务进行分解，通过这些顺序、用这些参数来调用这些工具，最终完成我们目标。而第三个是，它的决策需要是多步的，需要是自我迭代的。比如说它不能像一个静态的workflow一样，先做这个，再做那个，定死的，这个其实不太能算是Agent。真正算Agent应该是，我根据前一步的结果，动态决定我下一步做什么。比如说可能是前一步搜索已经得到了很多信息，那我就停下来；或者是前一步搜索，我觉得有另外一个地方启发了我，我要深挖，那就换个关键字，再进行进一步的搜索。所以满足这三个条件：工具调用、自主决策和多轮迭代，我觉得才能算是一个Agent。

嘉宾简介

新琦：在世界500强公司担任数据策略总监，业余身为播客主播。

Sophie另一位非AI技术背景的嘉宾新琦，她对Agent的定义，重点在于人与AI的合作关系。

新琦我自己的定义，就是从一个合作视角来说，我觉得它是一个真正的甲方和乙方的关系，而不是一个在聘用合同工的关系。我们聘用一个合同工，那我要做的工作是去定义好问题，然后去拆解它的关键步骤，并且在它完成之后要去检查它的交付，这个是我们跟合同工合作的一个流程。但是我觉得，真正的甲方和乙方的关系是，好的乙方它是一个端到端承接整条流程的系统，并且它要在关键的节点做一个主动的介入，并且能够提供决策建议。在提供完决策建议，在我给它一些非常高层的指令之后，它又能自动地执行。最终它交付的是一个成品，而不是一段一段的半成品，让我自己把它拼凑成一个成品。

二、深度用户的惊喜与槽点

惊喜时刻：Agent如何改变工作与生活

Sophie下面咱们来听听他们各自使用Agent产品的惊喜、震撼的时刻。鸭哥告诉我们，他从上班写代码到下班带娃，都离不开三类Agent的帮忙。

鸭哥我喜欢的，或者说经常使用的AI Agent，主要可以分为三类：教练型、秘书型和搭档型。第一种类型的Agent，比如说像OpenAI的Deep Research或者是ChatGPT的GPT-4o，我用它们主要是想从它们那里帮我找到一些调研得到的信息，以及帮我进行一些深度的思考，把它当做一个了解我不熟悉领域的窗口。

鸭哥还有另外一种用法，是把它当做一个秘书来用。比如说像最近比较火的Manus还有Devin，我都有订阅。像它们就比较适合一些相对简单一点的hands-off的工作。第一个例子是我平时要哄娃睡觉，很多时候就要给他讲故事。有时候确实可以从YouTube上面找一些故事来给他讲，但是我希望在这个过程中间带入一些私货，就比如说，你要好好吃饭，你要好好睡觉，要早睡早起这样的东西。那我就直接跟Manus说：“你给我写一个故事，这个故事要基于白雪公主，但是你往里面夹带一些私货，让它教育这个小孩要好好吃饭。写完以后你调用一个TTS（文本到语音的转换），把它变成一个音频文件给我。”Manus其实非常擅长这样的事情，它可以写出一个相当好的文章，然后再调用TTS把它变成一个语音，我就可以在娃睡觉前就放这个语音来哄她睡觉。

鸭哥要真的要去做一些正儿八经的软件开发工作，其实我并不会去用Devin或者Manus。这主要不是因为他们这个产品做得不够好，而主要是因为他们产品的设计思路，我感觉更倾向于这种秘书性质的hands-off的工作。如果真的要去做那种科班的、复杂的软件开发任务的话，我还是比较喜欢用比如说Cursor、Phind之类的东西，因为他们在设计的角度上就允许或者鼓励你去做频繁的交互，做一些手把手的指导。那么这个时候我就希望，我先跟他讨论得到一个设计，然后再让他去把一个个小积木搭起来。我作为架构师，再把这些积木给他进行组合，我去审计它的结果，确保它实现了我的目标。像这个就更符合科班的、高标准的要求。

Sophie那么作为副业播客主理人的新琦，又有怎么样的体会呢？新琦是如何利用Agent来辅助她节目后期工作的各个环节呢？

新琦有一个新的AI软件，我现在在做他们的内测，其实是我自己加入他们的内测群，叫CreateWise。它的好处就是，你只要一键上传你的音轨，它直接给你呈现出来的东西，是一个完全剪辑完的东西。就是它连帮助你去做哪些地方需要剪辑这个决策建议，它都把这套都做完了。所以它最后呈现的结果是一套剪辑完了之后的一套音频。它甚至有一个非常厉害的做法是什么？比如说如果你有一句话，你的结构是比较混乱的，它甚至能够用AI的方式，通过模仿你的声音来拟合出一段相对来说结构比较清晰的一段话。你听完之后你就觉得，它已经强大到可以站在我的视角，以我的声音来输出了。它针对改过的这个语句，它是有高亮的，所以你可以去听before是什么样子的，after是什么样子的。

新琦刚开始他们是选择整段输出，就是剪辑完之后你要么要整段音频，要么你就不要我这个剪辑版本。后来我跟他们提了这个需求，说你需要给到我逐句的剪辑空间，要不然的话我无法用，因为有的剪辑是我喜欢的，有的剪辑不是我要的。那他们现在把这个优先级提升，这个已经上线了。形成建议你可以选择要或者不要。如果你选择要了之后，它能够直接帮你串联到第三个模块，就是它的文案生成和宣发。尤其是它的文案生成，它是针对你在不同的平台，生成不同的文案。比如说小宇宙、YouTube等等。如果你是个音频的平台，它会帮你生成Shownotes、金句、标题建议。如果你是视频的平台，它甚至会针对你是YouTube或者是Instagram，你的视频的大小，就长宽的那个比例，它都会根据这样的一些非常细的细节，生成可以让你直接一键就转发、拿出去发布的这个内容。

Sophie而另一方面，有几款通用型Agent产品，也在一般性任务的执行上收到了用户的好评。他是纽约大学心理学大三学生Kolento。

嘉宾简介

Kolento：纽约大学心理学大三学生。

Kolento我说几个不同的scenario。我觉得第一个是可能在general层面上的，我可能最近一直在用Manus，前两天也出来那个Genspark，那个super Agent模式。我觉得这两个都对我来说是比较惊艳的，没有到很惊艳，但比较惊艳。因为它们能帮我完成一些我之前不太想完成的事情，这是通用层面上的。然后另外就是coding层面上，我比较喜欢用那个Replit。我之前可能用Cursor和Phind，但我后来觉得Replit可能更像是一个Agent，它能帮我做决策更多一点。在学术层面上，我最近在用那个Elicit，但Elicit我觉得它没有到我心中这个Agent定义。其他的我可能没有再看到达到我内心Agent定义的产品了。

Kolento我先说一个最直观的，因为Manus我最开始用的时候，我最被它所吸引的是它的UI/UX，我觉得这是第一个差距，就是在用户体验的感觉上面。其实本质上来说，Genspark和Manus都支持Agent执行过程的链接分享和回放，就是你可以看一遍整个的对话过程，然后你甚至可以基于这个上下文继续对话。他们都会对这个任务做很好的规划和任务拆解，然后他们也会调用很多不一样的工具，可能他们自己去设计的这些工具，可能会有一定的小差别。因为我感觉Genspark之前在旅游上这些场景做的已经很不错了，所以它们可能会有一些旅游的搜索工具，把它们预先设定好。还有一个比较有意思的差距是，Genspark有些功能可能Manus还没有，比如说它们有一个叫“call for me”，就是可以帮你打电话，帮你预约酒店啥的。这还挺有意思的，当时让我有一个小的aha moment，主要是从用户体验和功能上面。

用户槽点：AI还不够“懂我”

SophieAI有惊喜点，当然也有槽点。在听听具体槽点之前，我想先分享鸭哥一项有意思的洞察。他说随着各种Agent产品的不断发布，他的槽点在飞速地进化，很多他以前吐槽过的点，现在却吐不了了。像复杂任务中工具调用能力不足、写作AI味儿太重、上下文窗口不够长等等，他在近期发布的产品新版本中，都看到了很大程度的改善。所以用户今天的槽点和痛点，也将是Agent搭建者下一步重点攻坚的方向。先从鸭哥的槽点开始。

鸭哥现在AI模型的instruction following（指令遵循），虽然比以前有了很大的进步，但还是不太行。比如说我想让GPT-4o，我给你一个五章的提纲，你先写1-3章，再写4-5章，这样我最后就可以把它拼起来。然后它一定要在1-3章写完之后，后面加一个“未完待续”。我不知道它是为什么，它就有这种冲动。我跟它说你不要加“未完待续”，它就换一个：“噢，你有什么其他想写的，我们下一次再继续写”，会换一种说法。或者我试了很多prompt engineering的方法，都不太行。最后怎么解决的呢？是我们用一种逆向思维说：“你不是特别想要一定要在那加行字吗？我们就把这行字定死，你就说‘未完待-续’”，然后回头我再用一个程序把这个字符串替换掉，替换成空的，最后完美地解决了这个问题。但如果它要是instruction following做得足够好的话，就没有这么些不必要的麻烦。

鸭哥然后第二个槽点是，在我用AI产品的过程中间，我感觉好多产品还是为了用AI而用AI。举个例子，不论是Claude的computer use，还是OpenAI的Operator，他们都会说：“我可以帮你订机票，我牛逼吧？我帮你订机票，我帮你去输这个信用卡号，帮你输各种信息，帮你点这个book flight的按钮。”但其实我痛点根本就不在这。你如果看一下，一个人订机票花的时间最多的地方，其实不是说去填信用卡号、去填我的信息，而是说去定下来我到底什么时候走。比如说我要是前一天晚上走，我会多花一晚上酒店钱，但可能机票便宜一点；或者是我就可以不用早上起那么早，或者是我就可以去送娃。那如果我后一天走呢？我又要考虑送娃的行程，时间能不能来得及。总的来说酒店加机票的价格是更高还是更低等等。这个是最麻烦的。那如果有一个秘书能帮我整理出来各种选项，这个是对我用户来说最有价值、最能解决我痛点的，而不是最后那5分钟我就把信用卡号敲进去。所以这是一个对AI产品开发者的建议，就是还是要针对用户痛点来做，不能为了用AI而用AI。

鸭哥第三个就是AI很强，但是发现人类社会，它by definition，它是一个human friendly的东西，它是针对人类自己来设计的。很多东西只有人类有access，AI根本没有access。那举个例子来说，不论是公司内部你跟人家谈设计，还是公司外部跟客户谈生意，很多时候都没有一个书面的文档，都是“哎，我们出去喝杯咖啡”，在喝咖啡的时候把一些重要的决策就定下来了。或者你谈生意的时候，你去吃饭，在饭桌上把东西定下来。但是AI拿不到这些信息。像这种tribal knowledge（部落知识），没有付诸文字的knowledge，AI是完全拿不到的。所以这不是AI的问题，但是你也不可能说你去跟客户喝酒的时候，你搞个摄影机把它全部录下来再喂给AI，这个根本不可能。所以这个是一个人类社会的问题，我也不知道怎么去解决，但确实是一个槽点。就是AI能拿到的信息还有点像一个冰山一角，有很多暗信息，或者我管它叫“废墟信息”，AI还是拿不到。如果能拿到的话又会有很多很多的应用场景可以实现。

Sophie而新琦则通过她的亲身体会解释了Agent产品缺乏人情味的问题。

新琦我现在看到很多的Agent或者AI产品所不具备的这个真实性，我举个例子。就比如说我们的三人主播，我们多人播客里面我们会有笑场，就哈哈哈哈笑。但是我会发现，比如说我用CreateWise，它会认为主播一哈哈哈，主播二同时叠加哈哈哈，主播三哈哈哈，一下子就是九个“哈哈哈”，在它认为就是一个重复词，它就一下就都剪掉了，它可能就只保留两个“哈哈”。可是在我看来，这个才是这个节目很有意思的地方。或者说集体的沉默，这个东西在很多的AI的软件里面，它会认为它是一个声音的silence，这个gap它是需要压缩掉的，因为你要保持一定的信噪比或怎么样，或者是保持有一定的信息密度输出。但是集体沉默，很多时候是非常有意思的。当一个主播抛出一个问题的时候，如果你发现有3秒沉默，就说明这个问题非常值得你去探讨，因为它能够让两位其他主播沉默的问题就很有意思了。但是这个目前在AI的软件里面也是识别为我应该去掉的部分。所以这个就是在于这种真实性的保留。

新琦当我们在说音频剪辑的时候，首先第一点你是中文还是英文？因为我知道不同的AI产品或者AI的Agent，对识别中文和转译中文，并且形成剪辑中文的音频的建议，这个能力和英文之间是有很大的差别的。这是第一点。第二点就是你的这档音频节目，是一个单人的播客还是一个多人的播客，这里面有非常非常大的差异。如果你是一个单人的博客，相对来说是最简单的。但是你是一个多人播客，它会碰到两个问题。第一个问题是多人播客，以我自己的剪辑经验来说，我希望是音频处理的时候是分多轨去处理的，而不是合并成一条音轨处理。是因为这个里面会涉及到，假设三个人有抢话，那抢话的这个时候，你怎么去保持一个平衡，在于说我一方面希望听众能够听得清楚，同时我又要保留大家在抢话过程当中那种氛围、那种热闹感。这个东西是非常考验手艺人的手艺活儿的。这个东西在现在大量的AI软件里面，或者我们所谓的Agent里面，我们目前没有看到。要么是它能够允许我上传多轨，但是上传之后它连多轨对齐这一点都很难做到精准。第二个就是，要么它就不允许我上传多轨，它只是允许我上传单轨。但单轨就涉及到，我其实没有办法去消化在单轨里面怎么去剪辑多人抢话环节。而这个东西恰恰是我自己认为一档播客画龙点睛的那一笔。内容质量当然是很好，但是你这档播客会不会让我去选择订阅，我跟它的整个调性是不是匹配，恰恰是出现在这种抢话环节。

Sophie面对我的吐槽邀请，有一位嘉宾却出人意料地吐槽了这个环节本身。这位嘉宾是身为Statsig数据科学家、博主和AI社区Superlinear Academy发起人的课代表立正。

嘉宾简介

课代表立正：Statsig数据科学家、博主、AI社区Superlinear Academy发起人。

课代表立正我能吐槽一下这个吐槽吗？但是我觉得这个吐槽的做法本身是错误的。第一个错误是你理解上的错误，第二个是使用上的错误。理解上的错误是Agents它没有Magic，它是过去的这个大语言模型加上一些现有的工具，包括这些Protocol，一点一点做上去的。所以说你不太可能指望它今天就做好。然后你如果觉得今天做得不够好的话，这是理所应当的事情。大家的这个心态是从上一个时代带来的，就是大多数的工具是GUI。那GUI就是你点一个button，然后这个button就应该work。如果你点了一个button，这个button不work的话，你可以吐槽它。但是AI不是这个样子的，AI不是外挂，也不是魔法。所以说你要学会怎么用好它，才能用得好。

Sophie在探索怎么用好Agent工具这一点上，课代表曾在他本人的博客里分享过用Manus反复尝试一项任务15次，终于成功的经历。他说：

课代表立正就包括Manus出了14次错，但是问题是第15次做成了。所以说他一开始就有做成的潜力，但是我前14次的使用是不够好的。那我应该吐槽Manus还是应该吐槽我自己呢？Manus已经在它的能力之内做得最好了，我应该吐槽我自己。就是为什么我花了14次的迭代才把它做好，而不是一次就把它调教成功。那说明我使用AI的能力还有问题。这就是第二个，就是大家如果没有一个学习的路径，或者说是一个改进的路径的话，那你肯定是用不好的。你不能用一个user心态去对待AI，一定要用一个builder的心态去对待AI。就是你一定要去使用，然后去用它去build。你如果还是用一个user，然后今天吐槽这个产品没有设计到位，明天吐槽那个产品没有设计到位的话，那你会被这个时代落下的。

三、搭建者的视角：挑战与前沿探索

Sophie听了这么多用户的喜悦也好、困惑也罢，这些问题从开发者的角度看又是怎样的呢？我们把视角转向搭建者。我把这个问题抛给了身为Agent搭建者的曲晓音，她创立的HeyBoss AI今年初刚上线。

嘉宾简介

曲晓音：HeyBoss AI 创始人。

曲晓音我觉得这个问题当然首先存在AI Agent的LM本身有些情况下不够智能，但是我觉得更多情况下，它是一个工作方式的变化。就举个例子，比如说特别牛逼的小天才来到一个公司当实习生，他从来没有工作过，你让他做啥都迅速地回答：“没问题，包在我身上。”结果你就发现他做的怎么不太靠谱。到底能做还是不能做？他认为他啥都能做，但实际上他做的东西又不太符合你的预期。他觉得这个东西有风险，他又意识不到有风险，他又无法跟你沟通说：“老板，这个可能一定时间内是做不出来的。”但这个可能来自于工作经验，不来自于智商。所以我们会发现，工作5-10年的人，他会非常明确地跟老板讲这个预期是多少，我认为这个三天做不完。所以更多的是来自于他的工作的经验。

曲晓音那对应到AI上，我觉得更多的是来自于它可能同样的事情做过很多遍，它知道好还是不好，它知道做出来没做出来。准确地说，不仅是它自己做没做出来，而是用户觉得它做没做出来。就是AI做完之后，用户的反馈是好还是不好。当然我觉得，我们如果有更多的这方面的data，这个data是掌握在application layer的Agent创作者、AI Agent这个公司，不掌握在OpenAI。就是说这个需求本身老板满意不满意，这个data掌握在像我们这样的AI application的公司里。如果我们有足够的data，我们是可以知道预期有没有得到满足的。但是预期本身是需要老板来定的，当我们没有老板的数据的时候，我们不知道老板的预期是什么。所以我觉得现在AI最大的问题就是它没有工作经验。我们需要的是给它提供工作经验，以及给它老板的反馈：好还是不好，做完了还是没做完，打几分。这样的话我觉得AI会更加的准确。

曲晓音还有就是你的use case要有一定的聚拢。就比如说有些什么都能做的，从给孩子订饭到解决宇宙问题，啥都能做。那这个情况下，你的use case不是很聚焦，其实每个用户的评价体系没有什么pattern。他啥都能做，像我们这种比较聚焦，我们就是做网站、做这种APP，去帮这个小企业主做，帮创业公司做，帮营销部门做。那我们每个use case其实可以评判我有没有达到用户的需求，本身招我们的目的是什么。我觉得这个聚焦，我们就可以有大量的重复性数据来判断我们好还是不好。但是如果不聚焦的话，本身这个评判体系就比较难。

嘉宾简介

俞舟：哥伦比亚大学计算机副教授，创业公司Arklex.AI创始人，为企业级客户提供内部Agent应用开发的框架和工具，同时也面向终端用户提供自营Agent产品。

Sophie俞舟从技术层面给出了“如何让Agent更听话”的应对策略。

俞舟其实Agent它不是只有一个东西，它其实有很多的，比如说我们要做Guardrail，就是防止它有各种各样不好的东西出现。它其实是一个比较复杂的过程，它不是说它只是一个tool我们卖给你就可以了。它其实我们是会教你整个一套，如果你要完成这个任务，什么样子是最好的方式，就是best practice。而且很重要的是你一定要做测试，就是你要做evaluation。如果你不知道你这个Agent做什么是好、什么是不好的话，那你这样随便做，它肯定是没有好的最后结果的。我们会做各种各样的调整，根据它的评测的级来做。像这种情况的话，就是可以用Agent的workflow来处理这些问题。

Sophie在工作流方面，晓音从产品设计的角度提出了一种具体的解决方案。

曲晓音我们也提供了很多的tool，其实不是通过AI来修改，而是让用户是像改PPT那样，圈一下这个字，把它弄大弄小，改个动画。我们就发现很多情况下，虽然AI也可以改，但是用户还是希望更可控的结果。所以这个情况下他们会选择，比如说字或者词，或者是图片替换，或者是加一个效果。他们倾向于用老的方法，就是PowerPoint的这种方法，而不是用AI的方法，因为觉得不太可控。所以我们在AI的天马行空、能力更强、定制化更强、但是可能不可控，和可控但是是限制性的功能相比，我其实觉得这两个都需要。

Sophie最后，关于鸭哥提到的“AI缺乏人类暗信息”这个根本性挑战，晓音的看法是：

曲晓音因为我们本身的工作性质，它以前也是线上完成的。就当你制作一个网站，你联系一个巴基斯坦的外包公司，或者是Fiverr上这外包公司，它本身也是线上，它也很少会跟你握手，通过它握手的力度来判断它是不是喜欢你。对我们来讲不是那么重要。所以对我们来讲，我们反而可能跟人之间的沟通来比，我们也没差多少。这是我们本身的这个赛道的一个比较适合AI来超越人类的一个点。但是有一些行业，像这种线下的服务行业，或者是大企业的销售，他们很多可能是在高尔夫球场、在这个包厢里完成的。那这个情况下，AI确实在这方面的input data就不够。所以我觉得这更多的取决于这个本身Agent它的性质，它本身以前要取代的人类的工作性质。

前沿探索与技术挑战

Sophie除了应对这些用户痛点，我们很好奇，Agent搭建者们目前还在哪些方向上寻求突破呢？俞舟教授介绍了她和团队正在探索的前沿技术。

俞舟比如说我自己的实验室里，我们也做一些我认为非常重要的新能力。就比如说，我们称之为一个叫backtracking，就是self-correction的能力，就是说它可以根据自己做得怎么样来选择自我纠正。自我纠正的能力也很重要。还有我们称之为各种各样子的self-learning，就通过自己的方式来学习，这也很重要。

Sophie而晓音则透露：

曲晓音比如说我们不只是讨论一个Agent、卖一个Agent给用户，我们卖的是个解决方案，就需要多个Agent的合作。为了让他合作的更好，我们需要一个AI CEO或者AI leader Agent来lead其他的Agent。我觉得这可能是一个发展的趋势。那这个趋势的好处就是，我们可以通过多人的力量、多个技能、不同合作的力量，来解决一些本来单技能无法解决的问题。那么AI的合作可以取代很多那种人本身一个团队，不仅去取代某个工种，而是取代整个公司、取代整个团队。我觉得这是一个很大的趋势。

Sophie但俞舟也提醒我们，这条路上还有不少技术挑战。

俞舟有很多的Agent同时在一台机器上工作，它就会有问题。很多个Agent它要分在不同的分布系统的机器上工作，那有更多更多的问题。就是说怎么更好的、高效的、low cost（便宜的）去处理这些问题，然后还有很多并发各种各样的问题，会导致我们说有很多东西要做。真的要应用到大型的企业中，以及提高很多的能力的话，最大的一关就是我们说的安全。就比如说一个大的企业，我们就举一个最简单的系统上的问题好了，数据库。以前数据库是给人用的，人有权限去改数据库的东西。那现在智能体Agent要去改这个东西。如果有同时很多的Agent要同时去改这个数据库，我们怎么办？万一你给它改掉了以后，它这个都不一样了，它搞了半天又要恢复原来的设置，那它本身现在的数据库是无法提供这样子比较好的、我们知道就是比较efficient、比较高效的方式来存储以及跟Agent做连接的。

俞舟比如说你一个Agent和另一个Agent交互，哪些memory，就是你的记忆要分享给别人，哪些是可以分享，哪些是不可以分享。还有比如说这个数据库，有一些governance layer，有一些Agent可以接触某些数据，有一些Agent不可以接触某一些数据，就跟人一样的，你没有这个clearance，你接触不到核心数据。那如果你有一些就是我们称之为safety vulnerability的话，那你又不能做这个事情。那哪些是outward facing，哪些是inward facing等等，它里面有很多非常具体的工作需要做。

Sophie除了技术层面，产品设计同样是搭建者们关注的重点。

曲晓音大模型的变化，有点像是这个人的智商水平。但是大模型更聪明，并不代表这个技能它更懂。因为这个技能本身除了聪明之外，可能还有一些行业的know-how，或者是比如说对于用户的具体所处use case的理解。那这个东西不一定是智商导向的，有可能是经验导向。所以对我们来讲这两个都非常重要。比如说你是一个创业者，你要做一个公司官网；你是一个小企业主，你想卖课，或者说你想卖你的咖啡店的订单。那么很多情况下，你可能需要了解这个行业，并且你还要知道这个行业最新的玩法，你的竞争对手都在干吗。所以其实对我们来讲，更多的是能够确保你在你的这个行业，你的网站或者你的APP，能够帮你带来更多的商业价值。那我们第一，我们需要了解你这个行业；第二，我们需要与时俱进地了解你这个行业，就你这个行业的新变化我们也要能跟上；第三就是AI要具备一定的品位。

曲晓音这个品位其实更多的是AI本身的设计。即使你自己不懂设计，但是AI给你的这个方案是有一定的调性的，有一定的个性的，并且符合你的品牌的预期的。所以这个品位我觉得是非常非常重要的。这个不一定是大模型越牛逼，品位就越好。所以品位其实我觉得更多时候来自于我们的训练，也来自于我们可能设计这个Agent的人本身的品位，也来自于我们对于客户他们这个行业所需要品位的理解。因为有些客户他说不清楚他要的品位是什么，他只是告诉你“这个不对，这个太土了”。那么“太土”是什么意思？其实对我们来讲，比如说一个用户说这个网站太乱、太土、不够直观，这些词都非常的虚。我们要理解，透过现象看本质。这个小企业主如果是健身博主，他说“土”是什么意思；如果他是一个卖水电工，他说“土”是什么意思；如果是个AI创业公司的“土”是什么意思。每个人的“土”还是不一样的。所以对我们来讲，这种对用户洞察的理解，不一定跟模型本身的优劣有关。

Sophie最后在市场培育方面，俞舟提出了一项经常被技术人忽视的关键挑战。

俞舟我觉得最重要的还是大家现在都说这个好像炒得很火，但是真实的ROI没有，在大企业中部署的很少。但其实我觉得这个东西是时间的问题，因为大企业很多东西推进都比较慢。然后我们可以看到，其实technology is easy, people are hard。我们要重构它的这个工作的流程，我们需要说服他，重构这个生产关系是非常困难的。所以说我们通常要了解他们怎么去教育这些员工，然后让他们更好地利用这个AI。这个部分是需要慢慢做的，不是说我这个东西今天出来了，明天就能用上，需要企业从上到下的一种top-down的方式来解决这个问题。

四、商业模式与市场前景

Sophie那么这些技术和产品，如何转化为拥有壁垒的长期商业模式呢？我们切换到商业视角，一起来听听投资和创业领域的观点。我们先请教一下AI产品出海社区Linkloud创始人、前高瓴投资人高宁，听听他对Agent创业公司如何打破传统SaaS壁垒的看法。

嘉宾简介

高宁：AI产品出海社区Linkloud创始人，前高瓴投资人。

构建护城河：新数据、默契与端到端价值

高宁新的数据，就是数据这一方其实现在看出来，不完全掌握在传统的SaaS的这些公司的手里。比如说我是帮助医生去做医疗诊断的记录的，那以前这些数据也不在这些传统的SaaS公司里面。因为以前是说医生手打一些访谈后的一些数据，填到那个表格里面。有很多做门诊SaaS的病例管理的公司。可是现在变成了语音的数据，经过AI整理了之后，这些数据是更新的，而且是更准确的，而且更丰富的。那意味着传统这些数据根本就是落后的了，不需要的了。那这个时候新的startup其实掌握了新的数据以后，而这些新的数据才是客户其实想要的真正的价值。那就在于这一点的话，我觉得是很好地能去打破所谓的传统SaaS的一些垄断的。大家都说data才是SaaS公司最重要的一个所谓作为system of record，但我觉得很多新的数据其实不在传统公司手里了。

高宁第二点的话，大家会说distribution，就是渠道和客户。那我觉得这一点是所有的startup成长起来都会面临问题。但问题就在于，如果你服务的是一些你初创公司陪伴着一些高速增长的客户发展起来，他们会成为未来的平台型的巨头或者是未来的公司之后的话，那你陪伴这些独角兽变成超级独角兽、变成上市公司，那你不就掌握了新的渠道或者新的客户关系吗？那我觉得这一点也不是说传统公司永远都是这么牢固的。所以我自己还是挺positive，尤其是在一些这种所谓的大家说在一些outsourcing的领域，或者是以前是很服务驱动的领域。那这些领域中本来就是人在做很多data处理相关的、summary相关的事情的时候，那明显你的Agent或者是AI也好，你其实是能够去更好地处理输入的数据，输出更结构化的、更丰富的、更有高价值的结果和数据的时候，甚至任务的时候，这个对startup是一个挺好的挑战这种incumbents的一个路径。

Sophie鸭哥则从了解用户偏好和使用习惯的角度，提出了“默契”这个有趣的护城河概念。

鸭哥最浅显的一个护城河可能在数据方面。比如说Manus或者Devin，它有一个功能是说，它可以记下来你对它的纠正，并且把这个知识再用到以后的对话中间去。比如说我是一个公司，我用Manus做PPT，做出来之后，它第一次给我用的主色系是绿色，那我就跟它说不行，你帮我把主色系改成蓝色。这就是一个数据的积累的例子，它就会把这个知识记下来。那未来比如说我或者公司里其他人在叫它做PPT的时候，它就知道它是用蓝色来做。那当这样的事情多了之后，就会逐渐产生一个东西叫做“默契”。你会觉得这个很好用，它知道我老板喜欢什么，知道我们公司内部的各种规章制度，我不用去天天跟它纠正。这时候来了一个竞争对手，但是它再厉害，它也不知道我们公司内部的一些东西，就文档里没有的东西。它可能上来还是用绿色来做PPT，那我们就会觉得：“这产品吹的那么厉害，它怎么其实那么傻呀，它跟我一点默契都没有。”那像这种东西就是一个非常大的护城河，哪怕它真的很聪明，但我们也不愿意去用。那在这种情况下，就意味着我们的创业者或者说产品经理就要去想一个问题，我们到底怎么样通过数据来构建这样一个护城河，怎么样让用户和AI之间产生一种默契，这个才是最有效的竞争手段。

Sophie晓音还进一步指出：

曲晓音我们表面上看来是写代码，实际上我们是帮用户run his business。实际上我们是通过我们的这个软件，或者是他的APP或者他website，帮他塑造一个品牌形象，帮他吸引用户，帮他更好的留住用户，帮他更好的挣钱。所以最终来讲，我们是以帮助用户挣钱为目的，就这个Agent最终的目的还是帮助用户挣钱，而不只是说我给你做了一个东西，我给你做了一个软件你用吧。所以我觉得这个情况下，我们就需要更多的了解它，更多的后面的数据，包括它引流引的怎么样，用户这个网站上停留了没有，我们需要了解更多这方面的数据。那我们在这个垂直领域做的越深，当然我们的不可取代性就越强。如果我们只是说纯粹设计个网站，开发这个网站就结束了，也不需要考虑最终有没有人用以及转没转化，那可能我们的护城河也不是很高。我觉得可能护城河也取决于整个这个东西是不是做深，是不是end to end都能够给用户解决他最终的那个目的，比如说挣钱。这是他最终的目的，前面都是一步一步的。所以我们如果能直接给他最终的目的，我们就更难被取代。如果我们给的是中间的一个某个步，就是比如要三步才能挣钱，我们解决的是第一步，那我们可能会更容易被取代。

与大模型公司的竞合关系

Sophie像OpenAI、Anthropic这些大模型公司，自己也在加强Agent能力。它们会不会最终挤压创业公司，尤其是通用类Agent创业公司的生存空间呢？高宁对此有一个很辩证的看法。

高宁像现在的GPT的Deep Research和Manus或者是Genspark，就是这样的通用型的Agent，那理论上也会多少存在着一些竞合的关系。但是因为它们都在做越来越多新增的用户，让越来越多的小白用户知道Agent能做什么事情的时候，中短期内我觉得还是没有太大问题的。那只是说长期可能模型的产品用户越来越多了，那他同时在用两款产品的时候，如果大家表现出来的差异化不那么明显的时候，那一定会有一些替代。但我觉得从长期的角度来说，因为对于这种应用型的产品，它的好处在于它可以选择各种各样的模型，哪个好，甚至是怎么样的一个组合更好，它的成本、它的效率更优，那是非常有可能的事情。那我觉得这两方面其实都有pros and cons。

Sophie俞舟教授也从企业级应用的角度，进一步强调了应用层中立性的价值。

俞舟中立的第三方，像我们这样子的平台，其实更容易、更快速的推进。因为谁也不知道将来我是不是要跟OpenAI绑定，没有人想跟任何一家公司做深入绑定，因为我们大家都想要有一个backup。那我们这样子的中立的平台就是给它提供这种方式的。那我们知道大的企业enterprise它都要做Multi-cloud。所以说，为什么我要跟AWS绑定，我要用它的这个framework呢？万一它这个突然不行了，我得换一个，我怎么办呢？所以说这个第三方的，像我们这样子中立的平台，是非常有优势的。

Sophie那么具体而言，Agent创业公司应该如何避免与大模型公司正面竞争呢？高宁给出了一个很实际的建议。

高宁其实大模型自己也会跟Harvey或者跟垂直的一些应用去合作，而不是完全的去做。因为这里面涉及到的，一方面你不太可能拥有每家公司私有的数据；二方面的话，你涉及到跟工作流的磨合打通，这些事情是脏活、苦活。你要去搞清楚人家在日常工作中是怎么用的，workflow是什么，上下游是怎么样的，系统层面上又是怎么样的。我觉得这些事情大概率大模型公司不会去做，尤其是现在越来越大家更focus在以AGI为目标，或者是模型的基础能力的提升为目标的情况下。二是说，如果你是偏通用型的产品的话，多少就会有这个隐患了。就像你说不管是你用文生图或者Agent这个方向上，但是你作为一个应用型的产品，你就更可能地要往你的核心的用户去做成一个越来越workflow-based的一个SaaS的工具也好，或者是越来越跟大客户去合作，做一些定制，为他们做一些解决方案也好。这些事可能startup直面这些大模型公司应用产品冲击时候的一些选择。

成本考量：价值驱动而非Token驱动

Sophie最后我们来聊一个很现实的问题：Agent由于需要多轮交互和调用工具，经常会消耗大量的tokens，这会不会带来严重的成本压力？对此HeyBoss AI创始人晓音的回答很有意思。

曲晓音因为我们是以结果为导向，用户他的比价是说以前这个我要找一个巴基斯坦工程师，一个开发团队，有设计、有文案、有SEO，然后他多少可能几千刀。我们再怎么贵，也不会比巴基斯坦的这个团队要贵；并且我们再怎么慢，也不会比巴基斯坦的团队更慢。所以对我们来讲用户的预期就是说，只要你能给我deliver结果，价格跟速度可能都已经足够让我惊艳了，我要的是效果。对于这种情况下，我觉得其实我们不是很担心token本身的成本的问题，因为用户本身这个服务本来花的钱更多。因为用户不是说你们便宜，但是这个巴基斯坦的比如说打分是90分，设计你们是60分，但你们便宜比如说10倍我也用。不是的，用户是说你至少要跟他一样好看，我才会考虑。如果我一旦考虑，价格可能就不是问题。所以对我们来讲，我们最重要的是效果要达到跟人一样牛逼的水平。

五、哲学思考与未来展望

Sophie技术发展从来不仅仅是技术本身的事，它往往也会带来深远的社会影响。随着Agent技术的普及，它可能会重塑人与机器的关系，甚至影响社会结构。接下来让我们一起来听听嘉宾们对于Agent时代的哲学思考和未来展望。

SophieKolento分享了他对Agent与人交互方式演变的一些思考。

Kolento传统AI的workflow上面，人类先给AI搭建好一步一步的操作，然后AI给出来一个response让人类来看。其实你会发现，人类会有两个审核点：一个点是我最开始搭的时候过程中审核，第二个点是Agent给出结果之后我对那个结果审核，审核完之后再返回到第一步再去改。其实这个是有点小麻烦的，因为你要看两次。我不会觉得这个次数可能会变少，我会觉得你检查的方式应该有一些变化。就是未来的Agent，它应该是上来第一步是去跟你对齐你的价值观、对齐你的记忆、对齐你的所有的偏好。那你做第一步应该是做alignment。这个alignment不只是行为上的alignment，而是他对你这个人全人的，就是whole person的alignment。然后你放手让AI识别清楚你的意图之后去干所有的事。那什么时候AI来找你呢？什么时候你需要去审核？就是当出现一些高危情况或者是一些极端情况的时候，Agent来找你问你，你confirm一下。我刚才说这种形态，我在Replit身上看到了。如果你们去输一个query，它不会每一步都会叫我来confirm。那你如果用Phind，如果你不开那个auto模式，你每一步都得confirm。很多东西其实我觉得是不需要confirm的，就你应该让它放手去干的。这是一个宏观上的解释。

Sophie鸭哥从更广泛的社会匹配角度，讨论了在他看来对于赋能Agent有关键影响的环境因素。

鸭哥AI到底能够在人类的社会中，或者在我们的日常工作中发挥多少作用，很大程度上取决于这个问题到底有多AI friendly，或者说AI native。就像蒸汽机的例子一样，如果我们把整个船它的工作方式都围绕着蒸汽机来构建的话，很可能这是我们能够实现最优化工作流程的关键。从数字世界的角度来说，哪怕AI没有物理世界这个隔阂，在数字世界我也非常痛苦。我觉得很多东西都不是AI native的。比如说我写了一个代码，我写了一个库，我希望别人来用；或者我写了一个产品，希望别人来用。现在的产品说明书或者说文档，都是面向人类的，它比较零散。因为知道人很弱，他阅读速度很慢，所以给你拆成很多很多页，你要自己去点那个超链接才可以。但AI完全没有这个问题，你可以给扔给它几万字，它瞬间就读完了。所以AI需要的其实恰恰是一个 all-in-one，同时你可以贴很多代码，因为它完全没有障碍就可以阅读很多代码。不像人类，是这种code heavy，all-in-one place，这种东西是最适合AI的。那如果有两个库或者两个软件，一个是AI friendly的，他给了AI这个东西，Cursor看了这个东西立马就能写code；另外一个是human friendly的。在未来可能我觉得AI friendly的竞争优势会很大。所以这是另外一个AI native就非常现实的价值的一个例子。

人在AI时代的核心价值

Sophie在AI面前，人应该扮演怎样的角色？又有哪些AI难以替代的价值？Kolento就表达了这样的忧虑。

Kolento我们跟机器之间的交互变得越来越薄了。举个例子，原本你用Google search，你发一个query，它给一个response，你这个其实是有点平等了。虽然它可能会给一个result，你可以选，但也是比较平等的。你现在跟GPT呢，是无边界的交流，直到你token耗尽。你发个query，它给你出来一长段；你给Manus说一个query，它给你工作80分钟，给你完成一个任务。那你的意义在哪呢？你只是给这种高层引导，那未来是不是你也可以被替代掉？我会很担心一个人自己的价值所在。

Sophie面对这种担忧，新琦提出了她对人类创造价值的理解。

新琦我会觉得我依然是那个能够首先形成想法、提供指令、精雕细琢、保障成品的这一个核心的人。而AI是我的一个合伙人，我需要它给我出力气。如果这个内容是一个结构化的、可以非常能够被AI所获取的这些东西，那这个就不能够成为增量价值。而真正我觉得有价值的，在音频的世界里面，更多的可能是来自于：要么是你在某一个非常深入的领域有非常深度的，不管是商业洞察还是学术研究，这些东西尚且没有为AI所消化；要么就是以我们自己个人身边的例子，它并没有以一种结构化的方式把这个信息上传到互联网上去的这样的一些信息内容。我觉得第三点就是，尤其是在多人播客里面，以我们的节目为例，我们三位主播是在三个不同的时区，是在不同的人生的成长的发展阶段，那因此我们的观点相对来说是有一种差异化的张力的。而这个张力可以给我们节目带来的效果就是，我们的讨论通常来说是更立体、更多元，并且更有火花碰撞的。我觉得这是一个非常非常好的，在AI时代下面，我们就是要不断地鼓励有观点的碰撞、有认知的迭代提升。而这个东西可能我们一对一单点跟AI去做合作，也许不太能够实现。

Sophie而鸭哥则从人与AI的工作关系角度，提出了一个有启发性的观点。

鸭哥你就想象一下AI，它是一个team member，它不是一个工具。也就是说我们跟AI之间的关系在逐渐的发生了改变。以前当你说一个工具的时候，你会说“我用我的螺丝刀”、“我开我的车”，但是不太会说“我把一个什么东西delegate给我的车”，但是你把这件事说“我给AI来做”，大家会觉得很自然。所以这个是AI这个工具跟以前的工具不一样的地方。因为它能做的事情越来越多，所以我们跟它的关系在发生变化，我们跟它更多的变成一个领导和下属之间的关系。这就意味着我们人类的核心竞争力，往往是从以前的怎么样去“你要会用计算器”，变成了怎么样去会“管理AI”。这是一个很大但是被忽视的问题，因为其实会管人的人非常的少。管理本身是一个博大精深、需要很多培训和学习的东西，其实这恰恰是我们在管理AI的时候需要学习的东西。它不是说这个tool你像螺丝刀一样拿到手，你去看了说明书你就会用了，而是你需要会管理才能用好。我觉得这是另外一个要做好mindset change。

Sophie最后Kolento还强调了人类在价值判断上的不可替代性。

Kolento因为我觉得在哲学层面上来讲，AI是没有办法代替人做价值判断的。如果你回看整个计算机发展历史的话，一直是分久必合、合久必分的。你会发现，整合都是以牺牲个性化为代价的。所以我就会越来越想，什么东西是我们应该去放弃，就什么个性化是我们不应该被放弃的。我认为是人本身是绝对不能放弃的。所以我会那么想去觉得应该有一个属于个人的大模型。因为现在你可以看到，所有的GPT、Claude或者说是纯Gemini这边，这些都是中心化AI。或者说想要打败魔法的只能是魔法，你想打败这些所谓的“centralized AI”，你得有一个personal的centralized AI给到每个人，然后每个人可拥有、可迁移。所以我会很关心AI怎么跟人对齐，怎么做responsible AI。就是如果说拿硅谷那两派做比喻，我更像是Geoff Hinton那派，而不是Sam Altman。

Sophie最后晓音则从更宏观的社会学角度，思考了AI社会可能出现的新型关系。

曲晓音我之前看过一个心理学的研究说，人跟其他的物种的区别就是我们能够组织大量的人。很多动物一个族群里可能就100个大象或者50个大象就很多了，我们可以组织几百万人、几千万人，这是我们人类跟其他动物的一个本质差别。那下一个问题就是说，AI能不能组织更多的AI Agent？能不能像人一样可以组织几百万个、上千万的AI Agent去做各种各样的事情？那是不是AI就可以迸发出更牛逼的能力？我觉得这个其实是存在这个能力的，只是说我们可能需要AI的LM的能力更加强，它的context window更加的多，它的tool use更加的完美，并且AI的evaluation，它能够管理更加复杂的这个架构。

曲晓音那还有就是这AI跟AI Agent之间会不会有一些所谓的利益上的不一致？就跟人多了总要打架，那AI跟Agent之间会不会打架？我觉得其实也会的，因为他们每个人的success metric是不一样的，所以就存在利益不一致的地方，就像人一样。那么这个情况下，AI跟AI Agent之间会打架，那怎么来评判它们之间谁对谁错？我们是到底是期待一个民主的投票制，AI Agent投票？还是我们期待的是一个独裁的政府，就是AI CEO说：“你们都听我的，闭嘴”？那我觉得可能我们马上就会处理类似于人类这种社会架构上的问题。而且还有一个点是，就是说有可能AI Agent会管人，人也会管一些AI Agent。我们马上就会有这个问题了，其实我们就在思考，现在我们如何设计这个体系，AI CEO如何评判这个人做得好跟不好，怎么跟这个人去对接，怎么让他提升他的技术能力、他的工作水平。其实我们现在已经发现了这样的问题。

结语

Sophie好啦，今天的讨论真是太丰富了。就像嘉宾所说那样，我们可能需要学习“管理”而非仅仅是“使用”AI；我们也需要重新设计环境，创造更加“AI友好”的系统；更重要的是，我们需要找到我们自己，在AI时代的定位。

Sophie感谢各位嘉宾今天的精彩分享，也谢谢大家的收听。如果你对今天的话题有任何想法或反馈，欢迎在评论区留言或者通过社交媒体联系我们。我是Sophie，我们下期再见。